2000-2022年上市公司行业异质性数据(技术密集型、劳动密集型、资本密集型)(含原始数据和处理代码)

2000-2022年上市公司行业异质性数据(技术密集型、劳动密集型、资本密集型)(含原始数据和处理代码)

1、时间:2000-2022年

2、指标:股票代码、年份、股票简称、统计日期、行业名称、行业代码、成立日期、上市日期、所在省份、所在城市、上市状态、保留两位行业代码、保留一位行业代码、高科技为1,非高科技为0、重污染为1,非重污染为0、制造业为1,非制造业为0、劳动密集型为1,资本密集型为2,技术密集型为3

3、来源:csmar

4、根据2012年中国证监会行业划分是否高科技、是否重污染、是否制造业、是否劳动密集型、资本密集型、技术密集型。

5、内容:包括原始数据、处理代码和计算结果

6、用途:这些行业数据反映了不同行业的特点和发展趋势,例如高科技行业代表了新技术和创新的发展,重污染行业则代表了环境保护和绿色发展的挑战。

制造业、劳动密集型行业和资本密集型行业则反映了不同企业发展的基础,以及企业资源配置的不同策略。

技术密集型行业则代表了科技产业化的发展。这些行业数据的研究可以帮助我们更好地了解不同行业的发展特点,为产业政策和企业决策提供指导和参考,促进各行业的可持续发展。

7、下载链接:

2000-2022年上市公司行业异质性数据(技术密集型、劳动密集型、资本密集型)(含原始数据和处理代码)icon-default.png?t=N7T8https://download.csdn.net/download/m0_71334485/88270419

  • 1
    点赞
  • 1
    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,计算高管团队的异质性指标 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的异质性指标,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,具体的数据处理异质性计算需要根据实际情况进行调整和优化。
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