上市公司高管的政治关联性分析及计算代码（2008-2022）.zip

5星

浏览量: 0

大小:None

文件类型：ZIP

简介：
上市公司企业政治关联主要体现为公司高层管理人员（如董事长、总经理等）在政府部门担任职务的情况，或者借助个人关系网络建立与政府的关联。通常表现为企业在非正式渠道建立的特殊政治联系。上市公司高管的政治关联数据在分析企业行为、政府互动及资源配置等方面扮演着关键角色。政治关联数据可能影响企业的融资能力、投资决策和社会责任履行等多方面因素。此外，在市场化的进程中以及法治环境的优化过程中，政治关联与企业行为之间的互动方式也可能发生转变。数据名称：上市公司-高管政治关联数据-原始数据 + 分析结果 + 计算代码涉及的数据关键指标编码年份证券代码政治联系(PC) 政治联系程度(PCLevel) PC总经理 PC董事长 PCLevel总经理 PCLevel董事长

全部评论 (0)

还没有任何评论哟~

客服

上市公司高管薪酬粘性数据及Stata代码（2009-2022年，五年滚动计算）

优质

本资料提供中国A股上市公司高管薪酬粘性的年度数据及五年滚动计算结果，并附有详细分析所需Stata操作代码。时间跨度为2009至2022年。上市公司高管薪酬粘性数据及Stata代码（2009-2022），采用五年滚动计算方法。

推荐上市公司高管薪酬粘性的NX计算Stata代码及2005-2022年数据（作者：徐悦）

优质

本文由作者徐悦撰写，提供了一套用于分析中国上市公司高管薪酬粘性问题的Stata代码和相关数据集（2005-2022）。此资源帮助研究者深入探究薪酬结构与公司治理的关系。高管薪酬粘性的计算方法如下： 1. 选取2006年至2022年公司前三名高管的年度薪酬数据，并且分别计算每年相对于上一年度薪酬的增长率以及公司的净利润增长率。 2. 将每位高管每年的薪酬增长率除以相应的净利润增长率，以此确定各年的薪酬变动对于公司利润变化的敏感性程度。 3. 对于样本期间（即从2010年至2022年），计算每一年及其之前四年内滚动五年期间内，在净利润增长和下降两种情况下高管薪酬对净利润变化的平均敏感度。（如果在某段滚动五年的时期里，公司的净利润每年都为正或都为负，则该时间段不纳入分析） 4. 每个年度中，将当期及前四年构成的五个财务年度内的净利润上升时高管薪酬变动相对公司利润增长的敏感性均值减去下降时期的相应数值，得到各年的滚动五年内高管薪酬粘性的指标（NX）。稳健性检验采用前三名董事、监事和高级管理人员的薪酬来衡量企业中高层薪资水平。参考文献为徐悦, 刘运国, 蔡贵龙. 高管薪酬粘性与企业创新[J]. 会计研究, 2018(7):7. 数据筛选步骤如下：（1）从初始样本A股上市公司名单中，剔除金融和保险类公司；（2）去除缺失值的数据记录。为了防止因大量删除而造成的样本数量过少问题，在处理时并未直接排除上年度净利润为负的案例。若上一年度净亏损，则该数据点仍保留在分析范围内进行后续步骤研究。

2008-2020年间中国上市公司高管团队异质性的原始数据及Stata代码.rar

优质

该资源包含2008至2020年中国上市公司高管团队异质性分析的原始数据集与Stata处理代码，适用于公司治理、金融管理等领域的研究。 2008-2020年高管团队异质性数据包括stata do代码、计算过程及原始数据。时间跨度为2008年至2020年，涵盖所有上市公司的相关数据。文档中详细介绍了完整的计算过程以及包含的stata do文件和原始数据的具体内容。

2003-2021年间上市公司女性高管比例数据分析（含原始数据、计算代码及结果）

优质

本研究分析了2003年至2021年期间中国上市公司女性高管的比例变化，并提供了相关的原始数据、计算代码和详细的结果。 2003-2021年上市公司女性高管人数数据（原始数据+计算代码+计算结果）时间范围：2003-2021年指标： - 证券代码 - 年份 (year) - 女性高管人数 - 高管总人数 - 女性高管占比 - 女性高管虚拟变量参考文献：杜兴强, 冯文滔. 女性高管、制度环境与慈善捐赠——基于中国资本市场的经验证据

上市公司全要素生产率分析（2000-2022年，含源代码）.zip

优质

本资料提供了一套针对中国上市公司自2000年至2022年间全要素生产率(TFP)的详尽分析报告与数据集，并附有相关的计算源代码。研究报告结合了多种经济模型和统计方法，全面揭示了各行业TFP的变化趋势及其驱动因素。研究结果为公司战略规划、政府政策制定及学术研究提供了重要参考依据。【项目资源】：涵盖前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据以及课程资源等多种技术领域的源代码。包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、Python、web开发（如HTML5, CSS3, JavaScript）、C#等项目的源码。【项目质量】：所有提供的源码均经过严格测试，确保可以直接运行并具备正常功能。只有在确认无误后才会上传至平台。【适用人群】：本资源库适用于希望学习不同技术领域的新手或进阶学习者。无论是作为毕业设计、课程作业还是工程实训的项目立项参考，均可提供帮助。【附加价值】：这些项目拥有较高的学习和借鉴价值，并且可以直接修改复刻以满足个人需求。对于有一定基础或是热衷于深入研究的人来说，在此基础上进行代码改进与功能扩展将更加得心应手。我们鼓励下载使用并欢迎各位互相交流、共同成长，如果有任何疑问或需要帮助的地方，请随时提出问题，我们会尽力提供支持和解答。

上市公司高管变动数据集.zip

优质

该数据集包含了中国上市公司的高层管理人员变动信息，详细记录了每位高管职位变化的时间、前后任职情况等关键细节，便于研究公司治理与管理层稳定性。上市公司高管断裂带数据集.zip

1990至2022年6月的上市公司高管信息数据

优质

本数据库收录了自1990年至2022年6月期间中国上市公司的高级管理人员的信息资料，涵盖其职务变动、任职经历等详细记录。 1990年至2022年6月期间的上市公司高管及董监高人员数据包括以下指标：证券代码、年末持股数、是否为高管团队成员及其职务类别；是否担任董事会成员及其职务类别；是否独立董事；是否同时兼任董事长和CEO；职业背景、海外经历、学术背景以及金融背景信息。此外，还包括在股东单位的兼职情况及具体职务类别，如董事职位总数（包括上市公司数量与代码）等详细内容。若为监事，则需提供具体的职务介绍及其他在职职务的相关详情。

1990-2024年公司退市情况及上市公司退市名单（STATA分析）

优质

本研究运用STATA软件分析自1990年至2024年间公司的退市状况，并列出详细的退市上市公司名单，旨在揭示影响企业生存与发展的关键因素。在IT行业中，数据分析是一项至关重要的任务，特别是在金融领域。本段落探讨的是关于“1990-2024年公司是否退市、上市公司退市名单、退市上市公司、退市公司”的研究项目，这是一个涉及大数据分析的课题，主要关注特定时间段内上市公司的退出情况。首先，“是否退市”是二元变量，在数据分析中被用作分类或逻辑回归模型的重要特征。如果一家公司在某个时间点已经从市场撤出，则该指标值为1；否则为0。这一指标有助于预测公司未来的经营状况和风险水平。其次，分析“退市年份”可以帮助识别公司的退出模式、周期性趋势以及可能的影响因素，如经济环境或政策变化等。通过对历史数据进行时间序列分析（包括趋势、季节性和循环性分析），可以建立模型来预测未来可能出现的市场变动和公司行为。在数据分析过程中使用的原始数据集通常包含各种相关信息，例如财务报表、市值信息及盈利能力指标等，这些都对构建复杂的统计模型至关重要。比如通过生存分析模型评估哪些因素可能增加公司的退市风险。计算代码一般以Stata脚本形式存在，这是一种广泛应用于社会科学和经济学领域的强大统计软件。该脚本涵盖了数据预处理步骤（如清洗缺失值）、变量转换、逻辑回归或Cox比例风险等高级建模方法的应用以及结果的解释说明等内容。此外，在进行大规模数据分析时，可能还会使用到Hadoop、Spark这样的大数据技术平台及Python或R编程语言来高效地处理和分析海量数据集。这些工具能够帮助研究人员快速有效地找到隐藏在大量信息中的模式与趋势，并通过Matplotlib或ggplot2等可视化库将结果直观展现出来。最后，在项目文件夹中通常会包含详细的说明文档，解释整个研究的过程、目的及所采用的具体统计方法等内容；同时也会提供一个数据集压缩包（如9751.zip），内含各个上市公司的详细信息和历史记录。这些资源对于深入理解公司退市背后的驱动因素具有重要价值。综上所述，本项目不仅涉及大数据分析与时间序列建模等技术手段的应用，还涵盖了金融市场的公司生存研究及如何利用专业软件进行数据分析的技能训练。通过上述方法和技术的支持，可以为投资者提供重要的决策依据和市场洞察力。

Python上市公司财务报告分析系统源代码.zip

优质

该压缩文件包含Python编写的上市公司财务报告自动分析系统的完整源代码。系统能解析财务数据并提供深度分析与可视化展示。 Python上市公司财报分析系统源码这段文字重复较多，简化后的版本如下：需要Python上市公司财报分析系统的源代码。