一、数据基础概况

• 数据编号：2395
• 时间跨度：2007—2025 年 A 股上市公司年度面板
• 编制依据：参考李颖、石淑莹（2026，《经济管理》）标准化测算框架
• 底层数据源：上市公司年报前五大客户 / 供应商明细、资产负债表、利润表财务数据人工匹配整理
• 数据格式：Excel 企业年度面板，留存原始财务测算指标，可直接合成长鞭效应核心变量
• 核心概念：长鞭效应（牛鞭效应）指需求信号沿供应链向上游逐级放大，上游生产、库存波动显著高于终端需求波动，指标数值越大代表供应链信息扭曲、供需错配越严重

二、样本匹配与测算逻辑

1. 供应链配对识别 依托年报披露前五大客户、前五大供应商名单，筛选上下游均为 A 股上市企业的链条样本，构建 “供应商 — 企业 — 客户” 三级供应链匹配关系，以企业代码作为唯一匹配标识。
2. 基础财务代理变量

• 终端需求代理：营业总收入（企业面向下游客户实际市场需求）
• 企业生产代理：营业总成本 + 当期存货净额 - 上期存货净额
• 库存缓冲：存货净额，反映企业为应对需求波动备货规模

1. 长鞭效应标准测算思路 对营收（需求）、生产序列做对数一阶差分消除趋势，分别计算波动标准差；长鞭效应比值 = 生产波动标准差 / 需求波动标准差，比值＞1 即存在典型需求放大扭曲；同时可依托上下游配对数据，测算跨供应链层级波动放大幅度。

三、面板标准原始字段

企业股票代码、企业全称、年份、存货净额、营业总收入、营业总成本

四、适配实证研究方向

1. 数字化、AI 缓解供应链扭曲（对标原文主题） 匹配数字化广度深度、AI 专利、高管数字背景数据，检验企业 / 客户端数字技术应用能否降低长鞭效应、改善信息共享。
2. 供应链韧性与库存管理研究 分析长鞭效应对企业存货积压、资金占用、运营效率、经营风险的负面影响，探究供应链协同机制的缓冲作用。
3. 异质性分组检验 分国企 / 民企、制造业 / 服务业、供应链集中 / 分散样本，对比行业、产权、客户集中度下长鞭效应强弱差异。
4. 外部冲击与供应链传导 结合贸易摩擦关税暴露度、疫情冲击，检验外部需求波动如何加剧长鞭效应，识别企业对冲手段。
5. 企业绩效与投融资传导 检验长鞭效应放大带来的库存成本上升、现金流波动，进而影响企业盈利、融资约束、长期创新投入。
6. 政策准自然实验 数字经济试点、工业互联网政策、供应链扶持政策作为 DID 冲击，评估政策对缓解供需波动扭曲的净效应。
7. 上下游协同机制 利用配对供应商 - 客户样本，开展多层级供应链空间 / 链式回归，识别需求失真的传导路径。

五、数据核心优势

1. 对标《经济管理》2026 顶刊实证范式，测算逻辑成熟，审稿认可度高；
2. 同时提供供应链上下游配对标识 + 全套原始财务测算基数，可自由构造企业层面、链条层级两类长鞭指标；
3. 2007-2025 超长时序，覆盖金融危机、贸易摩擦、数字转型、疫情多轮重大供需冲击周期；
4. 原始存货、营收、成本字段完整留存，便于更换波动测算口径完成稳健性检验；
5. 标准化企业面板，无缝对接数字化、AI、高管、创新韧性、关税暴露度等全部上市公司配套数据集。