发帖
雷达卡
本数据集基于上市公司利润、折旧与摊销原始数据，计算上市公司经营杠杆系数（Degree of Operating Leverage, DOL）指标。
计算思路：以息税折旧摊销前利润(EBITDA)与息税前利润(EBIT)的比值衡量上市公司的"经营杠杆系数"；该比值越大，表示固定经营成本（折旧/摊销等）在息税前利润中占比越高，营业收入小幅波动对息税前利润的放大作用越强，上市公司经营风险越高。
依次输出未剔除未缩尾、已剔除金融STPT未缩尾、已剔除金融STPT已缩尾三个版本的上市公司面板结果。
数据区间为上市公司2000-2024年（共25年面板）。
二、原始数据文件
1. 上市公司利润折旧摊销原始数据.dta / .xlsx —— 上市公司层面年度数据，包含以下关键变量：净利润、所得税费用、财务费用、固定资产折旧/油气资产折耗/生产性生物资产折旧、无形资产摊销、长期待摊费用摊销。
2. 行业代码/上市公司基本信息数据.dta —— 上市公司基本信息表，作为同义列的主表，与原始数据按 stkcd 一对多合并，提供上市日期、4 级行业代码、公司元信息、所属省份/城市等。
三、核心变量定义与计算公式
1. 上市公司经营杠杆系数（企业经营杠杆系数）★核心指标
= (净利润 + 所得税费用 + 财务费用 + 固定资产折旧/油气资产折耗/生产性生物资产折旧 + 无形资产摊销 + 长期待摊费用摊销) / (净利润 + 所得税费用 + 财务费用)
说明：分子近似为息税折旧摊销前利润(EBITDA)，分母为息税前利润(EBIT)。直观含义为"销售（产出）每变动 1%，息税前利润变动的百分比"。指标值越大，意味着上市公司固定经营成本占比越高、经营风险越大；当 EBIT 接近 0 或为负时，DOL 可能出现极端值或负值，需结合上市公司盈亏状态解读。
四、样本筛选与处理规则
1. 同义列以"上市公司基本信息数据"为主，先剔除原始数据中重复的证券代码、证券简称、行业代码、行业名称等列后再合并。
2. 剔除上市公司 B 股样本（证券代码以 2 或 9 开头）。
3. 按 stkcd、year 排序后整理面板。
4. 剔除上市公司证券简称为空的样本（仅在"已剔除"版本）。
5. 剔除上市公司金融业（行业代码D 以 J 开头，证监会大类口径，仅在"已剔除"版本）。
6. 剔除上市公司 ST、PT 样本（仅在"已剔除"版本）。
7. 对企业经营杠杆系数按 year 分组进行 1% 与 99% 双边缩尾（仅在"已缩尾"版本）。
五、输出文件清单
1. 计算结果未剔除未缩尾版本.dta / .xlsx —— 仅完成核心指标计算与基础合并，未剔除金融STPT、未缩尾。
2. 计算结果已剔除金融STPT未缩尾版本.dta / .xlsx —— 在版本 1 基础上剔除金融业、ST、PT、证券简称为空的样本，未缩尾。
3. 计算结果已剔除金融STPT已缩尾版本.dta / .xlsx —— 在版本 2 基础上对核心连续变量按 year 进行 1%-99% 缩尾，适合直接进入回归分析。
【保留变量集合】
证券代码、证券简称、stkcd、year、企业经营杠杆系数、上市日期、股票类型、ABH股交叉码、公司名称、公司中文简称、公司英文名称、行业名称D、行业代码D、行业名称C、行业代码C、行业名称B、行业代码B、行业名称A、行业代码A、经营范围、公司沿革、注册资本、成立日期、退市日期、所属省份、所属省份代码、所属城市、所属城市代码
六、配套代码
1. 上市公司经营杠杆系数数据计算代码.do （Stata 版本，UTF-8，注释统一使用 /* */，需 winsor2 命令）
2. 上市公司经营杠杆系数数据计算代码.py （Python 版本，与 do 文件等价，依赖 pandas / numpy / openpyxl / pyreadstat）
3. 上市公司经营杠杆系数数据评估代码.do / .py —— 数据质量评估代码，输出至"数据质量评估报告_YYYYMMDD"目录，覆盖描述性统计、分布图（直方图/箱线图/核密度/QQ图等）、异常值检验（IQR/Z-score）、逻辑合理性验证、稳健性测试五大模块。
七、参考文献
刘行. 最低工资标准的上涨是否会加剧企业避税? [J]. 经济研究, 2019.（上市公司经营杠杆系数 DOL 的标准计算口径，亦广泛用于经营风险、固定成本黏性、薪酬粘性等研究领域。）
数据质量评估报告_20260503.zip
(4.45 MB)
上市公司经营杠杆系数数据2000-2024年含do-python代码和excel-dta格式数据.zip
(61.64 MB, 需要: RMB 32 元)
京公网安备 11010802022788号
