核心亮点
基于 2011-2020 年制造业上市公司年报文本分析，构建宽 / 窄口径数字化转型指标，细化至 “技术 - 应用” 二级维度；
揭示 “技术创新 + 供需匹配 + 供应链集中度降低” 三重作用机制，且分析 AI、区块链等子技术差异化影响；
结合工具变量、PSM 等多方法解决内生性，结论更可靠。
主要发现
数字化转型显著降低库存周转天数与仓储运输费用率，提升供应链效率；
机制上，通过促进技术创新、提高供需匹配度、降低供应链集中度生效；
异质性显示，对大型企业、高股权集中度企业的促进作用更显著；
AI、区块链、云计算、大数据等技术对供应链效率提升更突出。
实践意义
政府：提供政策倾斜与财政支持，培育数字化示范企业，带动产业链转型；
企业：加强数字技术与库存管理融合，加大研发投入，拓展供购合作以降低集中度。
实证部分
一、研究假说
H1：数字化转型显著提升企业供应链效率
H2a：数字化转型通过促进技术创新提升供应链效率
H2b：数字化转型通过提高供需匹配度提升供应链效率
H2c：数字化转型通过降低供应链集中度提升供应链效率
二、变量描述
解释变量：数字化转型指数（Digital，宽口径；Digital_narrow，窄口径，剔除互联网 / 移动支付）
被解释变量：供应链效率（库存周转天数 inventory_day、仓储运输费用率 cost）
中介变量：技术创新（RD，研发投入 / 总资产）、供需匹配度（Unmatching，供需偏离度）、供应链集中度（前五大供应商采购 + 客户销售比例均值）
控制变量：企业年龄、规模、ROA、资产负债率、销售增长率等，含行业 / 年份固定效应
三、模型设定
四、实证结果与分析
(1) 基准回归：Dig 系数显著为负，验证 H1；
(2) 稳健性检验：更换指标、滞后核心变量、扩展样本后结论不变；
(3) 机制检验：中介变量均显著传导，验证 H2a、H2b、H2c；
(4) 异质性分析：大型企业、高股权集中度企业中，Dig 系数更显著；
(5) 内生性检验：工具变量（城市通信数据）、PSM 匹配后，结论仍稳健。
五、结论
?草莓帮你解决stata实证难题
?原始数据、代码、结果输出汇总
?dta数据/excel数据、do文件
?不篡改数据、结果
#stata实证 #数据分析我在行 #实证分析 #dissertation #计量经济学 #stata代做 #stata
基于 2011-2020 年制造业上市公司年报文本分析，构建宽 / 窄口径数字化转型指标，细化至 “技术 - 应用” 二级维度；
揭示 “技术创新 + 供需匹配 + 供应链集中度降低” 三重作用机制，且分析 AI、区块链等子技术差异化影响；
结合工具变量、PSM 等多方法解决内生性，结论更可靠。
主要发现
数字化转型显著降低库存周转天数与仓储运输费用率，提升供应链效率；
机制上，通过促进技术创新、提高供需匹配度、降低供应链集中度生效；
异质性显示，对大型企业、高股权集中度企业的促进作用更显著；
AI、区块链、云计算、大数据等技术对供应链效率提升更突出。
实践意义
政府：提供政策倾斜与财政支持，培育数字化示范企业，带动产业链转型；
企业：加强数字技术与库存管理融合，加大研发投入，拓展供购合作以降低集中度。
实证部分
一、研究假说
H1：数字化转型显著提升企业供应链效率
H2a：数字化转型通过促进技术创新提升供应链效率
H2b：数字化转型通过提高供需匹配度提升供应链效率
H2c：数字化转型通过降低供应链集中度提升供应链效率
二、变量描述
解释变量：数字化转型指数（Digital，宽口径；Digital_narrow，窄口径，剔除互联网 / 移动支付）
被解释变量：供应链效率（库存周转天数 inventory_day、仓储运输费用率 cost）
中介变量：技术创新（RD，研发投入 / 总资产）、供需匹配度（Unmatching，供需偏离度）、供应链集中度（前五大供应商采购 + 客户销售比例均值）
控制变量：企业年龄、规模、ROA、资产负债率、销售增长率等，含行业 / 年份固定效应
三、模型设定
四、实证结果与分析
(1) 基准回归：Dig 系数显著为负，验证 H1；
(2) 稳健性检验：更换指标、滞后核心变量、扩展样本后结论不变；
(3) 机制检验：中介变量均显著传导，验证 H2a、H2b、H2c；
(4) 异质性分析：大型企业、高股权集中度企业中，Dig 系数更显著；
(5) 内生性检验：工具变量（城市通信数据）、PSM 匹配后，结论仍稳健。
五、结论
?草莓帮你解决stata实证难题
?原始数据、代码、结果输出汇总
?dta数据/excel数据、do文件
?不篡改数据、结果
#stata实证 #数据分析我在行 #实证分析 #dissertation #计量经济学 #stata代做 #stata
