当前位置：首页 > news >正文

上市公司数字化转型分析报告_本报告基于CSMAR数据库中的企业数字化转型相关数据，使用Python对A股上市公司数字化转型情况进行全面分析

news 2025/7/7 0:24:57

上市公司数字化转型分析报告

项目概述

本报告基于CSMAR数据库中的企业数字化转型相关数据，使用Python对A股上市公司数字化转型情况进行全面分析。研究内容包括数字化转型指标构建、描述性统计、不同类型公司差异分析（规模、地域、行业等）以及关键影响因素探究。

数据处理与分析方法

数据准备

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
import statsmodels.api as sm
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
from factor_analyzer import FactorAnalyzer
import matplotlib.font_manager as fm
from matplotlib.ticker import FuncFormatter# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False# 加载CSMAR数据（此处为模拟数据）
def load_simulated_data():np.random.seed(42)# 生成公司基本信息n = 3000  # 3000家上市公司years = 5  # 5年数据data = []industries = ['制造业', '信息技术', '金融业', '房地产', '批发零售', '交通运输', '能源', '医疗健康']regions = ['北京', '上海', '广东', '江苏', '浙江', '山东', '四川', '湖北', '其他']edu_levels = ['博士', '硕士', '本科', '专科', '其他']intl_business = ['无', '低', '中', '高']for year in range(2018, 2023):for i in range(n):industry = np.random.choice(industries, p=[0.35, 0.15, 0.08, 0.07, 0.1, 0.05, 0.05, 0.1])size = np.random.lognormal(mean=5, sigma=0.8)region = np.random.choice(regions, p=[0.15, 0.15, 0.15, 0.1, 0.1, 0.08, 0.07, 0.05, 0.15])ceo_edu = np.random.choice(edu_levels, p=[0.05, 0.3, 0.4, 0.2, 0.05])intl = np.random.choice(intl_business, p=[0.4, 0.3, 0.2, 0.1])# 数字化转型指标tech_words = np.random.randint(0, 100)digital_invest = np.random.exponential(scale=500)it_staff = np.random.poisson(lam=15)cloud_adoption = np.random.binomial(1, p=0.4)ai_adoption = np.random.binomial(1, p=0.3)bigdata_adoption = np.random.binomial(1, p=0.35)# 公司绩效roa = np.random.normal(loc=0.05, scale=0.03)growth = np.random.normal(loc=0.1, scale=0.15)data.append([f"C{i:04d}", year, industry, region, size, ceo_edu, intl, tech_words, digital_invest, it_staff, cloud_adoption, ai_adoption, bigdata_adoption, roa, growth])columns = ['公司代码', '年份', '行业', '注册地', '公司规模(对数)', 'CEO学历', '国际业务占比','技术关键词频率', '数字化投资(万元)', 'IT人员数量', '云计算应用', '人工智能应用', '大数据应用', 'ROA', '营业收入增长率']return pd.DataFrame(data, columns=columns