本数据集面向沪深A股制造业上市公司，整合公开年报文本、财务经营指标与授权专利统计，经研究团队依据年报章节标题规则筛选并核验经营情况讨论与分析文本、AI词典匹配、股票代码标准化、多源合并和双重机器学习处理，形成1547家企业的AI声量、经营效能正交残差、条件平均处理效应（CATE）、AI泡沫指数（AHI）、排名及四象限分类等字段。数据可用于识别企业AI宣传与实际经营效能的偏离，服务资本市场研究、风险识别和制造业数智化转型评价。

第一步：确定制造业上市公司样本，统一企业名称和股票代码。 第二步：从巨潮资讯网年报提取经营情况讨论与分析文本，按AI词典统计词频，按股票代码对各年度取算术平均，生成ai平均词频和ln_aiword=ln(1+ai平均词频)。 第三步：对国家知识产权局专利检索及分析系统下载的"授权"专利记录，按关联股票代码和授权年份去重计数，得2023—2025年授权专利数，加总得专利总数与ln_patent=ln(1+专利总数)。 第四步：基础财务项目依据上市公司年报和财报整理，提取六项财务经营指标，按股票代码与文本、专利数据匹配。 第五步：经数据质量检查，剔除97条关键字段缺失记录，形成1547条建模样本。 第六步：以ROA为结果变量、ln_aiword为处理变量、6项基本面与专利指标为控制变量，用5折交叉拟合随机森林（100棵树、深度5、种子42）生成经营效能残差、AI声量残差、CATE、标准化分值、AHI、排名和四象限分类。 第七步：输出1547条数据，按种子20250831无放回抽1000条审核样例，再抽3条展示样例。数据均为企业级信息，无个人信息。

适用于高校、科研机构及相关管理部门开展制造业数字化转型、人工智能信息披露和企业经营效能研究，也可为资本市场风险识别、企业分层比较及案例筛选提供量化参考。数据主要解决传统单一词频指标难以区分真实AI投入与宣传性表达的问题；分析结论应结合企业基本面和行业背景使用，不直接作为个体信贷、行政处罚或证券交易的唯一决策依据。

序号 企业名称 股票代码 2023年专利数量(仅授权) 2024年专利数量(仅授权) 2025年专利数量(仅授权) 专利总数 ln_patent ai平均词频 ln_aiword 资产负债率 资产收益率_ROA 资本密集度 现金流充裕度 期间费用率 企业规模_LnRev Excess_ROA_Yres Excess_Hype_Dres CATE_Marginal_Efficiency Z_D_res Z_Y_res AHI_Score AHI_Rank 企业分类_FirmCategory 402 固德电材系统(苏州)股份有限公司 301680.SZ 0 0 0 0 0 0 0 33.9158855 0.132792262 1.162554749 0.121667085 0.098582098 20.29389529 0.062337926 -2.501347833 -0.003054639 -1.920145221 0.86928507 -2.789430291 1519 隐形实干家 (Hidden Champions) 1420 维信诺科技股份有限公司 002387.SZ 683 3 附件下载

数据表名：制造业上市公司AI声量与经营效能偏离测度数据集，共24个字段，包括序号、企业名称、股票代码、2023年专利数量（仅授权）、2024年专利数量（仅授权）、2025年专利数量（仅授权）、专利总数、ln_patent、ai平均词频、ln_aiword、资产负债率、资产收益率_ROA、资本密集度、现金流充裕度、期间费用率、企业规模_LnRev、Excess_ROA_Yres、Excess_Hype_Dres、CATE_Marginal_Efficiency、Z_D_res、Z_Y_res、AHI_Score、AHI_Rank、企业分类_FirmCategory。其中，6项财务指标包括资产负债率、资产收益率_ROA、资本密集度、现金流充裕度、期间费用率和企业规模_LnRev；双重机器学习残差指标包括Excess_ROA_Yres和Excess_Hype_Dres；标准化分值指标包括Z_D_res和Z_Y_res。股票代码为字符串型字段，包含上市代码及市场后缀；同一企业存在多个上市代码时以逗号并列记录。该字段作为企业匹配主键，当前数据表中无重复记录。详细定义见《数据结构说明》。