商道融绿ESG评级DID面板数据（2009-2022年）

已于 2025-01-12 16:45:33 修改
阅读量662 收藏 7
点赞数 4
文章标签： 数据分析
于 2024-11-18 16:53:48 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaozhuzhu1995/article/details/143861451
版权

随着ESG信息越来越受到重视，一些第三方评级机构开始推出ESG评级产品，目前在Wind数据库能够查到华证、富时罗素、商道融绿、社会价值投资联盟以及Wind自有的ESG评级数据等。其中，商道融绿是中国最早发布ESG评级数据的机构，也是国内首家签署联合国责任投资原则(UNPRI)的服务机构，其发布《中国责任投资年度报告》、《A股上市公司ESG评级分析报告》等受到资本市场广泛关注，具有较高权威性。

2015年，商道融绿开始对沪深300成分股进行ESG评价并发布ESG评价指数，此后，随着上市公司关于ESG信息披露的增加，越来越多的公司被纳入商道融绿ESG评级体系中,2020年已覆盖1043家上市公司，这些ESG评级数据为构建多时点双重差分法中的处理组与对照组提供了便利。

数据名称：ESG-构建多期DID

数据年份：2009-2022年

数据样本：45899条

整理说明：以商道融绿ESG评级数据为基准，若商道融绿当年发布了企业的评级数据，则为处理组，ESG赋值为1，否则为0

数据来源：商道融绿ESG、上市公司年报

构建方法：

Excel形式

Stata数据形式

参考文献：

胡洁,于宪荣,韩一鸣.ESG评级能否促进企业绿色转型？——基于多时点双重差分法的验证[J/OL].数量经济技术经济研究:1-22[2023-06-28].

【下载→

方式一（推荐）：主页 *个人* 简介

经管数据集-CSDN博客

方式二：数据下载方式汇总-CSDN博客

盟浪、华证、商道融绿、富时罗素4家机构对国内上市公司的ESG评级和评分数据，2023新
2401_84230935的博客
08-12 492
附件是盟浪、华证、商道融绿、富时罗素4家机构对国内上市公司的ESG评级和评分数据。，均更新到2014年1月21日，可用的年度数据均更新到2023年，没有分项得评分。或评级，请大家按需购买。其中盟浪ESG评级时间跨度为2014年-2024年1月，华证ESG评级时间跨度为2009年-2024年1月，商道融绿ESG评级时间跨度为。2015年-2024年1月，富时罗素ESG评分时间跨度为2018年-2024年1。
商道融绿2015-2021ESG评级评分
ky路上的博客
09-24 744
绿ESG评估指标分为三级：一级指标为E、S、G三大方面，二级指标细化为13个方面。在每个一级指标下的二级指标中，都包含了负面事件二级指标。结果环节，融绿ESG评级分为A+到D共10个等级。15-2019年度评分包括E、S、G分项评分，以及管理评分、风险评估评分。形成了融绿ESG负面信息监控体系，有助于投资者进行负面剔除的选股方法。ESG评估流程分为四个步骤：信息收集、分析评估、评估结果和报告呈现。集环节，信息来源主要为公司年报、责任报告、ZF信息和媒体。，评级报告将会呈现公司ESG的评分以及负面信息报告。
2015-2024年商道融绿ESG评级数据
paperdata666的博客
03-09 614
商道融绿ESG评级数据为企业提供了全面的环境、社会和治理（ESG）评级信息。这些数据涵盖了不同行业的公司，根据不同企业的表现，评级结果分为十个等级：D、C-、C、C+、B-、B、B+、A-、A、A+。商道融绿的ESG评级覆盖全部中国境内上市公司，港股通中的香港上市公司，以及主要的债券发行主体，评级结果和具体ESG数据可广泛应用于投资决策、风险管理、政策制定、可持续金融产品的创新和研发。- ESG主动管理得分：根据公司在环境、社会责任、治理等方面的具体措施和成效进行打分。一、商道融绿ESG评级数据的介绍。
2015-2023商道融绿ESG评级（整理为面板！)
ky路上的博客
05-03 1392
当ESG评级为C-时，赋值为2；当ESG评级为C时，赋值为3。创新——来自A股上市公司的证据[J].经济研究,2023,58(02):91-1。[2]谢红军,吕雪.负责任的国际投资：ESG与中国OFDI[J].经济研。部分数据截取：（只含有年度ESG总评级！整理为面板后数据：（若不需要北交所可直接将最后一列等于。数据名称：2015-2023商道融绿ESG评级。包含文件：（原始数据，数据来源（绝对是。[1]方先明,胡丁.企业ESG表现与。权威数据库)，整理后面板数据）当ESG评级为D时，赋值为。
ESG数据更新 | 商道融绿ESG评级（2015-2022年）
li514006030的博客
03-05 5940
4]王晓红,栾翔宇,张少鹏.企业研发投入，ESG表现与市场价值——企业数字化水平的调节效应[J/OL].科学学研究:1-16[2023-03-01].DOI:10.16192/j.cnki.1003-2053.20220606.001.[3]王波,杨茂佳.ESG表现对企业价值的影响机制研究——来自我国A股上市公司的经验证据[J].软科学,2022,36(06):78-84.DOI:10.13956/j.ss.1001-8409.2022.06.11.2015-2022年。
更新至2022年上市公司ESG评级评分数据合集（含华证、盟浪、wind、彭博、润灵环球、商道融绿、和讯网、富时罗素数据）
热门推荐
m0_71334485的博客
09-21 2万+
更新至2022年上市公司ESG评级数据大合集（彭博+华证+wind+商道融绿+富时罗素+盟浪+和讯网+润灵环球）
1-商道融绿ESG评级季度数据及分项ESG评级2015-2022年-社科数据.zip
11-22
商道融绿ESG评级季度数据及分项ESG评级2015-2022年的数据集提供了一个全面评估上市公司在环境、社会和公司治理（ESG）方面表现的视角。该数据集覆盖了2015至2022年间的数据，包含了沪深A股上市公司以及港股通的香港...
商道融-ESG评级2015-2022年数据.zip
12-06
数据文件“商道融绿ESG评级（2015-2022年）.xlsx”是该数据集的核心部分，它以电子表格的形式存储了上述所有指标的具体数值和相关信息。同时，辅助文件“ESG_rating使用说明.pdf”为用户提供了使用该数据集的指南，...
2015-2023年商道融绿ESG评级面板数据整理-最新出炉.zip
01-13
本次发布的“2015-2023年商道融绿ESG评级面板数据整理-最新出炉”是一个汇集了过去九年ESG相关数据的庞大数据库，它不仅对研究者和投资者具有重要价值，而且对于相关领域的教育和科研同样具有重要意义。 该数据集...
商道融绿ESG评级年度数据（2015-2024年）.xlsx
02-15
商道融绿ESG评级年度数据集（2015-2024年）汇集了过去十年间各主要企业在环境（Environmental）、社会（Social）和公司治理（Governance）三个维度上的表现数据。ESG评级作为国际通行的企业非财务绩效评价标准，被...
【工具变量】最新-商道融绿ESG评级数据(2015-2024年）
samLi0620的博客
02-15 707
这些数据涵盖了不同行业的公司，根据不同企业的表现，评级结果分为十个等级：D、C-、C、C+、B-、B、B+、A-、A、A+。商道融绿的ESG评级覆盖全部中国境内上市公司，港股通中的香港上市公司，以及主要的债券发行主体，评级结果和具体ESG数据可广泛应用于投资决策、风险管理、政策制定、可持续金融产品的创新和研发。商道融绿ESG评级总分由两个主要部分组成：ESG主动管理得分和ESG风险暴露得分。- ESG主动管理得分：根据公司在环境、社会责任、治理等方面的具体措施和成效进行打分。每股收益EPS(TTM)
（2009-2022年）ESG视角下的多期双重差分法（DID）构建：评估企业社会责任影响的先进工具
2401_84585615的博客
07-17 784
ESG视角下的多期DID构建数据集，为企业提供了一个科学的工具，以量化和评估其在环境、社会和治理方面的表现和改进空间。通过这些数据，企业可以采取有效措施，提高ESG绩效，实现可持续发展，为社会和环境创造更多价值。数据名称：ESG视角下的多期DID构建数据年份：2009-2022年这份数据集是理解企业在ESG领域表现及其变化趋势的宝贵资源，有助于推动企业、投资者和政策制定者共同促进可持续发展的进程。2009-2022年 ESG视角下的多期DID构建（excel和dta数据）
零售分析发现关键数据可视化——仙盟创梦IDE
cybersnow精通 28 门计算机语言，凭借其超凡的技术能力，成功开发过上万个应用，广泛涉及政府、商业、个人等众多领域，甚至在检察院、环保局、公安局等专业场景中也大放异彩。不仅熟练掌握单片机和物联网开发，在软件架构设计方面更是独树一帜，自创了跨平台软件
04-27 237
快速洞察业务状况 快速洞察业务状况
DuckDB：现代数据分析的“SQLite“内核革命
萧鼎的博客
04-27 420
在数据工程、数据科学快速演进的今天，一个新的名字正在快速蹿红：DuckDB。有人称它是数据分析领域的SQLite，也有人称它为下一代轻量级OLAP引擎。 无论哪种称呼，都离不开一个事实：今天这篇文章将带你全面认识 DuckDB：（字数大约 3000+，保证信息量充足，不废话！）DuckDB 是一个开源、内嵌式（embedded）的列式（columnar）数据库，特别针对**分析型查询（OLAP）**而优化。简单理解就是：一句话总结：DuckDB 的核心理念是：如果你在做数据相关工作，肯定用过：那问题来了：而
数据分析：用Excel做周报
weixin_74146322的博客
04-23 917
一篇文章搞定自动化Excel周报
DeepSeek智能时空数据分析（三）：专业级地理数据可视化赏析-《杭州市国土空间总体规划（2021-2035年）》
郭不耐 {大数据 @ 可视化}
04-25 499
城市规划报告是专业级地理数据可视化的典范，数据精确、表达专业、样式美观，是我们学习地理数据可视化的良好范本。本文分析鉴赏《杭州市国土空间总体规划2021-2035》报告中经典的规划方案。
大模型——Suna集成浏览器操作与数据分析的智能代理
最新发布
04-27 42
Suna 是 Kortix AI 开发的一个开源通用 AI 代理，托管在 GitHub 上，基于 Apache 2.0 许可证，允许用户免费下载、修改和自托管。它通过自然语言对话帮助用户完成复杂任务，如网页浏览、文件管理、数据抓取和网站部署。Suna 采用模块化架构，包括 Python/FastAPI 后端、Next.js/React 前端、Supabase 数据库和 Daytona 沙盒，确保安全性和灵活性。它支持与 OpenAI、Anthropic 等大语言模型集成，并通过。
面板数据多时点DID代码
03-23
<think>好的，我现在需要帮助用户找到实现多时点DID（双重差分法）的代码，特别是使用面板数据的情况。用户提到他们参考了连玉君老师和谢申祥老师的资料，之前尝试过PSM-DID但遇到困难，现在希望得到具体的代码实现，可能用Stata或Python。 首先，我需要确认多时点DID的基本概念和常用方法。多时点DID指的是处理组在不同时间点接受处理的情况，与传统的两期DID不同，这里处理时间可能在不同个体间不同。常见的模型包括双向固定效应模型（Two-way FE）、异质性处理效应的估计方法如Callaway & Sant'Anna（2021）的估计量，或者Sun & Abraham（2021）的方法。这些方法在Stata中通常有现成的命令，比如`csdid`、`eventstudyinteract`等，而在Python中可能需要自己编写代码或调用相关库如`linearmodels`。 接下来，我需要考虑用户提到的面板数据结构。面板数据是二维的，包含个体和时间两个维度。处理多时点DID时，需要确保数据格式正确，生成处理时间和处理状态变量。例如，每个个体有处理开始的时点，处理后的时期生成虚拟变量。 然后，回顾用户提供的引用内容。引用[1]解释了面板数据的结构，这对数据准备很重要。引用[2]提到用户尝试了PSM-DID，但遇到了处理问题，现在需要多时点DID的代码。用户可能已经了解PSM-DID的一些挑战，转而寻求更直接的多时点DID实现。 在Stata方面，`reghdfe`包可以用于双向固定效应，而`csdid`和`did_multiplegt`等命令可以实现更复杂的多时点分析。需要提供示例代码，包括数据准备（如生成处理变量、时间虚拟变量）、模型设定以及结果解释。同时，要提醒用户注意平行趋势假设的检验，可能需要事件研究法或绘图来验证。 对于Python部分，可能没有现成的DID库，但可以使用`linearmodels`中的PanelOLS来实现双向固定效应。此外，用户可能需要手动生成事件时间虚拟变量，并处理异质性处理效应。例如，对于每个处理前的时期和处理后的时期，创建虚拟变量并交互处理组指标，然后进行回归分析。需要提供代码示例，并指出可能的注意事项，如聚类标准误、动态效应检验等。 用户还可能关心如何处理控制变量、如何可视化结果、如何检验平行趋势等。因此，在相关问题中需要涵盖这些方面，如平行趋势检验方法、控制变量选择、结果解释等。 最后，需要确保回答结构清晰，分Stata和Python两部分，提供代码示例，并引用相关文献或资料作为支持。同时，生成的相关问题要引导用户进一步探索可能遇到的挑战和深入学习的主题。</think>### 多时点双重差分法（DID）实现代码 #### 1. **Stata实现** 在Stata中，多时点DID的实现通常采用双向固定效应模型（Two-way FE）或`did_multiplegt`命令。以下是基于双向固定效应的示例代码： ```stata * 生成处理变量（假设处理时间为个体首次接受干预的年份） egen first_treat_year = min(cond(treated == 1, year, .)), by(id) gen post = (year >= first_treat_year) if !missing(first_treat_year) replace post = 0 if missing(first_treat_year) * 双向固定效应回归 reghdfe y treated##post, absorb(id year) cluster(id) ``` 此处`y`为被解释变量，`treated`表示是否属于处理组，`post`表示是否处于处理期。`absorb(id year)`控制了个体和时间固定效应，`cluster(id)`调整标准误[^1]。 #### 2. **Python实现** Python中可使用`linearmodels`库的`PanelOLS`实现类似功能： ```python import pandas as pd from linearmodels import PanelOLS # 生成处理变量（示例） df['post'] = (df['year'] >= df.groupby('id')['first_treat_year'].transform('min')).astype(int) df['treated_post'] = df['treated'] * df['post'] # 面板数据模型 model = PanelOLS.from_formula( 'y ~ treated_post + EntityEffects + TimeEffects', data=df.set_index(['id', 'year']) ) result = model.fit(cov_type='clustered', cluster_entity=True) print(result.summary) ``` #### 3. **注意事项** - **平行趋势检验**：需验证处理组和对照组在处理前的趋势是否一致，可通过事件研究法绘制动态效应图。 - **异质性处理效应**：若处理效应随时间变化，可改用`eventstudyinteract`（Stata）或分时段回归（Python）[^2]。 - **控制变量**：在模型中添加控制变量以缓解遗漏变量问题。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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