上市公司-创新活跃度（2000-2025）（年报全文和MD&A文本）
数据简介
参考《统计研究》谢佳松、樊嘉诚、林建浩（2025）的研究思路和方法，以中国沪深A股上市公司为样本，利用Python对上市公司年报全文和MD&A文本进行分词处理，严格使用公开复刻页列示的创新活动关键词进行文本词频统计，包括研发、开发、创新、研究、升级、专利、新技术、知识产权等36个创新相关词汇。本文以创新关键词词频除以文本词汇数再乘以100作为核心变量，衡量上市公司企业创新活跃度，用以刻画企业在研发投入、技术积累、产品升级、专利布局和创新战略披露层面的相对水平。
数据示例
5800+上市企业、2000-2025年
| 变量 | 含义 | 计算方式 |
| IA_freq | 创新关键词总词频 | 按36个创新关键词在文本中出现次数求和 |
| IA | 企业创新活跃度（核心变量） | IA_freq / 文本词汇数 * 100 |
| IA_ln | 创新关键词词频加1取自然对数 | ln(IA_freq + 1) |
参考文献
严若森,吏林山.党组织参与公司治理对国企高管隐性腐败的影响[J].南开学报(哲学社会科学版),2019,(01):176-190.