生产网络数字技术扩散（2001-2025）

数据简介

①本数据用于测算上市公司生产网络视角下的数字技术扩散指标 DT_Diffusion。该指标主要刻画企业上下游关联企业已经使用数字技术后，可能通过产品关联、投入产出关系和生产网络联系对焦点企业形成的数字技术扩散暴露。根据企业主营业务文本、产品部门关联关系和关联企业数字技术使用状态计算得到的企业—年度网络指标。正式结果覆盖 2001-2025 年，共包含 67252 个企业-年度观测，涉及 5773 家不同上市公司。其中，DT_Diffusion_UP 表示上游方向数字技术扩散，DT_Diffusion_DOWN 表示下游方向数字技术扩散，DT_Diffusion 为二者之和。

②本数据主要参考金星晔等（2026）关于“生产网络视角下的数字技术扩散效应”的研究思路，按照“企业主营业务文本整理—产品部门关联矩阵构建—企业与产品部门文本相似度计算—企业生产网络关系构建—关联企业数字技术使用加权—企业年度结果汇总”的流程进行测算。原始数据包括上市公司年度主营业务数据、企业所属行业地区数据、2017 年 149 部门竞争型投入产出表、GB/T 4754—2017 国民经济行业分类文本、停用词文件，以及测算得到的企业年度数字技术使用结果。

③在产品部门关联和企业—产品匹配方面，首先利用 2017 年 149 部门竞争型投入产出表中的部门间流量计算各产品部门的供给方向比例 SUPP 和需求方向比例 CUST，并按照 V=(SUPP+CUST)/2 构造 149×149 的产品部门垂直关联矩阵 V。2017 年投入产出表作为 2001-2025 年统一的生产网络结构基础，以保证不同年份之间的指标具有可比性，但不代表每一年都使用当年动态投入产出表。随后对企业主营业务文本进行清洗，删除特殊字符、空白字符和“不包括”“不涉及”“不含”“不包含”等排除性表述，并结合停用词进行结巴分词和通用词清理。将同一年份的企业主营业务文本与 149 个投入产出产品部门名称放在同一文本语料中，使用 TF-IDF 方法向量化，并通过余弦相似度计算企业主营业务与各产品部门之间的相似程度，形成企业—产品相似度矩阵 B_t。正式口径默认使用 149 个产品部门名称作为产品文本，以减少完整行业说明中“产品”“制造”“设备”“服务”等通用词造成的过度匹配；GB/T 4754—2017 行业详细描述已保存在过程文件中，可用于扩展产品文本和敏感性分析。

④在企业生产网络关系和扩散指标计算方面，根据企业—产品相似度矩阵 B_t 与产品部门关联矩阵 V 构造企业生产网络关系矩阵 Relation_t=B_t×V×B_t'。企业之间的关系权重由企业主营业务与产品部门的文本相似程度，以及相关产品部门之间的投入产出垂直关联程度共同决定。对于焦点企业，将上游关联企业的关系权重与其 DT_Adoption 相乘并加总，得到 DT_Diffusion_UP；将下游关联企业的关系权重与其 DT_Adoption 相乘并加总，得到 DT_Diffusion_DOWN；最终 DT_Diffusion=DT_Diffusion_UP+DT_Diffusion_DOWN。计算过程中剔除了焦点企业自身对自身的重复贡献，避免企业自身 DT_Adoption 被错误地作为外部网络扩散计入。这里的 Relation、SUPP、CUST 和 V 均是基于文本相似度与投入产出结构构造的网络权重，不等同于真实供应商—客户交易金额或企业间合同金额。

⑤本数据中的 DT_Adoption 来自于自测的“上市公司数字技术使用（2006-2025）| ERNIE 模型测算”结果。这份数据依据上市公司年报文本，通过关键词筛选、语义标注和 ERNIE 模型预测，识别企业是否实际使用大数据、人工智能、移动互联、云计算、物联网和区块链等新型数字技术；企业当年至少被识别出一类新型数字技术实际使用时，DT_Adoption 取 1，否则取 0。

数据示例