2008-2020年数据上市公司高管团队异质性数据包含Stata代码

2008-2020年高管团队异质性数据含代码、计算过程、原始数据

1、时间跨度:2008-2020

2、区域范围:各上市公司

3、所有计算的过程stata do文件以及计算参照的原始文献都附在分享的文件中所有计算的过程stata do文件以及计算参照的原始文献都附在分享的文件中。

4、指标包括:

原始数据:stkcd、year、证券代码、人员ID、姓名、性别、年龄、学历、专业、是否领取薪酬、报告期报酬总额、其中津贴、年末持股数;

是否高管团队成员、高管职务类别、是否董事会成员、董事会职务类别、是否独立董事、是否兼任董事长和CEO、职业背景、海外背景、学术背景、金融背景

异质性指标:年龄异质性、性别异质性、教育背景异质性、职业背景异质性、海外背景异质性、金融背景异质性

5、数据说明:

高管团队异质性即高管团队成员在人员背景、认知理念、价值观念以及职业经验等方面的差异,具体涉及年龄、性别、任期、受教育程度等多个维度。所有计算的过程stata do文件以及计算参照的原始文献都附在分享的文件中。

下载链接:

2008-2020年数据上市公司高管团队异质性数据包含Stata代码icon-default.png?t=M85Bhttps://download.csdn.net/download/m0_71334485/85790081

 

 

 

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
以下是一个计算上市公司高管特征异质性的例子,数据来源于Wind数据库: 1. 数据范围:2010至2019中国A股上市公司高管数据 2. 变量说明: - 性别(gender):0表示女性,1表示男性 - 龄(age) - 学历(education):0表示专科及以下,1表示本科,2表示硕士及以上 - 工作经验(workexp):单位为 - 公司名称(comname) 3. 数据处理: - 根据数据范围筛选符合条件的样本 - 对数据进行清洗和处理,如剔除缺失值、异常值等 - 进行变量构建,计算高管团队异质性指标 4. Stata代码: ```stata * 导入数据 import delimited "data.csv", clear * 数据清理和处理 drop if missing(gender) | missing(age) | missing(education) | missing(workexp) drop if age < 18 | age > 80 | workexp < 0 gen comid = substr(comname, 1, 6) // 提取公司代码 egen count_id = count(comid), by(comid) // 计算每个公司的高管数 keep if count_id >= 3 // 保留至少有3个高管的公司 * 计算高管团队异质性指标 egen mean_age = mean(age), by(comid) egen sd_age = sd(age), by(comid) egen mean_education = mean(education), by(comid) egen sd_education = sd(education), by(comid) egen mean_workexp = mean(workexp), by(comid) egen sd_workexp = sd(workexp), by(comid) gen heterogeneity = sd_age + sd_education + sd_workexp // 计算高管团队异质性指标 * 查看结果 summarize heterogeneity ``` 其中,data.csv为原始数据文件,包含性别、龄、学历、工作经验等多个变量。代码中进行了数据清理和处理,如剔除缺失值、异常值等,并计算了每个公司的高管数,保留至少有3个高管的公司。然后,通过egen命令计算了每个公司高管团队异质性指标,包括龄、学历、工作经验等方面的异质性。最后,通过生成一个新变量heterogeneity来计算高管团队异质性指标,并使用summarize命令查看结果。 需要注意的是,代码仅供参考,具体的数据处理和异质性计算需要根据实际情况进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

m0_71334485

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值