CND D-0048 上市公司数字经济创新数据 （附Stata处理代码）
▪ 数据说明 ： 数字经济专利的具体计算方法为：1）根据专利分类号确定每个专利所属行业。国家知识产权局发布的《国际专利分类与国民经济行业分类参照关系表（2018）》展示了专利号与国民经济行业分类的参照关系，根据专利的主分类号（通常是专利分类号的第一个）匹配该专利的行业分类；2）根据国家统计局2021年发布的《数字经济及其核心产业统计分类》进一步匹配得出相关的数字经济专利；3）根据以上两个步骤获得原始的数字经济专利（主要为发明和实用新型，外观设计类数字经济专利极少），统计得出各省市和各行业数字经济专利申请与授权情况；4）进一步的，根据上市公司及其参控股公司名称匹配并计算上市公司数字经济专利申请与授权数据。具体而言，上市公司数字经济创新数据包括上市公司为发明和实用新型数字经济专利的申请与授权情况。 ▪ 综合评价 ： 数字技术创新的衡量方法是现有研究最主要的局限性问题。比如，对于企业数字化程度的度量，学者主要采用与企业信息相关的要素规模，如企业电信支出、IT 投资、信息技术人员占比等，或是互联网等信息技术的应用程度。较新的衡量方法则应用基于机器学习的文本分析法，以上市企业年报中数字化相关词汇的词频来构建数字化程度指标。而这些度量方法只能间接反映企业对数字技术的关注程度或推广应用程度，并不能直接衡量数字技术创新水平或数字技术创新直接占用的企业资源等。CNDD的数字经济创新数据库从数字创新层面，展示了我国企业的数字发展情况，不仅具有相当丰富的字段和数据量，而且根据相关部门发布的权威文件，对专利数据进行了精准的匹配和处理，提供了独有的数字经济专利统计数据。
▪ 常用度： ★★★★☆
▪ 稀缺度： ★★★★ ★
▪ 新颖度： ★★★★
▪ 总体级别： 13颗星
✔ 常用度：是数据市场中需求指标，是指该数据在经济管理类学术论文中使用频率。
✔ 稀缺度：是数据市场中供给指标，是指该数据在其他数据库的出现频率。
✔ 新颖度：是数据市场中生成指标，是指该数据在生成时方法新颖程度和工作量。
▪ 上市公司数字经济创新指标构建方法（Stata 数据处理代码） ：
罗佳,张蛟蛟,李科.数字技术创新如何驱动制造业企业全要素生产率？——来自上市公司专利数据的证据[J].财经研究,2023,49(02):95-109+124. ▪ 文献内容：
我国数字经济产业的迅猛发展有目共睹。文章基于2008-2019年制造业上市公司面板数据,利用企业专利数据识别数字技术创新情况，研究了数字技术创新对企业全要素生产率的影响及其机制。研究发现，拥有数字技术专利的企业全要素生产率显著高于没有数字技术专利的企业，而且数字技术创新规模越大，越有利于制造业企业全要素生产率提升。 这表明数字技术创新能够促进制造业企业全要素生产率提升。行业数字化程度越高，数字技术创新越能发挥积极作用。此外，国有制造业企业与西部地区制造业企业的数字技术创新对自身全要素生产率的提升作用更加明显。机制分析发现,短期内数字技术创新会导致企业运营成本上升，阻碍全要素生产率提升；数字技术创新还能通过提高企业创新效率与资源配置效率，促进全要素生产率提升，而缓解劳动要素投入扭曲则是数字技术创新通过缓解企业资源错配发挥作用的主要渠道。 ▪ 实证模型与相关数据应用
（1）实证模型
其中，lntfp it 表示企业全要素生产率的自然对数；表示数字技术创新，分别采用企业数字技术创新规模（lndig it ）和数字技术创新虚拟变量（digit_dum）；X it 为控制变量，ε it 为随机扰动项。同时，模型还控制了区域固定效应（λ i ）、行业固定效应（π i ）和年份固定效应（ϑ t ）。文章在估计时对标准误进行企业层面聚类处理。重点关注的系数为γ，若γ显著大于 0，则说明数字技术创新能够促进制造业企业全要素生产率提升。
（2）变量设定
下表报告了基准回归结果，其中列（1）和列（2）以企业数字技术创新规模（lndigit）作为解释变量，列（3）和列（4）以企业数字技术创新虚拟变量（digit_dummy）作为解释变量。从中可以看到，数字技术创新变量的估计系数在1%的水平上显著为正，说明数字技术创新能够促进制造业企业全要素生产率提升。就经济学意义而言，在控制行业、年份与地区固定效应以及其他企业特征的情况下，列（4）结果显示，开展数字技术创新的企业全要素生产率比没有开展数字技术创新的企业要高 0.06%；列（2）结果显示，数字技术创新规模每增加 1%，企业全要素生产率提升 0.047%。无 论在统计意义上还是经济学意义上，数字技术创新都能显著促进制造业企业全要素生产率提升。
[1]陈楠,蔡跃洲.数字技术对中国制造业增长速度及质量的影响——基于专利应用分类与行业异质性的实证分析[J].产业经济评论,2021,No.47(06):46-67. [2] 黄先海 , 王瀚迪 . 数字产品进口、知识存量与企业数字创新 [J]. 浙江大学学报 ( 人文社会科学版 ),2022,52(02):28-43.
以下三种方式三选一
▪ 直接购买
添加客服微信，支付价格为69元。
▪ 朋友圈分享后免费领取（每人限领15份）
持续3小时，集齐5个赞，需要对所有人可见，并且本人关注CNDeepData公众号。
▪ 购买大会员
添加客服微信，购买年度会员149元，三年会员299元，永久会员899元，可享CNDeepData所有数据免费获取。
▪ 朋友圈分享要求：
①分享时间需要在早上7:30到晚上12:30之间。
②请附带一句推荐词，例如“推荐CNDD高质量数据库”。
③请将包含时间内容的截图发给客服。
▪ 添加客服微信方式 ：
扫描下方二维码，或搜索下方微信号。
添加客服微信号：DeepData001 获取更多更新数据
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
CNDeepData
中国深度数据库：让精品数据，得以流动。
CNDeepData: Let high-quality data flow without barriers
111篇原创内容
公众号
CNDeepData：Let high-quality data flow without barriers
资源下载 此资源下载价格为69 积分（年度普通会员免费），请先登录 部分图片来源于网络，如涉侵权请告知，本站将第一时间删除。客服微信号：DeepData001
