【智能制造1005】智能制造试点企业名单及工具变量数据，助力深入研究！

不一样的邓先生

已于 2024-07-03 09:46:47 修改

阅读量1.1k 数据分享文章标签：数据分析

于 2024-06-02 15:18:14 首次发布

本文链接：https://blog.csdn.net/weixin_50249953/article/details/139390825

数据分享专栏收录该内容

10 篇文章 1 订阅

今天给大家分享的是国内顶级期刊金融研究2022年发表的论文《智能制造赋能企业创新了吗？——基于中国智能制造试点项目的准自然实验》使用到的重要数据集——智能制造试点企业名单以及该政策对应的工具变量数据。该论文以中国智能制造示范项目的推广为准自然实验，研究智能制造对企业创新行为的影响效应及其机制，研究发现：智能制造的推广显著提高了企业创新水平，并且主要是通过信息渠道、人力资本渠道以及资金渠道三条路径提高企业创新水平，同时发现智能制造可以优化企业创新结构，提高企业创新质量。异质性分析中得出，当企业规模较大、产权性质为非国有企业、劳动力较密集、所属行业竞争程度较高以及位于知识产权保护程度较高的地区时，智能制造对企业创新的促进效应更显著，同时，智能制造赋能企业创新最终可带来企业当期以及未来业绩的提高，具有长期价值提升功能。该论文在研究过程中使用到了智能制造企业名单数据，同时也使用了政策的工具变量——2003年企业所在地区电信和其他信息传输服务业就业人员数量进行内生性检验，我们对这两部分数据进行了整理，并且在论文的基础上进行了拓展，方便适应大家的研究，数据获取请查看文章末尾详细操作步骤！

一、论文讲解

该论文以2010年-2019年中国A股制造业上市企业为研究样本，根据工业和信息化部发布的《工业和信息化部关于公布智能制造试点示范项目名单的通告》中智能制造企业名单开展准自然实验，采用PSM_DID模型，研究智能制造对企业创新的影响效应及机理，并进行了控制内生性问题、替换关键变量、控制行业年度趋势、安慰剂检验等一系列稳健性检验，结论保持稳健，并且从信息渠道、人力资本渠道以及资金渠道三个方面进行了机制分析，同时从企业创新结构解析、异质性因素考察以及价值效应考察等方面进行了进一步研究，最终得出结论，并给出相应的建议。

（一）样本设置以及数据来源

智能制造企业名单来源于工信部发布的名单，这个大家可以自行整理，会花费一定的时间，如果大家不想自行整理，可以放心选择我们，质量可靠，价格实惠，其他数据来源于IFIND数据库、CSMAR数据库，研究样本为2010-2019年中国A股制造业企业，论文中采用了88家实验组企业。

（二）模型构建与变量定义

$Pat_{i,t}=\alpha _{0}+\alpha _{1}IM_{i,t}+\alpha _{2}Control_{i,t}+\gamma _{i}+\gamma _{t}+\varepsilon _{i,t}$

其中，被解释变量 $Pat_{i,t}$ 为企业创新能力衡量指标，以专利申请数量衡量企业的创新能力；

解释变量IM为企业是否实施智能制造虚拟变量，如果企业当年实施智能制造，则IM在当年及之后取值为1 ，否则取值为0；

控制变量(Control)包括企业规模、上市年龄、经营现金流、资产负债率、产权性质、第一大股东持股比例、固定资产净额、盈利水平、成长性以及管理层持股比例等，模型中还控制了年份固定效应（ $\gamma _{i}$ ）和公司层面固定效应( $\gamma _{t}$ )。

（三）实证分析与结果

1.描述性统计

2.基本回归分析：智能制造与企业创新

3.稳健性检验

包括控制内生性问题、替换关键变量、控制行业年度趋势、安慰剂检验等

（四）影响渠道检验

1.信息渠道

2.人力资本渠道

3.资金渠道

（五）进一步检验

1.企业创新结构解析

2.异质性因素考察

包括企业特征、行业竞争程度、地区特征三个层面进行样本划分，分样本回归分析

3.价值效应考察

（六）结论与政策启示

以上就是本篇论文的大致结构，如果说想详细了解论文内容，请自行阅读论文，接下来我们给大家介绍我们收集整理的数据

二、重要数据

该论文使用到了智能制造企业名单数据，研究样本区间为2010-2019年，使用PSM-DID进行分析，最终得到了88组实验组企业，831个实验组“企业-年度”样本；88组对照组企业，726个对照组“企业-年度”样本，分析可知，该数据是个非平衡面板数据，可能是由于某些企业在2010年之后才上市，从而主流数据库才有收录数据，同时在内生性分析中，论文使用了2003年企业所在地区电信和其他信息传输服务业就业人员数作为智能制造的工具变量，我们整理并且拓展了这两方面数据，方便大家研究，最终得到了2008年-2023年的智能制造上市企业平衡面板数据以及2003年各省份电信和其他信息传输服务业就业人员数据，方便大家研究。

（一）智能制造企业原始名单

智能制造企业从2015年开始试点，并在2016年、2017年和2018年开展了第二、三、四批项目试点，我们整理了四批企业名单，一共305家企业，数据保存在原始数据表中，数据内容展示如下：

（二）智能制造上市企业名单

在原始数据的基础上，我们使用爱企查手动查阅企业信息，论文中研究样本是A股制造业企业，我们根据查阅出来的信息进行了一一比对，将智能制造企业名单中A股上市企业进行了保留并登记了企业所在省份和地级市以及股票代码，大家可以根据股票代码进行数据拼接，完成分析，最终得到的上市企业有90个，超过论文中的实验组企业数88，数据保存在“上市公司名单”表中，数据展示如下：

（三）智能制造工具变量数据

在论文的分析中，采用了2003年企业所在地区电信和其他信息传输服务业就业人员数量作为智能制造的工具变量，为了方便大家在实际过程中的研究，我们也进行了这一块数据的整理，我们整理了2003年中国32个省市电信和其他信息传输服务业就业人员数量数据，并且与主流数据库中数据进行了对比，数据一致，数据保存在“各省份电信和其他信息传输服务业就业人员”表中，数据展示如下：

（四）智能制造企业面板数据

为了方便大家的实际研究，我们将企业名单数据转换成了面板数据，并且根据试点年份，进行了虚拟变量转换，保存在DID列中，同时将工具变量数据也进行了合并，数据区间也进行了延伸拓展，将区间拓展到2008年-2023年，最终得到了一个2008年-2023年的平衡面板数据，我们为了保证数据的完整性和结构性，没有进行进一步的数据筛选，为了方便大家研究，我们保存了企业上市时间数据，因为只有企业上市之后才会在主流数据库中收录企业相关信息，大家在数据样本拼接的时候会自动剔除小于上市年份的数据，但是我们保留了该数据，方便大家审查，数据保存在“面板数据”表中，数据展示如下：

以上就是本次分享的全部内容，大家可以看到我们对分享的数据是十分认真和用心的，并且站在使用者的角度考虑，所以大家完全可以相信数据的质量，最后，数据在发布时间起24小时内通过关键词指示操作即可免费获取，关注公众号“明天科技屋”并回复数字关键词了解数据获取方式，该数据由明天科技屋一手整理，版权归明天科技屋所有，未经允许，不得用于商业盈利，否则将追随法律责任！！！