A股上市制造业企业数字接近度指数(2010-2024)
本研究基于2010-2024年A股上市制造业企业数据,构建数字接近度指数,探讨数字企业赋能对能源效率的影响。通过地理编码和Vincenty公式计算企业与数字企业的空间距离,发现数字接近度提升能促进智能制造和绿色创新,优化资源配置,提高能源效率。研究采用豆包大模型识别数字企业,包含硬件、软件和互联网服务商等,最终形成包含经纬度、数字企业数量等指标的面板数据。结果表明,超大规模市场强化了数字企业的赋能
2033
A股上市制造业企业数字接近度指数(2010-2024)
数据简介
数字企业的蓬勃发展催生了活跃的外部数字技术市场,通过加速实数深度融合进程,为中国能源利用效率提升带来了新的机遇。数字接近度的提高能促进制造业企业能源利用效率提升,其不仅促使企业增加数字投入以实现智能制造、开展绿色创新活动,为能源利用效率提升提供内生动力,还能优化市场资源配置,使市场份额向能源利用效率高的企业转移,最终实现整体能源利用效率提升。此外,超大规模市场强化了数字企业赋能企业能源利用效率提升的作用,形成超大规模市场优势,且产业多样性高、技术生态完备以及嵌入社群网络的数字企业,对能源利用效率的提升效应更为显著。
本数据指标 “数字接近度” 的构建,基于数字企业的数量规模以及制造业企业与数字企业之间的市场摩擦程度。将中国范围内数字企业的总体数量作为数字资源供给的规模指标,将制造业企业与数字企业之间的地理距离作为衡量市场摩擦程度的代理变量。具体而言,首先使用高德地图地理编码接口,解析得到所有数字企业和制造业企业的经纬度信息;进一步,采用 Vincenty 公式计算每家制造业企业与中国所有数字企业之间的地理距离;最终,根据特定年份制造业企业与所有数字企业之间地理距离的倒数之和,测算了制造企业面临的数字接近度,具体测算方式为:
其中 distance_ikt 为 t 年制造业企业 i 与数字企业 k 间的球面距离。
在数字企业的识别上,聚焦能够为制造业企业提供数字化软硬件解决方案的企业,包括硬件制造商、软件和互联网服务商以及数据服务商。采用豆包大模型,输入公司经营范围文本,利用模型强大的自然语言处理能力,通过内置的数字企业识别知识体系和算法,直接判断该公司是否属于数字企业。数据来源于 A 股上市公司官网及年报,删除了子变量缺失严重的数据,并用公式编辑器编辑,最终获得 2010-2024 年的相关数据,且计算了公司注册地和办公地的 DP 以及加 1 取对数的 DP1。
数据来源
A 股上市公司官网、A 股上市公司年报
时间跨度
2010-2024
数据范围
上市制造业企业
数据格式
excel形式
数据指标
Symbol |
year |
Lat |
Lng |
is_digit |
distance_inverse_sum_office |
DP_office |
DP1_office |
valid_digital_enterprises_office |
RegisterLatitude |
RegisterLongitude |
distance_inverse_sum_register |
DP_register |
DP1_register |
valid_digital_enterprises_register |
注:is_digit 表示是否为数字企业,Lat为办公地纬度,Lng为办公地经度,DP为不加1的对distance_inverse_sum取的对数,DP1为加1的对distance_inverse_sum取的对数,office表示注册地的。
数据展示
参考文献
[1]宋易珈,陈星达,李锡涛,等.数字企业赋能、超大规模市场优势与企业能源利用效率[J].中国工业经济,2025,(06):121-139.
更多推荐
所有评论(0)