A股上市制造业企业数字接近度指数（2010-2024）
摘要：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。通过地理距离和市场摩擦程度测算，发现数字接近度提升能促进企业数字化投入与绿色创新，优化资源配置，显著提高能源利用效率。超大规模市场、产业多样性和技术生态完备性进一步强化这一效应。数据采用高德地图编码和豆包大模型识别数字企业，涵盖注册地与办公地信息，为实证研究提供
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.
火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。
更多推荐
5
0- 0
已为社区贡献11条内容
所有评论(0)