工业互联网试点示范项目企业数据（2010-2025）：可直接用于 DID 因果推断的 A 股制造业面板
做政策实证研究，最耗时的往往不是回归本身，而是把政策文件转换成可用的面板变量。这份整理好的数据集恰好解决了这一步：它把工信部自 2018 年起逐年公布的国家"工业互联网试点示范项目"名单与中国 A 股制造业上市公司逐一匹配，并按照《管理学报》2026 年刊发论文的做法构造了政策虚拟变量，拿来即可跑双重差分（DID）。
数据集概览
该数据的核心是入选国家工业互联网试点示范项目的制造业上市公司认定名单，覆盖 2010-2025 年。工业互联网作为数智化新型基础设施的典型代表，借助虚实映射的数字孪生、大模型驱动的智能决策以及多中心产业生态协同，正在重塑企业的供应链管理模式与内外分工协作体系。
参照曹玉平、陈重秀（2026）的研究设计，数据中构造了工业互联网试点示范政策虚拟变量（IIA），赋值规则如下：
• 若企业在第 t 年入选试点项目，则 IIA 在 t+1、t+2 年取 1，t+3 年及以后取 0；
• 企业若多次入选，则按同样规则滚动类推；
• 该变量刻画的是企业某一年度是否处于试点示范政策的有效作用期内。
数据规格
双表结构设计
数据集以"企业-年度"为观测单位，采用两个 Sheet 分工明确的双表结构：
Sheet1：工业互联网试点项目（核心政策识别表）
围绕上市公司股票代码、注册地省份、项目入选年份及政策有效期等信息，生成 IIA 虚拟变量，用于识别政策冲击。主要字段包括：
• 股票代码、股票简称、年份
• 上市公司编码、注册地所在省份
• 入选年份、申报单位全称、申报单位注册地省份
• IIA（政策有效期虚拟变量）
Sheet2：上市公司全量面板（基准回归面板）
包含全量企业样本，与 Sheet1 匹配后进一步集成了标准 DID 分析所需的三个核心变量：
• treat：企业是否曾入选试点（处理组标识）
• post：入选后的时间虚拟变量
• DID：二者交互项，即因果识别的关键解释变量
此外还提供股票代码、股票简称、年份、所属省份/城市代码及名称、入选年份、IIA 等字段，回归时无需再做额外合并。
Sheet1：工业互联网试点项目表字段示例
Sheet2：上市公司全量面板字段示例（含 treat / post / DID 变量）
适用的研究场景
这套数据可以支撑多维度的实证设计：
1. 政策效应评估
考察试点示范政策对企业全要素生产率、供应链韧性、绿色创新、数字化转型等核心经营指标的因果影响。
2. 异质性与边界条件分析
结合供应链网络位置、企业吸收能力、地区市场分割程度、行业技术水平等外部特征变量，检验政策效应在何种条件下更强或更弱。
3. 前沿因果识别方法
将试点认定视为准自然实验的政策冲击，可运用 DID、多期 DID、合成控制法、因果森林等方法开展识别。
使用提示：由于政策自 2018 年才开始公布名单，而面板覆盖至 2025 年，采用多期 DID 时建议同时报告平行趋势检验与异质性稳健估计量（如 Callaway & Sant'Anna、Sun & Abraham），以应对多期 DID 中潜在的负权重问题。
参考文献
[1] 曹玉平, 陈重秀. 工业互联网建设对制造业企业供应链韧性的影响研究[J]. 管理学报, 2026, 23(6): 1128-1137.
数据来源：工业和信息化部历年"工业互联网试点示范项目"名单
引用格式：曹玉平,陈重秀.工业互联网建设对制造业企业供应链韧性的影响研究[J].管理学报,2026,23(6):1128-1137.
顶部专栏分享更多内容
专栏合集：经管社科数据集合与整理
来源： Paper 数据分析
