【顶刊论文复现代码】用OLS、Lasso、Elastic Net三种方法测度CEO特质与企业数字化转型

本篇推文复现《系统工程理论与实践》顶刊论文的核心方法，拓展Elastic Net方法的对比分析

01｜复现任务说明

复现价值：

• • 验证研究可复现性：确保原文献方法的严谨性与结果的可信度
• • 提供研究模板：为同行提供可直接运行、修改的基准代码
• • 方法拓展对比：在原文使用的OLS与Lasso方法基础上，补充实现Elastic Net回归，提供更全面的正则化方法对比视角

本文展示的所有代码、数据预处理步骤及核心模型设定均对应原文描述，未做任意增减，以确保复现的准确性。

02｜文献方法复现：OLS与Lasso

我们首先复现了原文的两个核心模型。

OLS基准模型代码

import statsmodels.api as sm# 准备变量：严格按原文定义的CEO特质变量ceo_traits = ['性别_女', '年龄是否在30~40', '年龄是否在40~50', '年龄是否在50~60', "是否含有'生产'背景", "是否含有'研发'背景", ...]# 模型1：仅CEO特质X1 = sm.add_constant(data[ceo_traits])model_ols_base = sm.OLS(y, X1).fit()# 模型3：完整模型（CEO特质+控制变量+行业/年份固定效应）X_full = sm.add_constant(data[ceo_traits + control_vars + industry_dummies + year_dummies])model_ols_full = sm.OLS(y, X_full).fit()

Lasso回归实现

from sklearn.linear_model import Lassofrom sklearn.preprocessing import StandardScaler# 标准化与模型拟合，完全按原文流程scaler = StandardScaler()X_scaled = scaler.fit_transform(X_full.drop('const', axis=1))y_centered = y - y.mean()lasso_model = Lasso(alpha=optimal_lambda, max_iter=10000)  # optimal_lambda通过CV确定lasso_model.fit(X_scaled, y_centered)

03｜复现结果对照：LASSO方法验证

我们将复现的LASSO回归结果与原文报告的关键结果进行系统比对，以验证变量选择方法的重现性。

结论： 我们的复现结果在系数符号、统计显著性、相对大小以及模型整体解释力（R²）等关键维度上，与原文报告的结果高度一致，成功验证了原文献分析的核心发现与方法的可复现性。

04｜方法拓展：Elastic Net对比分析

在复现原文的基础上，我们进一步引入Elastic Net回归，以对比不同正则化方法的特征选择效果。

Elastic Net实现代码

from sklearn.linear_model import ElasticNet# 使用与Lasso相同的最优lambda，并设置l1_ratio为0.5以平衡L1/L2惩罚elastic_net_model = ElasticNet(alpha=optimal_lambda, l1_ratio=0.5, max_iter=10000)elastic_net_model.fit(X_scaled, y_centered)

三种方法系数对比（示例）

拓展分析发现

• • Lasso的稀疏性：在给定正则化强度下，Lasso能够将部分不重要变量的系数精确压缩为零，实现了自动特征选择
• • Elastic Net的平衡性：在相同条件下，Elastic Net的系数路径更为平滑稳定，对一些相关性较强的特征，它倾向于同时保留或收缩它们，而非像Lasso那样随机选择一个剔除

05｜总结

通过本次复现任务，我们：

• • 成功验证了《系统工程理论与实践》期刊论文的核心结果
• • 还原了从数据到分析结果的可复现研究流程
• • 拓展对比了Lasso与Elastic Net在变量选择上的不同特点

我们坚持分享严谨、可复现的学术代码，致力于推动研究透明度和学术共同体建设。

欢迎在评论区交流关于文献复现、正则化方法的心得与问题！

参考文献： 易志高, 刘逸飞, 潘镇. CEO特质与企业数字化转型——基于机器学习的变量选择[J]. 系统工程理论与实践, 2025, 45(05):1462-1484.免责声明： 本代码基于公开文献复现，因原始实现细节未完全披露或编码习惯差异，结果可能存在细微偏差，仅供参考。

代码领取方式

C0008

转发本推文到朋友圈

添加客服

发送代码编号

发送保留2小时并集齐10个点赞的截图

即可免费领取代码