中国资本市场人工智能技术采纳动态面板数据库（2000–2024）

一、研究背景与指标构建方法

在新一轮科技革命与产业变革纵深推进的宏观背景下，人工智能作为驱动企业数字化转型与新型工业化发展的核心通用技术，其采纳行为与扩散路径已成为学术界与政策界关注的重要议题。

本数据库严格依据梅冬州等（2025）提出的识别框架，系统构建适用于双重差分（Difference-in-Differences, DID）实证研究的企业级人工智能技术采纳指标，具体流程如下：

1. 关键词体系构建：综合姚加权等（2024）、吴非等（2021）、赵宸宇（2021）及甄红线（2023）的既有研究，系统整合形成涵盖134项术语的人工智能技术关键词库，覆盖机器学习、计算机视觉、自然语言处理等细分领域；
2. 采纳行为识别与时点锚定：以上市公司年报财务报表附注“在建工程基本情况表”为原始依据，通过关键词精准匹配“在建工程项目明细”，识别开展人工智能相关建设的企业样本，并以其首个人工智能在建工程项目的初始披露期作为技术采纳时点；
3. DID变量生成：
   • 处理组标识（Treat）：存在人工智能在建工程项目赋值为1，否则为0；
   • 时序标识（Post）：采纳时点及后续年度赋值为1，此前为0；
   • 核心交互项：生成“人工智能技术采纳状态”（Treat × Post），作为实证分析的关键解释变量。

二、数据库概况

• 数据库名称：中国资本市场人工智能技术采纳动态面板数据库（2000–2024）
• 覆盖范围：沪深交易所全部A股上市公司
• 时间跨度：2000年1月1日至2024年12月31日
• 样本规模：68,852条企业-年度观测记录
• 数据来源：上市公司法定披露年报（经标准化清洗、交叉校验与逻辑审核）

三、核心变量体系

变量类别	变量名称
基础标识	年份、股票代码、股票简称、中文全称
行业与区位	行业名称/代码、省/市/县及行政区划代码
资本市场特征	首次上市年份、上市状态
DID识别变量	Treat、Post、人工智能技术采纳状态

四、学术参考文献

[1] 梅冬州, 张弘正, 程琳. 人工智能应用的绿色创新效应研究[J]. 经济学动态, 2025(6): 33–50.
（注：关键词体系构建与识别逻辑亦综合参考姚加权等（2024）、吴非等（2021）、赵宸宇（2021）及甄红线（2023）的系列研究成果。）