上市公司高管技术背景数据整理Stata代码(2008-2022年 )技术高管技术董事技术监事

高管技术背景


变量说明CEO政治关联

当高管具有与企业信息化管理或信息
技术相关的教育或从业经历时,我们认为其具有信息技术背景。根据教育部2012年发布
的《普通高等学校本科专业目录》,信息技术教育背景是指具有电子信息类( 0807)
、计算机类( 0809)、电子商务类( 1208)、信息与计算科学( 07010
2)、信息管理与信息系统( 120102)、信息资源管理( 120503)等专业
背景;从业经历是指具有信息技术( IT)、信息管理、信息系统、信息化建设、ERP
建设、软件开发、互联网/网络开发、计算机/电脑、电子工程、系统工程、系统构建、电
子商务和电子政务、物联网、云计算等工作经历。

IT1:董事的信息技术背景,
用上市公司拥有信息技术背景董事的比例来衡量,等于具有信息技术背景的董事数量除以董
事会总人数
IT2:高层管理人员的信息技术背景,用上市公司拥有信息技术背景高层管
理人员的比例来衡量,等于具有信息技术背景的高层管理人员数量除以高层管理人员总人数

IT3:监事的信息技术背景,用上市公司拥有信息技术监事的比例来衡量,等于具有信
息技术背景的监事人员数量除以监事总人数
IT4:董监高人员的信息技术背景,用上市
公司拥有信息技术董监高人员的比例来衡量,等于具有信息技术背景的董监高人员数量除以
董监高人员总人数


参考文献


[1]袁蓉丽,李瑞敬,孙健.董事的信息技术背景
能抑制盈余管理吗[J].南开管理评论,2021,24(03):139-15
1.


[2]刘锡禄,陈志军,马鹏程.信息技术背景CEO与企业数字化转型[J].中国软科
学,2023(01):134-14
4.

各年数据量

数据描述性统计


数据截图


数据下载


最后结果包含三个版本:
1、未剔除金融未剔除ST未
缩尾处理版本
2、剔除金融剔除ST未缩尾处理版本
3、剔除金融剔除ST缩尾处理版

   

下载链接:https://download.csdn.net/download/weixin_45892228/89125088

点击下载:上市公司高管技术背景数据整理Stata代码(2008-2022年 )技术高管技术董事技术监事

  • 3
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 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,具体的数据处理和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
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