一、基础概况

1. 数据编号：2360，页面 ID：3528
2. 时间跨度：2008‑2025 年 A 股制造业企业‑年度面板
3. 样本范围：全部 A 股制造业上市公司，依据《统计上大中小微型企业划分办法（2017）》识别行业头部企业
4. 基准文献：陈艳莹、张子贞、曹天一《头部企业数字化转型、创造性破坏与制造业生产率》，《中国工业经济》2026 年第 4 期
5. 核心测度逻辑：以数字无形资产作为数字化代理指标，提供两套头部数字化指标，分别刻画行业单一龙头、头部企业群体的数字化积累水平，重点用于识别行业内部数字化示范、知识溢出效应
6. 头部企业两套界定口径
   • 口径一：行业内营收规模最大的上市公司（单一龙头）
   • 口径二：符合大型企业划分标准的全部上市公司（头部企业群体）
7. 存储格式：Excel 企业‑年度结构化面板

二、核心指标测算规则

1. Digital1：行业内规模最大头部企业数字无形资产取对数，衡量行业单一龙头数字化转型水平；
2. Digital2：行业内全部大型头部企业数字无形资产总额取对数，衡量行业头部企业群体整体数字化积累水平。

指标含义：Digital1、Digital2 数值越高，代表该行业头部企业数字无形资产投入、数字化建设积累越深厚，行业数字化示范潜力越强。

三、完整面板标准字段

年份｜证券代码｜证券简称｜行业代码 Digital1（行业规模最大企业数字无形资产对数） Digital2（行业全部头部企业数字无形资产合计对数）

四、理论传导机制

1. 行业头部企业数字化水平越高，通过供应链协同、人才流动、示范模仿，带动行业内中小企业提升数据要素应用能力 De、数据资产 DA 指数；
2. 头部企业数字无形资产积累，提升本行业AI 技术关联度，驱动全行业数绿融合、新组合专利产出，发挥创新溢出；
3. 头部企业数字化改造优化全产业链能耗管控，降低行业整体产品碳排放、工业用水强度；
4. 工业互联网、光伏领跑者等产业政策会优先作用于头部企业，再由头部向外产生行业扩散；
5. 头部数字化示范会吸引创新人才资本向本行业集聚，抬升区域创新要素集聚水平。

五、适配实证研究方向

1. 头部数字化与制造业生产率基准检验（复刻《中国工业经济》范式） 以 Digital1、Digital2 为核心解释变量，检验头部企业数字化对行业全要素生产率、资源配置效率、创造性破坏的影响，可做滞后项检验行业溢出时滞。
2. 行业数字化溢出效应检验 匹配 3519 数据要素、3515 数据资产：研究头部数字化水平提升，对行业内追随型中小企业的数据要素、数据资产积累的示范溢出效应。
3. 双元创新行业扩散机制 对接 3324 新组合专利、3507 数绿融合：头部企业数字化带动整个行业探索式重组创新、数字‑绿色复合专利增长。
4. AI 技术融合的行业传导 联动 3356 AI 技术关联度：头部企业 AI 技术底座升级，会通过供应链、人才流动带动全行业 AI 技术关联度提升。
5. 产业政策异质性：头部的中介放大 搭配 3525 工业互联网试点、3522 光伏领跑者 DID：检验产业政策是否主要通过头部企业数字化，进而带动行业整体升级。
6. 低碳水‑碳协同的行业层面 对接 3510 产品级碳排放、3518 水资源公报：头部数字化带来的智能制造示范，降低整个制造业行业碳、用水强度。
7. 市场结构调节检验 联动 3085 企业竞争相似度：在高竞争行业，头部数字化向外溢出的效果会显著更强。
8. 区域创新要素集聚交互 结合 3514 省级创新要素集聚面板：创新要素富集地区，制造业头部企业数字化的行业溢出效应更大。

六、数据核心优势

1. 完全对标《中国工业经济》头部企业数字化测度框架，采用数字无形资产的财务口径，区别年报词频类文本指标；
2. 同时输出单一龙头（Digital1）、头部群体（Digital2）两套指标，适配个体龙头效应与行业群体溢出两类研究场景；
3. 2008‑2025 长时序，覆盖制造业数字化、工业互联网、数实融合完整政策周期；
4. 严格依据国家统计局大型企业划分标准识别头部，口径客观统一；
5. 标准化 A 股股票、行业代码，无缝对接专利、数据要素、ESG、各类政策 DID 全套宏微观面板。

   数据展示

   

   参考文献

   [1] 陈艳莹,张子贞,曹天一.头部企业数字化转型、创造性破坏与制造业生产率[J/OL].中国工业经济,2026,(04):100-123.