发布单位：数研慧通（ACADCN）
一、研究背景与目的
为系统考察人工智能技术在企业层面的应用对创新行为的作用机制，本研究基于2007至2024年中国A股上市公司面板数据，对《中国工业经济》与《管理世界》发表的相关高水平论文进行实证复刻。参照李玉花等（2024）的研究设计，聚焦其基准回归模型，由数研慧通（ACADCN）完成数据重构、变量测算及计量代码实现，提供可复现、可验证的学术支持。数据集包含原始财务信息、文本挖掘衍生变量以及完整的数据处理脚本，服务于后续学术研究与政策分析。
二、数据概况
●
数据名称：人工智能技术应用对企业创新影响的实证研究数据集
●
研究样本：中国A股上市企业
●
时间跨度：2007年 – 2024年
●
观测值数量：69,941条
●
数据来源：上市公司年度报告、数研慧通（ACADCN）数据库
●
数据整理与发布机构：数研慧通（ACADCN）
三、核心变量构建与测量方法
1. 人工智能技术应用指标
●
指标A（基于年报全文）：提取年报中人工智能关键词频次，记为“人工智能词频和”，经对数化处理： \text{AI_Application_A} = \ln(\text{人工智能词频和} + 1)
●
指标B（基于MD&A部分）：基于管理层讨论与分析（MD&A）中AI关键词出现频率，记为“人工智能MD&A词频和”，同样进行对数变换： \text{AI_Application_B} = \ln(\text{人工智能MD&A词频和} + 1)
关键词体系通过机器学习结合人工校准构建，覆盖深度学习、神经网络、自然语言处理、计算机视觉等核心技术领域。
2. 企业创新能力衡量
采用企业当年发明专利申请量作为创新产出代理变量，并进行对数化处理： Innovation=ln(企业发明专利申请量+1)\text{Innovation} = \ln(\text{企业发明专利申请量} + 1)
该指标反映企业实质性技术研发投入与高质量创新产出能力。
3. 控制变量
模型控制了企业规模（总资产）、成长性（营业收入增长率）、财务结构（资产负债率）、盈利能力（总资产收益率）、研发强度（研发投入占比）、上市年龄、地区与行业固定效应，并剔除ST及金融类企业干扰。
四、数据字段列表
股票代码｜股票简称｜年份｜省份｜城市｜区县｜省份代码｜城市代码｜区县代码｜行业代码｜行业名称｜企业上市年龄｜是否ST或金融类｜总资产｜营业收入增长率｜资产负债率｜总资产收益率｜研发投入占营业收入比例｜人工智能词频和｜人工智能词频和加1取对数｜企业发明专利申请量｜人工智能MD&A词频和｜人工智能MD&A词频和加1取对数
五、参考文献
[1] 李玉花, 林雨昕, 李丹丹. 人工智能技术应用如何影响企业创新[J]. 中国工业经济, 2024(10): 155–173.
资源下载
下载价格18 元