上市公司高管数字知识断层强度数据集
一、基础概况
- 数据编号：2377
- 时间跨度：2004—2025 年 A 股公司年度平衡面板
- 数据源：上市公司年报董监高简历文本，人工 + 文本识别双重提取高管数字教育、数字从业履历
- 基准文献：Wang X 等（2025）Asia Pacific Journal of Management，国际顶刊 TMT 数字断裂带测算范式
- 核心测算方法：Average Silhouette Width（ASW 平均轮廓宽度）聚类法
- 存储格式：Excel 企业年度面板，同时输出比例类基础指标 + ASW 断层强度聚类指标
二、高管数字背景判定双维度标准
维度 1：数字教育背景
所学专业含计算机、软件工程、大数据、AI、通信、网络、信息管理、数据科学、物联网、区块链等数字类专业。
维度 2：数字职业经历
履历包含 IT、互联网、电商、云计算、数字化平台、CDO/CIO、信息技术咨询、数据系统管理等数字岗位； 仅硬件自动化、传统电子制造不计入数字职业。 判定规则：满足任一维度即认定具备数字知识背景高管。
三、ASW 数字知识断层强度计算逻辑
- 单公司单年份，以数字教育、数字经历双特征对全体高管聚类；
- 对每位高管计算轮廓系数：\(s(i)=\frac{b_i-a_i}{\max(a_i,b_i)}\) \(a_i\)= 同子群内平均不相似度；\(b_i\)= 其他子群平均不相似度；
- 团队均值即为数字知识断层强度 ASW；
- 取值含义：
- ASW=0：全体高管数字背景无差异，无知识断层；
- ASW 越接近 1：团队清晰分裂为「数字高管子群」「非数字高管子群」，断层分化严重；
- 同步输出当年最优聚类分组数。
四、完整面板标准字段
股票代码｜年份｜高管总人数｜简历有效人数 数字教育背景人数｜数字职业经历人数｜综合数字背景人数 数字教育背景占比｜数字职业经历占比｜综合数字背景占比 ASW 有效高管数量｜数字知识断层强度 ASW｜最优分组数
五、适配实证研究方向
- 高管断层与数字化转型（基准主题）搭配大数据应用、七大类数字专利、元宇宙 / 工业互联网专利数据，检验高管数字知识断层如何抑制企业数字化投入、数字技术专利产出；对比高 / 低 ASW 企业数字化差异。
- 数字风险与治理机制匹配企业数字技术风险暴露数据，高管团队数字分化越大，企业数据安全、网络风险管控越薄弱，数字风险指数更高。
- 创新困境调节效应结合创新困境面板，数字知识断层会加剧企业创新落差、延长创新修复周期，阻碍 AI / 硬核技术研发突破。
- 外部冲击下组织韧性搭配全球 EM-DAT 灾害数据库、央行沟通文本，数字背景高度分裂的企业在灾害、货币紧缩冲击下经营韧性更弱，供应链波动更大。
- 产业政策异质性检验结合房住不炒、创新产业集群、户籍改革 DID，产业扶持政策对数字化的激励效果，在低 ASW（数字协同高管团队）企业更强。
- 中介机制检验路径：高管数字知识断层→数字化战略分歧→研发投入不足 / 数字风控缺失→创新困境、经营绩效下滑。
- 分组异质性回归分国企 / 民企、高新 / 传统行业、年轻 / 成熟企业，对比 TMT 数字断层的差异化影响。
六、数据核心优势
- 遵循国际管理学顶刊原创数字断裂带测算框架，ASW 聚类法优于传统简单占比指标，区分团队内部分化结构；
- 同时提供基础数字高管占比与断层聚类强度 ASW两套指标，可分别做基准与机制回归；
- 2004-2025 超长时序，覆盖互联网、移动互联网、AI 大模型全数字发展周期；
- 统一标准化数字背景识别词典，人工复核简历文本，识别噪音低；
- 股票代码标准化，可无缝对接数字专利、创新困境、数字风险、宏观政策、灾害全套上市公司面板。
数据展示
参考文献
[1] Wang X, Luo J, Zhang S X, Zhang C, Wang Y. Digital knowledge-based faultlines in top management teams: A new perspective on intra-executive division[J]. Asia Pacific Journal of Management, 2025.
