CNDD-0282 上市公司董事长致辞创新性信息文本指标及学术论文应用

01 数据介绍

▪ 数据名称: 董事长致辞、创新性信息文本

数据编号:0282

▪ 数据层级:A股上市公司层面

▪ 数据范围:2016-2023年

▪ 样本数量:1,189条

▪ 数据来源:根据上市公司每年董事长致辞文本爬取

▪ 数据说明: CNDD上市公司董事长致辞创新性信息文本数据参考 陈怡欣等(2024,统计了上市公司董事长致辞文本中含有“创新性词典”相关的词频指标数据提供.xlsx和.dta两种格式,可用stata或excel打开。

▪ 数据维度:年度数据

▪ 数据介绍:在词典的选取上,创新性词典集借鉴 陈怡欣等(2024,与 传 统词典法不同,采用“种子词集 + Word2Vec相似词扩充”方 法 构 建 描 述 性 创 新 信 息 指 标,对年报多次研读校验得到种子词集。相较于传统词典法,Word2Vec神经网络模型可以根据语义信息将词汇转换为多维向量,并通过计算向量的相似度得 到 相 似 词。采 用 其 中 的 CBOW (Continuous Bag-of-wordsModel)模型对中文语料进行训练。描述性创新关键词如见表1所示。

   在构建描述性创新关键词词集后,以年报中描述性创新信息的总词频/年报总词频衡量描述性创新信息披露水平。

CNDeepData 数据应用质量评级

 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。

02 变量说明    

03 数据概览

▪  变量分布

04 前沿文献速递

▪ 文献来源

 陈怡欣,张婷,马晨.同行企业描述性创新信息披露的溢出效应——基于机器学习与文本分析法[J].科技进步与对策,2024,41(15):22-32.  

▪ 文献内容
 探讨同行企业描述性创新信息披露能否通过改善目标企业信息环境,产生促进目标企业创新绩效的溢出效应。基于机器学习和文本分析方法构建披露指标,结果发现,同行描述性创新信息披露水平提高能够显著促进目标企业创新产出“数量”与“质量”提升。信息披露语调越积极、可读性和前瞻性越强,信息披露溢出效应越显著。机制检验发现,拓展目标企业信息获取渠道、加强管理层机会主义行为治理是信息披露溢出效应产生的主要机制。进一步研究发现,相较于“言行不符”的信息披露,“言行一致”的信息披露更能促进目标企业创新绩效提升。通过提高企业创新绩效,同行描述性创新信息披露有助于目标企业长期经营业绩提升。
▪ 模型设计与变量说明

借鉴已有研究成果,本文建立如下模型:

其中,Innovationi,t+1 代 表 企 业 未 来 一 期 创 新 绩效,Inno_Disi,t 为当期同行企业描述性创新信息披露水平,CVi,t 为控制变量,Xi,t 为文本特征的调节变量,Yeart、Firmi 分别为年度和公司固定效应,εi,t 代表随机扰动项。本文对所有连续变量进行1%水平上的双边缩尾处理,对标准误进行聚类处理,并对模型(5)中的交互项进行中心化处理。

▪ 计算结果

本文采用OLS回归对研究假设进行检验,结果如表3所示。列(1)中,同行描述性创新信息披露(Inno_Dis)的回归系数在1%水平上显著为正,表明同行描述性创新信息披露水平提高有助于目标企业有效专利申请总量增加。列(2)中,解释变量同样在1%水平上显著为正,说明同行描述性创新信息披露提高不仅可以促进企业创新成果数量增加,而且能够促进企业创新成果质量提升。此外,回归系数的经济意义同样显著:解释变量每提高1个标准差(0.003),下一期目标企业专利申请数量增加0.197且专利5年内被引用次数增加0.092,分别占各自均值的8.9%、11.6%。实证结果表明,同行描述性创新信息对企业创新绩效具有正向溢出效应。 

05 其他相关文献

 胡国强,侯聪聪,孙文祥,等.“防微杜渐”还是“推波助澜”?散户“在线发声”与企业策略性创新信息披露[J/OL].南开管理评论,1-26[2025-01-15].

 程新生,郑海埃,程昱.创新信息披露、分析师跟踪与市场反应研究[J].科研管理,2020,41(01):161-173.

周明.创新信息披露对创新绩效的影响研究——基于电子信息制造企业的面板数据[J].技术经济与管理研究,2021,(12):48-52.

06 获取方式

见推文末尾。

本数据为会员专属数据。添加客服微信,购买年度高级会员299元,永久高级会员899元,可享CNDeepData所有数据免费获取。

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

版权声明 …

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。

数据授权使用说明 …

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)”。

中国深度数据库:让精品数据 得以流动

CNDeepData:Let high-quality data flow without barriers

资源下载此资源下载价格为99积分(年度普通会员免费),请先

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

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部