Advertisement

2007年至2022年上市公司企业声誉数据包(含原始数据、代码do文件、参考文献及最终结果).zip

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
本资料包包含2007至2022年间中国上市公司的企业声誉相关原始数据,以及用于分析的Stata代码和文档,适用于学术研究。 上市公司企业声誉是一个综合性的概念,它反映了企业在其利益相关者(如顾客、投资者、员工以及关键影响者)心中的形象和评价。 通过构建声誉评价体系的方法来衡量企业声誉(REP):首先选择12个指标作为评价标准,包括消费者和社会角度的企业资产、收入、净利润和价值在行业内的排名(排名越高,企业声誉越好),债权人视角的资产负债率、流动比率及长期负债比,股东角度看的每股收益、每股股利以及是否由国际四大会计师事务所审计,企业的可持续增长率和独立董事比例;然后利用因子分析方法计算出各公司的企业声誉得分;最后根据得分高低将公司分为十组,并依次赋值REP为1至10。 本数据集包含了原始数据、代码文件、参考文献及最终结果。相关的变量包括stkcd(股票代码)、year(年份)以及企业的得分和企业声誉水平。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 20072022do).zip
    优质
    本资料包包含2007至2022年间中国上市公司的企业声誉相关原始数据,以及用于分析的Stata代码和文档,适用于学术研究。 上市公司企业声誉是一个综合性的概念,它反映了企业在其利益相关者(如顾客、投资者、员工以及关键影响者)心中的形象和评价。 通过构建声誉评价体系的方法来衡量企业声誉(REP):首先选择12个指标作为评价标准,包括消费者和社会角度的企业资产、收入、净利润和价值在行业内的排名(排名越高,企业声誉越好),债权人视角的资产负债率、流动比率及长期负债比,股东角度看的每股收益、每股股利以及是否由国际四大会计师事务所审计,企业的可持续增长率和独立董事比例;然后利用因子分析方法计算出各公司的企业声誉得分;最后根据得分高低将公司分为十组,并依次赋值REP为1至10。 本数据集包含了原始数据、代码文件、参考文献及最终结果。相关的变量包括stkcd(股票代码)、year(年份)以及企业的得分和企业声誉水平。
  • 20002022绿色与环保投资DOS、计算).zip
    优质
    本资料包包含2000至2022年间中国上市公司绿色与环保投资的全面数据,涵盖DOS代码、原始数据文件、分析计算结果以及相关学术参考文献。 企业绿色投资——依据对绿色投资的定义,并参考张琦等人(2019)的研究方法,从上市公司的年度报告中提取与污染预防、生态环境治理及绿色生产相关的投资项目数据,例如脱硫脱硝、污水处理、节能项目等,并将这些项目的支出金额汇总得出企业的年度绿色投资额。然后通过除以年末总资产进行标准化处理。 企业环保投资——通过对上市公司年报中的在建工程明细项内直接涉及环境保护的支出项目(如脱硫和除尘设施)的数据加总,可以计算出该企业在报告年份内的环保投资项目增加额,并用其期末总资产来调整数值差异。为了使后续回归分析的结果更具可读性,在标准化的基础上将环保投资乘以100。 本数据集包含代码、原始数据、计算结果及参考文献等部分。 相关数据: - 环保投资:证券代码,年份,年度在建工程中的环保金额数,资产总计额以及相应的环保投资额占总资产比例。 - 绿色投资:证券代码,年份,管理费用中涉及的绿色项目支出总额、营业收入及该类支出与总营收的比例。
  • 19922022信息披露质量KV指do等).zip
    优质
    本资料包涵盖1992至2022年间中国上市公司年度信息披露质量KV指数,内附用于分析的原始数据、Stata操作脚本(do文件)以及计算所得的结果数据。 上市公司信息披露质量是全球关注的重要议题。信息披露是指按照相关法规要求,将公司的财务状况、经营情况及其他重要信息向投资者及监管机构报告的行为。 相比之下,盈余管理指标不能全面反映市场的真实情况。周开国等(2011)认为,KV指数能够更好地体现市场的实际情况和公司披露的信息效果,并且可以看作是衡量投资人在面对信息不对称时的一种客观评价标准。 计算KV指数的模型公式如下: \[ \ln\left(\frac{P_t - P_{t-1}}{P_{t-1}}\right) = σ_0 + σ_1 \times (Vol_t / Vol_0 - 1) + ε \] 其中,\(P\) 表示样本企业在第 \(t\) 日的股票收盘价;\(Vol\) 表示该企业第 \(t\) 日的股票交易量;而 \(Volo\) 则是整个观察期间内企业的平均日交易量。通过这个模型计算得出的 σ1 即为KV指数,其值越大代表股票收益与成交量的相关性越强,也意味着公司的信息披露质量较差。 相关数据指标包括:序号、年份、交易日期、日收盘价、日个股交易股数、日个股交易金额、考虑现金红利再投资的日个股回报率、市场类型(markettype)、证券代码或股票代码、KV指数及其变化值(kv_r)等,还包括股票简称和行业名称以及所属行业的具体分类代码。此外还有是否为ST或PT的标记(1代表是,0代表否),以及样本观察的时间区间。
  • 2000-2022审计师行专长分析、DO处理
    优质
    本研究聚焦于2000年至2022年间中国上市公司审计行业的数据,通过深度分析审计师的专业特长及其对财务报表的影响,并结合编程语言DO的运用和相关研究成果进行综合评估。 2000年至2022年期间关于上市公司审计师行业专长的数据、处理代码及相关文献的研究资料。
  • 2000-2022全要素生产率LP法测算资料stata do).zip
    优质
    该资料包包含2000年至2022年间中国上市公司的全要素生产率数据,以及使用LP方法进行测算的Stata操作代码与执行结果。 2000-2022年上市公司全要素生产率测算(LP法)包括原始数据、Stata do文档及计算结果。 1. 时间范围:从2000年至2022年。 2. 数据来源:涵盖所有上市公司的相关资料。 3. 关键指标: - 证券代码 - 证券简称 - 统计截止日期 - 固定资产净额 - 年份(year) - 股票简称 - 报表类型编码 - 折旧摊销费用 - 支付给职工以及为职工支付的现金 - 购建固定资产无形资产和其他长期资产支付的现金 - 营业总收入和营业收入 - 销售费用、管理费用及财务费用 - 上市日期与成立日期 - 行业代码及其名称 - 员工人数 - 所属省份 4. 测算方法:采用LP法进行分析。 5. 内容构成: 包括原始数据、Stata do文档以及测算结果的展示。 6. 参考文献: 鲁晓东,Z国工业企业全要素生产率估计_1999—2007。
  • 2001-2022字化转型集(、计算
    优质
    本数据集收录了从2001年至2022年间中国上市公司的数字化转型相关数据,涵盖原始资料、分析代码及其输出结果,旨在为学者和研究者提供详实的研究素材。 2001-2022年上市公司数字化转型数据(包含原始数据、计算代码及结果) 时间范围:2001年至2022年。 来源:原始数据来源于Wind数据库的整理。 指标包括: 证券代码、证券简称; 统计截止日期,是否发生ST或*ST或PT情况以及暂停上市状态; 行业分类信息如行业代码和名称; Stkcd、Year(年度)、省份及区域等基本信息; 成立日期与年份、上市年份及其性质如是否为国有公司; 详细的财务数据包括A股股票代码、截止日期,合并标识和调整标识,科目名称以及相应的期初余额元和期末余额元。 此外还包括原值信息及数字化转型程度。 计算说明:企业数字化水平通过分析其年度无形资产明细中的相关项目来衡量。具体而言,在无形资产中包含“软件”、“网络”、“客户端”、“管理系统”或“智能平台”的部分被定义为与数字技术相关的无形资产,然后将同一公司同类别的多个此类项目的总值除以该公司的全部无形资产总额得到一个比例,以此作为企业数字化转型程度的度量指标。 参考文献: 张永珅, 李小波, 邢铭强. 《企业数字化转型与审计定价》
  • 2011-2023创新投入、计算).zip
    优质
    本资料包收录了2011年至2023年间中国上市公司的年度创新投入数据,包括原始数据文件、数据分析的Python/R代码以及详细的分析报告。适合学术研究与行业分析使用。 2011-2023年上市公司企业创新投入数据(包含原始数据、计算代码及结果) 时间跨度:2011年至2023年 来源: - 原始数据来源于Wind数据库 - 上市公司年报 指标包括但不限于以下内容: - 营业总收入 - 研发人员数量及其占总员工数的比例 - 研发支出与营业收入的比率 - 总体研发支出、资本化研发支出及费用化研发支出的具体数值和比例关系(如资本化研发支出占当期净资产的比例,以及其对净利润的影响) - 创新投入的增长率 此外还涉及公司基本信息: - 股票代码(stkcd)与年份(year) - 公司名称(股票简称、中文全称等) - 地理位置信息:省份、城市及区县 - 行业分类详情,包括行业代码和名称 - 证券简称及其他市场标识符 - 财务状态相关标记如是否发生ST或PT事件,是否有暂停上市记录 - 公司成立与上市日期等时间节点数据 - 经济属性描述:企业性质、所属省份及城市 研究对象限定为A股上市公司。
  • 新质生产力分析,、测算、计算(2011-20223.5万+观测值)
    优质
    本研究全面分析了2011至2022年间中国上市企业的新质生产力发展状况,涵盖35,000多个数据样本。通过提供原始数据、详细测算代码及计算结果,并辅以详实的参考文献支持,为学术界和实务界提供了深入理解企业创新发展的宝贵资源。 上市企业的新质生产力研究涵盖2011年至2022年的原始数据、测算代码以及计算结果参考文献,包含3.5万多个观测值,并以Excel及Stata格式整理成面板数据。 新质生产力与传统生产力之间存在显著差异:传统生产力主要由资本和劳动力等因素驱动,在发展到一定阶段后会遇到瓶颈;而新质生产力则以技术创新为主导,通过创新、解放和发展来推动生产进步。上市公司应成为新质生产力发展的领头羊,准确把握战略性新兴产业和未来产业的发展趋势,选择科技创新的方向与路径,并根据自身条件提前布局产业未来发展重点,在“专精特新”道路上努力提升核心竞争力。 同时,企业需要统筹创新驱动与风险防范的关系,对各类潜在风险进行预判并制定预案,确保企业的长期稳定发展。研究的时间跨度为2011年至2022年;数据主要来源于Wind数据库;测算方法借鉴了《当代经济管理》杂志上宋佳等(2024)发表的研究成果,基于生产力二要素理论,并考虑劳动对象在生产过程中的作用和价值,采用熵值法衡量新质生产力。其中,劳动力由活劳动和物化两个子因素构成。