发帖
雷达卡
数据名称：上市公司常用控制变量数据
时间范围：2000-2025年
数据层级：上市公司-年度面板
核心指标：Size、Lev、ROA、ROE、ATO、Cashflow、INV、FIXED、Growth、Loss、Board、Indep、Dual、Top1、Top5、Top10、Balance1、Balance2、TobinQ、ListAge、FirmAge、INST、Mshare、Mfee、Occupy、Big4、AgC1_1、AgC1_2、AgC1_3、AgC2、Employ、Cap1、Cap2、Pay
识别变量：股票代码、证券代码、年份
文件格式：dta、xlsx、do、py、txt、pdf
本数据基于上市公司资产负债表、利润表、现金流量表、经营能力、盈利能力、发展能力、相对价值、管理层治理、综合治理、十大股东股权集中度、审计师是否四大和公司基本信息等原始表合并整理而成，用于企业金融、公司治理、财务绩效、创新、ESG和资本市场实证研究中的常用控制变量构建。项目根目录下现有原始未处理结果“实证常用控制变量_原始未处理.dta”共77365条上市公司-年度观测、69个变量，覆盖5939家上市公司和2000-2025年；其中Size均值为22.0028、标准差为1.5600、中位数为21.7913，Lev均值为0.4955、标准差为3.4762、中位数为0.4326，ROA均值为0.0334、标准差为0.3812、中位数为0.0356，TobinQ均值为2.3378、标准差为56.3022、中位数为1.5480。剔除金融行业和ST/PT后的未缩尾版本“常用控制变量_未缩尾.dta”共72070条观测、覆盖5792家上市公司；同口径已缩尾版本“常用控制变量_已缩尾.dta”共72070条观测，已对主要连续变量按年份进行1%和99%分位缩尾处理。
二、原始数据与拆分数据包
dta原始数据/公司基本信息.dta：上市公司基础属性、行业分类、上市日期、成立日期、所属省份城市、市场类型和证券代码变更等信息。
dta原始数据/资产负债表.dta：上市公司资产、负债和所有者权益项目，是处理过程.do/.py使用的主表。
dta原始数据/利润表.dta：上市公司收入、成本、费用、利润和每股收益等利润表项目。
dta原始数据/现金流量表间接法.dta：上市公司现金流量表间接法补充资料和经营活动现金流量净额。
dta原始数据/现金流分析.dta：现金含量、自由现金流、现金回收率、营运指数等现金流分析指标。
dta原始数据/经营能力.dta：应收账款、存货、固定资产、总资产和股东权益等周转率与周转天数指标。
dta原始数据/盈利能力.dta：ROA、ROE、营业毛利率、营业净利率、投入资本回报率等盈利能力指标。
dta原始数据/发展能力.dta：营业收入增长率、总资产增长率、净利润增长率、可持续增长率等成长性指标。
dta原始数据/管理层治理能力.dta：产权性质、实际控制人、机构投资者、管理层薪酬、董事会结构和员工结构等治理变量。
dta原始数据/综合治理信息.dta：股本结构、股东总数、董事长和总经理信息、兼任情况、委员会设立和员工人数等治理信息。
dta原始数据/十大股东股权集中度表.dta：Top1、Top5、Top10、Z指数、S指数、H指数和Herfindahl指数等股权集中度变量。
dta原始数据/是否四大.dta：审计师、审计意见、是否国际四大/国内十大和审计费用等审计信息。
dta原始数据/相对价值指标.dta：市盈率、市销率、市现率、市净率、市值、托宾Q和企业价值倍数等估值指标。
dta原始数据/合并.dta：由多张原始表合并形成的中间宽表。
dta原始数据/实证常用控制变量_原始未处理.dta：常用控制变量原始未处理版本的副本。
dta原始数据下另有15个独立数据包文件夹，每个文件夹均包含对应数据的dta、xlsx和txt数据说明，可作为单独发布的数据文件。
三、计算说明
Size：公司规模，等于资产总计的自然对数。
Lev：资产负债率，等于负债合计除以资产总计。
ROA：总资产净利润率，使用原始盈利能力表中的总资产净利润率ROAB。
ROE：净资产收益率，使用原始盈利能力表中的净资产收益率（ROE）B。
ATO：总资产周转率，使用原始经营能力表中的总资产周转率B。
Cashflow：现金流比率，等于经营活动产生的现金流量净额除以资产总计。
INV：存货占比，等于存货净额除以资产总计。
FIXED：固定资产占比，等于固定资产净额除以资产总计。
Growth：营业收入增长率，使用原始发展能力表中的营业收入增长率B。
Loss：是否亏损，当年净利润小于0取1，否则取0。
Board：董事规模，等于董事会规模的自然对数。
Indep：独立董事占比，使用原始治理表中的独立董事占比。
Dual：两职合一，董事长与总经理兼任情况等于1时取1，否则取0。
Top1：第一大股东持股比例，等于股权集中指标1除以100。
Top5：前五大股东持股比例，等于股权集中指标3除以100。
Top10：前十大股东持股比例，等于股权集中指标4除以100。
Balance1：股权制衡度，等于Z指数的倒数。
Balance2：股权制衡度，等于第二至第五大股东持股比例之和除以第一大股东持股比例。
TobinQ：托宾Q值，使用原始相对价值指标表中的托宾Q值A。
ListAge：上市年限，等于ln(年份-上市年份+1)。
FirmAge：公司成立年限，等于ln(年份-公司成立年份+1)。
INST：机构投资者持股比例，等于机构投资者持股比例除以100。
Mshare：管理层持股比例，使用原始管理层持股比例字段。
Mfee：管理费用率，等于管理费用除以营业收入。
Occupy：大股东资金占用，等于其他应收款除以资产总计。
Big4：是否四大，国际四大会计师事务所审计取1，否则取0。
AgC1_1：第一类代理成本，等于管理费用除以营业收入。
AgC1_2：第一类代理成本，等于管理费用与销售费用之和除以营业收入。
AgC1_3：第一类代理成本，等于营业收入除以平均资产总计。
AgC2：第二类代理成本，等于其他应收款净额除以资产总计。
Employ：员工总人数，使用员工人数字段。
Cap1：资本密集度，等于ln(资产总计/员工人数)。
Cap2：资本密集度，使用原始经营能力表中的资本密集度字段。
Pay：高管薪酬激励，等于管理层薪酬总额的自然对数。
四、结果数据文件
实证常用控制变量_原始未处理.dta：保留金融行业、保留ST/PT公司、不缩尾的原始全样本版本，共77365条观测、69个变量。
实证常用控制变量_原始未处理.xlsx：原始未处理版本的Excel格式文件。
常用控制变量_未缩尾.dta：剔除金融行业和ST/PT公司后的未缩尾版本，共72070条观测、69个变量。
常用控制变量_已缩尾.dta：剔除金融行业和ST/PT公司后，对主要连续变量按年份进行1%和99%分位缩尾处理的版本，共72070条观测、69个变量。
实证常用控制变量_剔除金融剔除ST或PT已缩尾.xlsx：已缩尾版本的Excel格式文件。
处理过程.do：Stata版计算代码，按原始数据表合并并生成三套结果。
处理过程.py：Python版计算代码，功能与处理过程.do对等，可独立从dta原始数据复现三套结果。
上市公司常用控制变量数据评估代码.do：Stata版数据质量评估代码，评估根目录下三套结果dta。
上市公司常用控制变量数据评估代码.py：Python版数据质量评估代码，评估根目录下三套结果dta。
五、变量说明
序号 变量名称 变量类型
1 股票代码 int
2 证券代码 str/int
3 年份 int
4 证券简称 str
5 行业名称C str
6 行业代码C str
7 所属省份代码 str/int
8 所属省份 str
9 所属城市代码 str/int
10 所属城市 str
11 是否stpt int
12 是否金融 int
13 是否制造业 int
14 是否深证上市 int
15 是否上证上市 int
16 是否沪深上市 int
17 是否北证上市 int
18 是否创业板 int
19 是否科创板 int
20 是否所属西部 int
21 是否所属东部 int
22 是否所属中部 int
23 高科技行业分组1-5 int
24 技术密集型 int
25 资产密集型 int
26 劳动密集型 int
27 重污染分组1-3 int
28 产权性质 str/int
29 Size float
30 Lev float
31 ROA float
32 ROE float
33 ATO float
34 Cashflow float
35 INV float
36 FIXED float
37 Growth float
38 Loss int
39 Board float
40 Indep float
41 Dual int
42 Top1 float
43 Top5 float
44 Top10 float
45 Balance1 float
46 Balance2 float
47 TobinQ float
48 ListAge float
49 FirmAge float
50 INST float
51 Mshare float
52 Mfee float
53 Occupy float
54 Big4 int
55 AgC1_1 float
56 AgC1_2 float
57 AgC1_3 float
58 AgC2 float
59 Employ float
60 Cap1 float
61 Cap2 float
62 Pay float
63 制造业取两位代码，其他行业用大类 str
六、数据质量评估
评估代码运行后将生成“数据质量评估报告_YYYYMMDD”文件夹，日志文件为“评估日志_YYYYMMDD.log”。报告固定包含“1 数据分布分析”“2 分布图”“3 异常值检验”“4 逻辑合理性验证”“5 稳健性测试”五个子文件夹，分别存放描述统计和频数、直方图/箱线图/趋势图、缺失和异常值检验、id-year重复与比例变量越界检查、多版本变量质量对比。缺失值阈值为5%提示关注、20%标记不通过；Z-score异常阈值为绝对值大于3；IQR温和异常阈值为1.5倍IQR，极端异常阈值为3倍IQR。
七、使用提示
处理过程.do和处理过程.py会覆盖同名结果文件，运行前请确认是否需要保留当前版本。Python版与Stata版在变量公式、样本筛选和缩尾口径上保持对等，但不同软件在日期读取、浮点精度和分位数计算细节上可能存在微小差异；正式复现时建议优先以Stata版处理过程.do作为原始口径，并使用数据评估代码检查样本量、缺失、异常值和逻辑一致性。
【数据】上市公司常用控制变量数据2000-2025年
(76 Bytes, 需要: RMB 32 元)
京公网安备 11010802022788号
