上市公司高管超额在职消费计算Stata代码（附2005-2024年结果）高管非货币性私有收益

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

高管超额在职消费

多年更新，质量保证，大量好评，用的放心

2020年：https://bbs.pinggu.org/thread-10619017-1-1.html
2021年：https://bbs.pinggu.org/thread-11123549-1-1.html
2022年：https://bbs.pinggu.org/thread-11529662-1-1.html
2023年：https://bbs.pinggu.org/thread-11817746-1-1.html
计算说明

---

非正常的高管在职消费来衡量, 采用管理层在职消费与由经济因素决定的高管预期正常的在职消费之间的差额表示。预期正常的高管在职消费水平用以下模型估计:  

• 为高管在职消费 ,数据取自管理费用中扣除了董事 、高管以及监事会成员薪酬 、计提的坏账准备、存货跌价准备以及当年的无形资产摊销额等明显不属于在职消费的项目后的金额;（注：实施新准则后企业计提的坏账准备和存货跌价准备不再在“管理费用”科目核算。）
• 为上期期末总资产
• 为本期主营业务收入的变动额
• 为本期厂场 、财产和设备等固定资产的净值
• 为本期存货总额
• 为企业雇佣的员工总数的自然对数
  

      利用模型先对样本企业分年度分行业进行回归，通过模型回归得到的因变量预测值即表示正常的在职消费，实际在职消费与正常在职消费的差额即为非正常在职消费（UnPerks）。

参考文献

---

• 权小锋, 吴世农, 文芳. 管理层权力、私有收益与薪酬操纵[J]. 经济研究, 2010(11):75-89.
  

数据说明

---

• 原始数据格式为：excel格式（2001-2024年）
• 代码格式：do文件（Stata14/15/16/17/18），需要安装包可以到该贴下载： 下载地址
• 行业标准选择2012年证监会行业分类标准，其他行业用一级分类，制造业用二级分类（取前两位）
• 本文选取2005—2023年A股上市公司为研究对象
• 最终结果包含两个版本：一份未筛选（保留尽可能多的样本），一份做筛选处理：剔除金融行业，剔除当年IPO及上市以前的数据，剔除已退市的上市公司，剔除ST或PT上市公司，剔除了行业观察值小于10的样本，以便有效估计，具体筛选标准可以根据需求调整
  

• 对变量进行Winsorize（缩尾）处理，小于1%分位数与大于99%分位数的变量，令其分别等于1%分位数和99%分位数
  

结果说明

---

基础数据截图


结果截图


各年数据量


描述性统计


附件下载

---

上市公司高管超额在职消费计算Stata代码（附2005-2024年结果）高管非货币性私有收益.zip (17.25 MB, 需要: RMB 48 元)

2025-7-8 12:11:22 上传

需要: RMB 48 元  [购买]

---

经管之家：momingiqmiao7
欢迎关注，分享更多实用的数据，独家发布，严禁转载获利，转载必究，有任何问题在可以帖子下方回复，及时回复
批量购买可享优惠

数据列表更新： https://pan.baidu.com/s/1stzmHYvxuFokB2o5v7i1KA?pwd=8888

【帖子索引2024年】【帖子索引2023年】【帖子索引2022年】【帖子索引2021年】【使用常见问题】【点击查看更多帖子】【Stata软件下载】【Stata免费学习资料】

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Stata tata 上市公司 上市公 Winsorize

相关内容：高管超额在职消费stata计算

要计算高管超额在职消费，我们首先需要理解和定义各个变量，并在Stata中构建模型来估算正常（预期）的在职消费。然后，通过比较实际在职消费与预期在职消费之间的差额，我们可以得出高管超额在职消费。

### 步骤1：数据准备和预处理
- **管理费用（mgmt_fees）**：从年度报告或财务报表中获取。
- **总资产期末余额（total_assets_end）**：公司资产负债表上的总资产。
- **主营业务收入变动额（inc_change_main_op）**：本期与上期的主营业务收入差额。
- **固定资产净值（fixed_assets_net）**：厂场、财产和设备等固定资产在报表中的净值。

### 步骤2：构建预期在职消费模型
我们首先需要从管理费用中扣除不属于在职消费的部分，包括但不限于高管薪酬、坏账准备、存货跌价准备和无形资产摊销。假设这些已经事先处理并得到了净管理费用（net_mgmt_fees），我们可以使用以下回归模型来预测正常在职消费水平：

\[ \text{预期在职消费} = \beta_0 + \beta_1\cdot\text{总资产期末余额} + \beta_2\cdot\text{主营业务收入变动额} + \beta_3\cdot\text{固定资产净值} \]

### 步骤3：计算高管超额在职消费
\[ \text{高管超额在职消费} = \text{实际在职消费} - \text{预期在职消费} \]

在Stata中，你可能使用以下命令来实现：

```stata
* 假设数据已导入到Stata且变量名与上述说明一致
regress net_mgmt_fees total_assets_end inc_change_main_op fixed_assets_net

* 预测预期在职消费
predict expected_consumption, xb

* 计算超额在职消费
gen excess_consumption = net_mgmt_fees - expected_consumption
```

### 注意事项：
1. 确保数据的准确性，尤其是管理费用的预处理步骤。
2. 调整模型以适应不同年份或行业的特定需求。
3. 在使用上述代码前，请确保已加载并清洗了所需的数据集。

以上过程和代码是基于描述中的理论框架设计的。在具体实施时，可能需要根据数据的具体情况调整变量定义和预处理步骤。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用