上市公司总经理董事长政治关联数据整理（2008-2024年）附Stata代码

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

总经理或董事长政治关联

之前版本更新：https://bbs.pinggu.org/thread-11561177-1-1.html


变量说明CEO政治关联

政治关联 PC
若企业董事长、总经理其中任意一人现任或曾任政府官员， PC 取值为 1，否则为 0

以政治关联级别表示企业高管的政治关联程度，设置定序变量，用 PCLevel 表示
若企业董事长或总经理曾经或当前在政府、党委（纪委） 、人大或政协常设机构、检察院和法院任职，分四级对 PCLevel
赋值：科级干部 PCLevel 取值为 1、处级干部 PCLevel取值为 2、厅级干部 PCLevel 取值为 3、部级干部 PCLevel 取值为 4，无政治关联 PCLevel 取值为 0；
若企业董事长或总经理曾经或当前担任党代表、人大代表或者政协委员，同样分四级对 PCLevel 赋值：区县级及以下 PCLevel 取值为 1、市级 PCLevel 取值为2、省级 PCLevel 取值为 3、国家级 PCLevel 取值为 4，无政治关联 PCLevel 取值为 0。
若 PCLevel 两种级别定义方式都有数据，取两者的最大值作为企业的政治关联级别的取值。

同时也有区分PC总经理、PC董事长、PCLevel总经理、PCLevel董事长数据


数据说明

包含Stata代码处理过程




数据描述性统计



各年数据量



数据截图





参考文献
政治关联与企业环境违规处罚_庇护还是监督_来自IPE数据库的证据_罗喜英

摘要：以公众环境研究中心(IPE)提供的环境违规记录数据以及手工收集的企业政治关联数据,研究政治关联对企业环境违规处罚产生的是"庇护效应"还是"监督效应".研究发现,政治关联能够降低企业因环境违规而受到的罚款金额,处罚次数和处罚严厉程度.这表明,政治关联对企业环境违规处罚产生了"庇护效应"而非"监督效应".进一步研究发现,国有产权性质加剧了政治关联对企业环境违规处罚的"庇护效应",而地区市场化水平较高的经营环境,较高程度的产品市场竞争能够抑制政治关联对企业环境违规处罚的"庇护效应".

数据下载




[推荐]上市公司总经理董事长政治关联数据整理（2008-2024年）附Stata代码.zip (56.27 MB, 需要: RMB 86 元)

2026-1-23 17:13:17 上传

需要: RMB 86 元  [购买]

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1 回帖

关键词：Stata 数据整理 政治关联 tata 上市公司

总经理或董事长政治关联

变量说明CEO政治关联

政治关联 PC
若企业董事长、总经理其中任意一人现任或曾任政府官员， PC 取值为 1，否则为 0

以政治关联级别表示企业高管的政治关联程度，设置定序变量，用 PCLevel 表示
若企业董事长或总经理曾经或当前在政府、党委（纪委） 、人大或政协常设机构、检察院和法院任职，分四级对 PCLevel
赋值：科级干部 PCLevel 取值为 1、处级干部 PCLevel取值为 2、厅级干部 PCLevel 取值为 3、部级干部 PCLevel 取值为 4，无政治关联 PCLevel 取值为 0；
若企业董事长或总经理曾经或当前担任党代表、人大代表或者政协委员，同样分四级对 PCLevel 赋值：区县级及以下 PCLevel 取值为 1、市级 PCLevel 取值为2、省级 PCLevel 取值为 3、国家级 PCLevel 取值为 4，无政治关联 PCLevel 取值为 0。
若 PCLevel 两种级别定义方式都有数据，取两者的最大值作为企业的政治关联级别的取值。

同时也有区分PC总经理、PC董事长、PCLevel总经理、PCLevel董事长数据

数据质量不错

评分：10分
评价：好数据

整理上市公司总经理或董事长的政治关联数据是一个复杂但关键的研究任务。以下是一种可能的方法来使用Stata进行数据的清理、转换和分析：

### 数据导入与预处理

首先，假设你已经有了一个包含多个年度数据的.csv文件，需要将其导入到Stata中。

```stata
import delimited "datafile.csv", clear
```

接着，检查并清理数据中的缺失值或异常值。例如，确认`PCLevel`变量的取值范围正确：

```stata
tab PCLevel, miss
```

### 创建或修改政治关联指标

如果`PCLevel`已经被定义得足够细致（0=无关联；1-4为不同级别的关联），则直接使用即可。

若需要从原始数据中创建`PCLevel`，假设你有多个变量表示不同的政治身份：如`gov_pos`（政府职位）、`party_pos`（党内职务）、`legislator`（议员）等，每个变量的值表明了该高管的政治级别：

```stata
egen PCLevel = max(gov_pos, party_pos, legislator), by(CEO_ID)
replace PCLevel = 0 if missing(PCLevel) // 如果没有政治关联则赋值为0
```

### 时间序列处理

由于数据覆盖2008-2024年，你可能需要处理数据的纵向性质：

```stata
tsset CEO_ID year, daily // 设定时间序列属性
```

确保`CEO_ID`和`year`字段正确无误。

### 数据分析与可视化

使用描述性统计来理解政治关联的基本模式：

```stata
summarize PCLevel if year >= 2008 & year <= 2024
tabstat PCLevel, by(year) stats(mean median max)
```

创建时间序列图以观察政治关联随年份的变化趋势：

```stata
twoway (line PCLevel year if year >= 2008 & year <= 2024), ytitle("Political Connection Level")
```

### 进一步分析

进行更深入的统计检验，如回归分析来探索政治关联与公司绩效的关系。

```stata
regress performance_indicators PCLevel, robust // 假设`performance_indicators`是你的业绩指标变量
```

以上步骤提供了一个基本框架。根据具体数据和研究需求（例如处理控制变量、固定效应模型等），你可能需要调整代码。

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