企业数字化转型与供应链效率-基准回归复刻(2007-2022年)

参照张树山(2023)的做法,本团队对来自统计与决策《企业数字化转型与供应链效率》一文中的基准回归部分进行复刻。文章实证检验企业数字化转型对供应链效率的影响。用年报词频衡量上市公司数字化转型程度,以库存周转天数来衡量供应链效率。

一、数据介绍

数据名称:企业数字化转型与供应链效率

参考期刊:《统计与决策》

数据范围:上市公司

数据年份:2007-2022年

有效样本:40943条

数据来源:上市公司年报

数据整理:自主整理,内含原始数据、dofile和基准回归结果

二、数据指标

|--------|--------------------------------------|
| 供应链效率 | 以库存周转天数来衡量供应链效率 |
| 数字化转型A | 参考吴非(2021),用年报词频+1的对数,衡量上市公司数字化转型程度 |
| 数字化转型B | 参考赵宸宇(2021),用年报词频+1的对数,衡量上市公司数字化转型程度 |
| 企业规模 | 企业总资产的对数值 |
| 资产负债率 | 总负债与总资产比值 |
| 资产收益率 | 净利润与总资产比值 |
| 经营性现金流 | 现金流量净值与总资产比值 |
| 销售增长率 | 当年主营业务收入增长额与上年主营业务收入比值 |
| 企业年龄 | ln(企业上市年龄+1) |
| 托宾Q值 | 企业市价与重置资本比值 |
| 管理费用率 | 管理费用与总资产比值 |
| 股权集中度 | 第一大股东持股比例 |
| 独立董事占比 | 独立董事数量与董事规模比值 |
| 董事会规模 | ln(董事会人数+1) |

三、参考文献

张树山,张佩雯,谷城.企业数字化转型与供应链效率[J].统计与决策,2023,39(18)

数字化转型影响供应链效率的3个间接机制

数字化转型拓展企业市场战略布局,提高销售规模,减少企业库存周转天数、提高供应链效率

改善了资产使用方式,提高企业资产利用效率,从而提高供应链效率

有效缓解融资约束,有助于减少企业库存周转天数、提高供应链效率

四、数据概览

基本数据

处理代码

描述性统计

基准回归

**五、**下载链接

基础数据集:https://download.csdn.net/download/T0620514/88507251

回归代码:https://download.csdn.net/download/T0620514/88507252

相关推荐
武子康3 小时前
大数据-212 数据挖掘 机器学习理论 - 无监督学习算法 KMeans 基本原理 簇内误差平方和
大数据·人工智能·学习·算法·机器学习·数据挖掘
Q8137574604 小时前
数据挖掘在金融交易中的应用:民锋科技的智能化布局
人工智能·科技·数据挖掘
布说在见4 小时前
魅力标签云,奇幻词云图 —— 数据可视化新境界
信息可视化·数据挖掘·数据分析
布说在见16 小时前
层次与网络的视觉对话:树图与力引导布局的双剑合璧
信息可视化·数据挖掘·数据分析
小码贾1 天前
评估 机器学习 回归模型 的性能和准确度
人工智能·机器学习·回归·scikit-learn·性能评估
spssau1 天前
多分类logistic回归分析案例教程
分类·数据挖掘·数据分析·回归·回归分析·logistic回归·spssau
我就说好玩1 天前
2020年美国总统大选数据分析与模型预测
大数据·python·数据挖掘·数据分析·pandas·sklearn
qq_433716951 天前
测试分层:减少对全链路回归依赖的探索!
自动化测试·软件测试·功能测试·测试工具·回归·pytest·postman
Aloudata1 天前
在全域数据整合过程中,如何确保数据的一致性和准确性
大数据·数据库·人工智能·数据挖掘·数据分析
小馒头学python1 天前
【机器学习】机器学习回归模型全解析:线性回归、多项式回归、过拟合与泛化、向量相关性与岭回归的理论与实践
人工智能·python·机器学习·回归·线性回归