发帖
雷达卡
数据名称：上市公司股权性质数据。
时间范围：2004—2025年。
数据层级：上市公司—年度面板数据。
识别变量：stkcd（上市公司代码）与year（年度）；证券代码为保留前导零的字符型辅助识别变量。
核心指标：股权性质、是否国企。
文件格式：原始数据与结果数据均提供Stata .dta和Excel .xlsx；计算代码、评估代码与本说明均为UTF-8编码。
本文件夹以上市公司年度最终控制人或实际控制人股权性质分类为基础，保留民营企业、地方国有企业、中央国有企业、公众企业、外资企业、央企子公司等细分类别，并提供是否国企二元变量。计算过程按stkcd补充上市日期、股票类型、公司名称、行业A—D、经营范围、公司沿革、注册资本、成立日期和退市日期等静态基本信息，最终输出三套标准处理版本，可用于国有企业与民营企业比较、所有制异质性、公司治理、融资约束、创新投资及政策效应研究。
二、原始数据与基本信息合并
1. 上市公司股权性质原始数据.dta/.xlsx：共67,494条公司—年度记录、12个字段，覆盖2004—2025年，包含证券代码、证券简称、stkcd、year、股权性质、是否国企、行业代码、行业名称、所属省份、所属省份代码、所属城市和所属城市代码；stkcd-year无重复。
2. 行业代码/上市公司基本信息数据.dta：共5,718条公司级记录、22个字段，stkcd无重复，包含证券代码、证券中文简称、上市日期、股票类型、ABH股交叉码、公司名称、公司中英文简称、行业A—D、经营范围、公司沿革、注册资本、成立日期和退市日期。
3. 行业代码文件夹：本项目仅保存“上市公司基本信息数据.dta”，计算代码按固定相对路径读取该文件，不自行推测或引用其他外部基本信息路径。
4. 数据质量评估报告_20260720：由评估程序读取三套最终结果DTA后生成，包含评估日志、数据分布、图形、异常值、逻辑合理性、稳健性比较及变量级总评估结论。
计算时先对原始股权性质数据按stkcd-year检查并删除重复观测，再执行证券代码前三位为200或900的B股筛选。当前原始数据中不存在上述B股代码，因此筛选前后仍为67,494条观测。随后根据年度证券简称生成ST/PT及简称含“退”的临时标识，并按stkcd与上市公司基本信息进行多对一合并。同名字段以基本信息数据中的非缺失值更新替换；未匹配到基本信息的年度主数据仍保留，基本信息中没有对应年度主数据的公司记录不单独进入结果。
三、核心指标计算说明
1. 股权性质：上市公司最终控制人或实际控制人对应的所有制及控制人性质分类。该字段直接沿用原始股权性质数据，计算代码不重新判断或改写类别。
2. 股权性质类别：原始数据包括民营企业、地方国有企业、中央国有企业、公众企业、外资企业、其他企业、央企子公司、集体企业、港澳台企业、中外合资企业、其他外资企业、港澳台与大陆合资企业、其他国有企业、中央金融企业和其他境外中企等类别；少量观测的股权性质为空字符串。
3. 是否国企：二元虚拟变量，中央国有企业、地方国有企业、央企子公司、中央金融企业和其他国有企业取1，其余类别取0。该映射已存在于原始数据中，计算代码仅保留并核验该指标，不根据名称重新生成。
4. 指标含义：是否国企取1仅表示公司年度属于国有企业口径，取0表示非国有企业，不表示国有程度或国有资本持股比例。股权性质为类别变量，其分类之间不存在可直接比较大小的连续数值关系。
5. B股处理：三套结果均设置剔除证券代码前三位为200或900的B股记录；当前原始数据没有此类记录，因此未剔除版本观测数与原始数据一致。
6. 金融业处理：清洗版本剔除年度行业代码首字母为J的金融业观测；未剔除版本保留金融业。
7. ST/PT处理：清洗版本剔除年度证券简称含ST或PT的公司年度观测，并要求合并后的证券简称非空；未剔除版本保留ST/PT公司。
8. 退市公司处理：清洗版本剔除基本信息中退市日期非空，以及年度证券简称含“退”的公司；未剔除版本保留这些观测。
9. 缩尾处理：股权性质为字符型类别变量，是否国企为0/1二元变量，均不适合按分位数缩尾。因此“剔除金融ST缩尾版本”与“剔除金融ST未缩尾版本”使用同一清洗样本和相同核心指标值，只保留统一的三版本文件结构。
四、结果数据文件与样本量
1. 计算结果未剔除金融ST未缩尾版本.dta/.xlsx：保留金融业、ST/PT及退市公司，不进行缩尾；共67,494条公司—年度观测、32个字段，stkcd-year无重复。是否国企取1为23,855条、取0为43,639条，均值为0.35343882419178。
2. 计算结果剔除金融ST未缩尾版本.dta/.xlsx：剔除证券简称空缺、金融业、ST/PT、退市日期非空及证券简称含“退”的公司，不进行缩尾；共60,637条公司—年度观测、32个字段，stkcd-year无重复。是否国企取1为21,369条，均值为0.35240859541204217。
3. 计算结果剔除金融ST缩尾版本.dta/.xlsx：沿用第2套清洗样本；因两个核心指标均为离散变量，不改变其取值，共60,637条公司—年度观测、32个字段。是否国企取1为21,369条，均值为0.35240859541204217。
未剔除版本中主要类别包括民营企业37,500条、地方国有企业16,096条、中央国有企业7,257条、公众企业2,602条、外资企业2,026条和央企子公司484条。清洗未缩尾版本中主要类别包括民营企业34,020条、地方国有企业14,527条、中央国有企业6,378条、公众企业2,099条、外资企业1,830条和央企子公司455条。每套结果的DTA与XLSX行数对应，第2套与第3套的样本和核心指标完全一致。
五、结果变量说明
1. 证券代码（string）：六位上市公司证券代码，可保留前导零。
2. 证券简称（string）：公司对应年度证券简称，用于ST/PT、简称含“退”及简称非空筛选。
3. stkcd（double）：数值型上市公司代码，公司级基本信息合并及面板识别键。
4. year（double）：股权性质归属年度，范围为2004—2025年。
5. 股权性质（string）：最终控制人或实际控制人的所有制及性质分类。
6. 是否国企（double）：国有企业虚拟变量，国有企业取1，非国有企业取0。
7. 行业代码、行业名称（string）：公司对应年度的行业分类代码及名称；行业代码用于金融业筛选。
8. 所属省份、所属省份代码、所属城市、所属城市代码（string）：公司对应年度的注册省份、城市及行政区划代码。
9. 证券中文简称（string）：上市公司基本信息数据中的证券中文简称。
10. 上市日期（string）：公司首次上市日期，通常采用YYYY-MM-DD格式。
11. 股票类型（string）：公司股票类别信息。
12. ABH股交叉码（string）：A股、B股、H股交叉上市或关联代码信息。
13. 公司名称、公司中文简称、公司英文名称（string）：公司登记名称及中英文简称。
14. 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（string）：基本信息中的不同层级行业分类字段。
15. 经营范围（string/strL）：公司登记经营范围长文本。
16. 公司沿革（string/strL）：公司设立、改制及历史发展沿革长文本。
17. 注册资本（double）：公司注册资本，计量单位沿用基本信息源文件口径。
18. 成立日期（string）：公司成立日期，通常采用YYYY-MM-DD格式。
19. 退市日期（string）：公司退市日期；两个清洗版本已剔除该字段非空的公司。
六、计算与评估代码
1. 上市公司股权性质数据计算代码.do：Stata 15+计算代码，完成原始数据去重、B股筛选、临时ST/PT和退市标识、基本信息合并、清洗筛选及三套DTA/XLSX输出。
2. 上市公司股权性质数据计算代码.py：与Stata版在样本筛选、基本信息合并、同名字段优先规则、离散指标处理和结果命名上对等的Python脚本。
3. 上市公司股权性质数据评估代码.do：可独立运行的Stata数据质量评估代码，读取三套结果并生成描述统计、频率分布、异常值、逻辑检验和总评估结论。
4. 上市公司股权性质数据评估代码.py：可独立运行的Python评估脚本，自动识别stkcd和year，并按运行日期创建固定结构的质量评估报告。
七、数据质量评估
评估程序识别项目根目录中的三套结果DTA，自动探测stkcd为面板ID、year为时间变量，区分数值变量与字符变量，并按运行日期创建“数据质量评估报告_YYYYMMDD”。本文件夹当前保存的实跑报告为“数据质量评估报告_20260720”，包含运行日志及五个固定子文件夹：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。
主要评估内容包括是否国企的描述统计与频率、股权性质类别分布、字符变量缺失、stkcd-year重复、年度连续性、不同处理版本样本量和均值比较。项目专属逻辑检查包括：是否国企只能取0或1；股权性质为国有类别时是否国企应为1；非国有类别时是否国企应为0；stkcd-year必须唯一；两个清洗版本的样本及离散核心指标应保持一致。
数据质量评估报告_20260720.zip
(4.06 MB)
上市公司股权性质2004-2025年含do-python代码和excel-dta格式数据.zip
(41.94 MB, 需要: RMB 32 元)
京公网安备 11010802022788号
