焦点快报!文本分析 | 中国企业高管团队创新注意力(含代码)

应杨同学留言，今天分享【高管团队创新注意力】计算的实现

Chen, Shouming, Miao Bu, Sibin Wu, and Xin Liang. "How does TMT attention to innovation of Chinese firms influence firm innovation activities? A study on the moderating role of corporate governance." Journal of Business Research68, no. 5 (2015): 1127-1135.

Title: 中国企业高管团队创新注意力 对 如何影响企业创新活动？公司治理的调节作用研究摘要

本文借鉴高层梯队理论，探讨了高管团队创新注意力对中国企业创新活动的影响。本文预测 高管团队创新注意力 对企业创新活动的影响受到公司治理特征的调节作用。进一步利用从2006年至2011年6年间394家中国制造企业收集的1747个公司年度观察数据，实证检验上述假设。

研究结果表明:企业高管团队创新注意力与企业专利申请之间存在正相关关系，且当企业为民营企业、董事会规模较大或独立董事较少时，该正相关关系更强。

TMTAI指标构建

高管团队创新注意力TMTAI（ TMT attention to innovation）：利用6个创新相关的关键词对该指标进行测量，可以使用词典词频法， 计算TMTAI词在年报中的词频。

innovations=["知识产权","自主创新","专利保护","专利侵权","技术创新","核心技术"]

待分析的数据

原论文使用2006-2011年中国上市企业年报， 这里我自己随便找了点年报数据。

importpandasaspddf=pd.read_csv("reports.csv")df.head()

写代码，一定秉承先简单，再复杂，先局部后整体。只要在具体的局部成功了，就可以推而广之。

那么我们拿出一条文本，对一条文本做高管团队创新注意力tmtai词语的计算

importcntextasctimportjiebatmtai_words=["知识产权","自主创新","专利保护","专利侵权","技术创新","核心技术"]tmtai_dict={"tmtai":tmtai_words}#加入自定义词典，放置文本被错分forwintmtai_words:jieba.add_word(w)#我瞎编的test_text="我们公司尊重知识产权，但也要避免专利侵权，在下一阶段会加强自主创新，培育核心技术"pd.Series(ct.sentiment(text=test_text,diction=tmtai_dict,lang="chinese"))

Run

tmtai_num4stopword_num9word_num19sentence_num1dtype:int64

实验成功，接下来就可以推广到所有text这一列

importcntextasctimportjiebatmtai_words=["知识产权","自主创新","专利保护","专利侵权","技术创新","核心技术"]tmtai_dict={"tmtai":tmtai_words}#加入自定义词典，放置文本被错分forwintmtai_words:jieba.add_word(w)deftmtai_count(text):returnpd.Series(ct.sentiment(text=text,diction=tmtai_dict,lang="chinese"))#选中text这列，统计其中每条文本中tmtai词出现次数tdf=df["text"].apply(tmtai_count)tdf.head()

#合并新旧两个dataframeresult_df=pd.concat([df,tdf],axis=1)#tmtai指标是词频，因此需要tmtai_num/word_numresult_df["tmtai_score"]=result_df["tmtai_num"]/result_df["word_num"]result_df.head()

Run

查看结果，最后一列出现了我们感兴趣的 tmtai_score 指标

result_df.head()

Run

tmtai_score平均分

#500家公司tmtai指标平均值result_df["tmtai_score"].mean()

Run

0.0004088675846679111

精选文章
从符号到嵌入：计算社会科学的两种文本表示
推荐 | 社科(经管)文本分析快速指南
使用cntext训练Glove词嵌入模型
认知的测量 | 向量距离vs语义投影
Wordify | 发现和区分消费者词汇的工具
karateclub库 | 计算社交网络中节点的向量
视频专栏课 | Python网络爬虫与文本分析
LIWC vs Python  | 文本分析之词典统计法略讲(含代码)
工具分享 | 朋友圈转发截图生成工具
PNAS | 文本网络分析&文化桥梁Python代码实现
Wordify | 发现和区分消费者词汇的工具
BERTopic库 | 使用预训练模型做话题建模
tomotopy | 速度最快的LDA主题模型
文本分析方法在《管理世界》（2021.5）中的应用
使用WeasyPrint自动生成pdf报告文件
100min视频 | Python文本分析与会计
在jupyter内运行R代码
资料图片仅供参考

关键词： 文本分析 专利侵权 核心技术