2024-2000年上市公司企业家注意力配置数据（注意力时间配置和注意力内容配置）

cx6688

1.资料名称：2023-2007年上市公司企业家注意力配置数据
2.测算方式：参考顶刊《世界经济》余振（2024）老师研究的做法，分为注意力内容配置和注意力时间配置，使用文本分析

我们做了上市公司年报，因为上市公司年报包括管理层讨论与分析MD&A，具体做法和结果如下图所示

（1）注意力内容配置：文本分析首先需要构建“创新注意力”词集。参照胡楠等（2021）和 Brochet et al.（2015），本文通过机器学习 Word2vec 这一方法寻找近义词，缓解人为定义词表的主
观性和通用同近义词工具的弱相关性（LeCun et al.，2015）。利用Word2vec模型对文本语料进行训练后，生成词向量空间，为每个词分配一个向量。在向量空间中，距离越近的词意思越近，可以通过两词的距离计算相似性。具体筛选词集方式如下：第一步为选择既往中文文献中曾用过的“创新注意力”词集作为基础词（黄珊珊和邵颖红，2017），其中包括：“创新”“自主”“研发”“科研”“新产品”“技术”“开发”“研究”“专利”。第二步根据Word2vec中的CBOW模型（连续词袋模型，Continuous Bag-of-Words Model）对中文年度财务报告语料进行训练，生成词向量空间，并在词向量空间中，对基础词的相似词进行筛选。筛选标准为：财报文本语料中出现频次在1000次以上，且和基础词频相似度在30%以上的拓展词。第三步为邀请了 3名业界和学术界专家对 CBOW 模型得到的相似词进行人工核查，并筛选出包括“发明”和“技术成果”等额外的“创新注意力”拓展词集①。本文将“创新注意力”基础词集和“创新注意力”拓展词集分别作为文本分析的词典，并基于词典法对每家企业的年报中MD&A部分进行词频分析。
（2）注意力时间配置：本文采用对企业年报中进行文本分析的方法来测量企业家注意力时间配置。使用文本分析测度人们的时间配置有着较强的语言学理论基础（Chen，2013）。跟上述做法相似，分三个步骤选取表征当下和表征未来的词集。第一步参照陈守明和胡媛媛（2016）的做法，采用“现在”“此时”“此刻”“当下”“当前”“近期”“目前”作为表征关注当下的基础词，采用“未来”“即将”“将来”“将要”“接下来”“今后”作为表征将来的基础词。第二步基于 Word2vec 中的 CBOW 模型构造词向量空间，并在其中寻找近义词，筛选出词频数在1000词以上，和基础词相似度在 30%以上③。第三步邀请 3名业界和学术界专家对 CBOW 模型得到的相似词进行人工核查，并筛选出包括“现在”“此时”等表征当下的词集，并得到包括“将来”“将要”等表征未来的词集。本文分别基于表征当下和表征未来的词集用来文本分析，并利用词典法对每家企业的年报中 MD&A 部分进行词频分析，计算以下指标词集词频数占MD&A总词数的比例

3.资料范围：6.8万多个样本，5700多家企业，包括原始数据词频、词频提取视频录制（运行时间太长因此只有开始和结束部分，确保准确性仅供参考）和最终计算结果，大家科研验证一下确保准确性！
4.参考文献：

余振,李元琨,李汛.外部关税冲击、企业家注意力配置与创新发展[J/OL].世界经济,2024,(06):65-94[2024-09-19].

cx612

好人一生平安，感谢楼主

大玩家

已买，期待后续更新

我爱吃辣条

已买，期待后续更新

小可爱

楼主的资料挺全的，谢谢分享

cd55

楼主的资料真的很不错，谢谢