2001~2022 年各上市公司数字赋能指数计算结果（吴非（2021），基于管理层讨论与分析文本）

之前给大家分享过一份基于上市公司年报全部文本计算的数字赋能指数：

2001~2022年各上市公司数字转型关键词总词频及TF-IDF指标计算结果（吴非2021版本）：https://rstata.duanshu.com/#/course/32f94b6dac0f414392fb2562a12651d8

今天再给大家分享一份基于上市公司年报中的管理层讨论与分析文本得到的数字赋能指数计算结果。

数字赋能指数是衡量数字技术应用程度的重要指标，本篇推文将介绍数字赋能指数的两种常用指标：词频指标和 TF-IDF 指标，并提供使用两项指标测度的 2001~2022 年各上市公司数字赋能指数计算结果。

这里我提供的是供 Stata 读取的 dta 格式，共有 11.7 万条结果：

包含如下变量：

code、date、word、n、tf、idf、tf_idf、class

数字赋能指数（词频指标）

「工商管理」2021 年第 7 期里面有篇论文 <企业数字化转型与资本市场表现——来自股票流动性的经验证据> 将上市企业年报中涉及“企业数字化转型”的相应词频统计作为企业数字化转型程度的代理指标。

与“企业数字化转型”相关的词频主要包括：人工智能技术、大数据技术、云计算技术、区块链技术以及数字技术运用等五类词语，具体的关键词如下：

词频指标具体计算方法为：根据上图的特征词进行搜索、匹配和词频计数，进而分类归集关键技术方向的词频并形成最终加总词频，并将其进行对数化处理，从而得到刻画企业数字化转型的词频指标。

下图展示了数据中 5 家上市公司数字赋能指数的变化（词频指标）：

「经济研究」2023 年 6 月刊里面有篇论文 <国内贸易网络、地理距离和供应商本地化>中使用了 TF-IDF 指标来反映上市公司数字技术的应用程度。该指标的计算方法如下：

其中 D 表示数字赋能指标词典集合，包括词频指标中涉及的关键词。TF 表示术语频率或者说词频，IDF 表示逆文档频率指数。在之前的课程「名师讲堂｜上市公司数字赋能指数计算（数字技术应用程度指标）」中，我们分享了该方法的 R 语言实现方法。

名师讲堂｜使用 R 语言计算上市公司数字赋能指数（数字技术应用程度指标）：https://rstata.duanshu.com/#/course/cc1ce9aa0d12492e8bffe65feac54c63

在根据上市公司年报中的管理层讨论与分析文本计算数字赋能指数之前，需要预先爬取上市公司年报。考虑到处理上市公司的年报是个很困难的事情，于是我就直接帮大家处理好了。

上市公司年报可以从巨潮资讯网爬取，爬取方法可以参考平台上的系列课程「R 语言文本分析」：

R 语言文本分析：https://rstata.duanshu.com/#/course/bf37cf50eef04d38b43541cc52114c96

由于巨潮资讯网只提供了 2000 年之后的年报文件，所以我只爬取了 2000 年之后的。合计 55475 份 pdf 文件，172GB，基于此即可计算上市公司数字赋能指数。

计算方法不难，不过计算量非常巨大。计算过程包含文本提取、中文文本分词和 TF-IDF 计算三步。

下图展示 2022 年所有上市公司数字赋能指数词云图（R 语言绘制，绘图代码见附件中）：

点击这里跳转到 RStata 短书平台获取附件：旧版本｜2001~2022 年各上市公司数字赋能指数计算结果（吴非（2021），基于管理层讨论与分析文本）