Advertisement

2000-2022年上市公司CEO、高管和董事的环保背景资料（逾5万条记录）（含原始数据及Stata处理代码）.zip

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

简介：
本资料集包含2000年至2022年间中国上市公司的CEO、高管与董事的环保相关背景信息，总计超过5万条记录。文件提供原始数据以及用于数据分析的Stata编程代码，便于深入研究企业领导层的环境责任和影响。 2000-2022年上市公司CEO、高管及董事会环保背景数据（5W+）包括原始数据与处理代码Stata do文档。 时间范围：2000年至2022年 主要指标： 1. 证券代码 2. 股票代码 3. 年份 4. 股票简称 5. ST或PT标志（是则为1，否则为0） 6. 是否属于金融业（是则为1，否则为0） 7. 行业名称与行业代码 8. 制造业取两位代码，其他行业用大类标识 9. 高级管理层人数 10. 董事会人数 11. 环保背景高管总数及环保背景董事会成员总数 12. 董事长是否具有环保背景（是则为1） 13. CEO是否具备环保背景（是则为1） 14. 独立董事中拥有环保背景的人数 15. 具备环保背景的高管比例及董事会成员的比例 研究范围：上市公司 数据来源：新浪财经 参考文献： 王辉，《高管环保背景与绿色投资者进入》

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 2000-2022年上市公司CEO、高管和董事的环保背景资料（逾5万条记录）（含原始数据及Stata处理代码）.zip
    优质
    本资料集包含2000年至2022年间中国上市公司的CEO、高管与董事的环保相关背景信息，总计超过5万条记录。文件提供原始数据以及用于数据分析的Stata编程代码，便于深入研究企业领导层的环境责任和影响。 2000-2022年上市公司CEO、高管及董事会环保背景数据（5W+）包括原始数据与处理代码Stata do文档。 时间范围：2000年至2022年 主要指标： 1. 证券代码 2. 股票代码 3. 年份 4. 股票简称 5. ST或PT标志（是则为1，否则为0） 6. 是否属于金融业（是则为1，否则为0） 7. 行业名称与行业代码 8. 制造业取两位代码，其他行业用大类标识 9. 高级管理层人数 10. 董事会人数 11. 环保背景高管总数及环保背景董事会成员总数 12. 董事长是否具有环保背景（是则为1） 13. CEO是否具备环保背景（是则为1） 14. 独立董事中拥有环保背景的人数 15. 具备环保背景的高管比例及董事会成员的比例 研究范围：上市公司 数据来源：新浪财经 参考文献： 王辉，《高管环保背景与绿色投资者进入》
     
  • 2008-2023年上市公司环保投资数据分析（含原始数据、处理代码及结果）
    优质
    本研究全面分析了自2008年至2023年间中国上市公司的环保投资情况，涵盖详细的数据集、处理流程和最终的研究发现。 2008-2023年上市公司环保投资数据（包括原始数据、处理代码及结果） 1. 时间范围：2008年至2023年。 2. 数据来源：整理自CSMAR数据库以及各上市公司的年报信息。 3. 指标说明： - 证券代码 - 年份 - 环保投资金额 - 营业收入 - 总资产额 - lnEPInvest（环保投资额的自然对数） - EPInvest_Asset（环保投资额除以总资产的比例） - EPInvest_Income（环保投资额除以营业收入的比例） 4. 数据范围：涵盖所有上市公司。 5. 方法说明： 采用节能减排投入来衡量企业环保投资金额(EIN)。具体数据来自于企业的在建工程科目明细，为了消除由于不同公司规模差异带来的影响，对环保投资金额进行了自然对数的转换，并且标准化处理。 6. 参考文献：崔秀梅, 王敬勇, 王萌.《环保投资、CEO海外经历与企业价值:增值抑或减值?——基于烙印理论视角的分析》
     
  • 2000-2022年上市公司全要素生产率数据及LP法测算资料包（含原始数据、代码stata do文件和结果）.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。
     
  • 2000年至2022年上市公司绿色与环保投资数据包（含DOS代码、原始数据、计算结果及参考文献）.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。
     
  • 上市公司战略调整程度的Stata代码计算（基于2000-2022年的原始数据）
    优质
    本研究利用Stata软件编写代码，分析2000年至2022年间中国上市公司的战略调整程度，通过量化方法评估企业战略变化趋势与特点。 测量公司战略调整的程度可以通过评估年度区间内组织的战略资源配置变化来实现。如果在这一期间内的配置波动较大，则认为公司的策略调整更为激进；反之则较为保守。 具体操作步骤如下： 首先，收集企业战略资源的六个维度指标数据，这些包括三个基本资源配置指标和三个费用结构指标。这六个维度分别为： - 广告及宣传投入：销售费用与营业收入的比例 - 研发投资：无形资产净值占营业收入的比例 - 固定资产更新度：固定资产净值相对于原值的比例 - 期间费用支出：管理费用与营业收入的比率 - 存货水平：存货价值占营业收入的比例 - 财务杠杆系数：（短期借款+长期借款+应付债券）除以权益账面价值 接着，计算这六个指标在过去五年内的方差；然后将得到的结果根据行业标准进行标准化处理。最后，把经过标准化的六项数据加总起来，得出每个企业在每年的战略调整指数Ch。
     
  • 1992-2021年上市公司债务融资成本数据及Stata测算代码（含原始数据）.zip
    优质
    本资源包含1992年至2021年间中国上市公司的债务融资成本数据，附带详细的Stata数据分析代码和原始数据文件，便于研究者进行深入的金融分析。 1990-2021年上市公司债务融资资本数据包括原始数据、处理代码及计算结果： 时间范围：1990年至2021年。 来源：上市公司年报 指标： - 编码、年份、证券代码 - 短期借款、长期借款、应付债券、长期应付款以及负债合计 - 行业代码和财务费用明细（包括利息支出，利息收入，资本化金额及手续费等） - 一年内到期的长期借款和其他长期负债 - 是否被特别处理或暂停上市（ST或PT）状态及其退市年份信息 计算方法： 1. C1：企业年度财务费用占期末总负债的比例。 2. C2：(利息支出+手续费支出及其他财务费用)/期末总负债。 3. C3：年度内企业的利息支出与当年长短期借款平均值的比率。 说明：数据中剔除了金融行业，以及在年末被特别处理或暂停上市（ST、*ST或PT）的企业。此外，还排除了未上市及已退市公司的记录，并对连续变量进行了缩尾处理以提高数据分析准确性。
     
  • 2000-2022年上市企业高管的数字化背景
    优质
    本研究聚焦于2000年至2022年间中国上市企业的高级管理人员，探讨其数字化背景如何影响公司战略与绩效。 如果高管的专业背景包括信息技术、智能技术、软件工程、电子工程、通信工程、系统设计、网络技术、自动化控制、无线技术和计算机科学等领域，则将其赋值为1。计算符合上述条件的观测数量，并确定这些具有数字化专业背景的高管在当年所在公司所有高管中所占的比例。
     
  • 2006-2022年上市公司僵尸企业识别数据及构建过程（附原始数据和Stata代码）
    优质
    本研究提供了一份详尽的数据集，涵盖2006至2022年间中国上市公司的僵尸企业识别情况，并详细记录了数据的采集、处理与分析全过程。附带的原始数据及Stata代码能够帮助研究人员复现结果或进行深入探索。 僵尸企业识别 持续更新版本，请关注获取最新数据。 【原创整理，严禁转载】 参考文献： [1] 黄少卿, 陈彦. 中国僵尸企业的分布特征与分类处置[J]. 中国工业经济, 2017(03): 24-43. 计算说明： 识别僵尸企业条件为扣除各类补贴后实际利润总额连续若干年之和为负，即： 其中本段落选取T=2（即连续三年）作为基准进行识别。 为了确定一家企业的实际利润，需要考虑政府补贴与信贷补贴。这里用最低应付利息与实际支付利息之间的差值来衡量信贷补贴。 在计算信贷补贴时，需分别算出每年的最低利率和最低应付利息。其中，短期贷款可以采用一年期贷款基础利率（Loan Prime Rate, 简称LPR）进行表示；然而2013年之前中国央行尚未实行集中报价机制，本段落依据每一年调息前后的时间区间以及不同期限的贷款基准利率来加权平均计算各年的平均贷款利率。这里假设样本企业的短期贷款期限满足均匀分布，则将6个月（含）和6个月至1年内（含）的贷款基准利率年化后得到短期借款所需的最低支付利息。
     
  • 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。