数据分享

上市公司内控信息披露指数2018 内部控制信息披露指数2018年数据

样例：

附送2016-2017年

市场资讯数据 股吧舆情投资者情绪统计数据2010-2019

1、计算说明

（1）运用以下模型（预期核心收益模型）进行分年度分行业回归

      （2）回归得到的残差即为未预期的核心利润（UNCE）

   变量说明：

• CE是核心利润 =（营业收入－营业成本－销售费用－管理费用＋固定资产折旧、油气资产折耗、生产性生物资产折旧＋无形资产摊销＋长期待摊费用本年摊销）/ 营业收入
• CEt-1是滞后一期的核心利润
• ATO是净经营资产周转率 = 第 t 期营业收入/第 t 期平均净经营资产，其中净经营资产NOA＝期末经营资产－期末经营负债＝（资产合计－货币资金－交易性金融资产－应收利息－可供出售金融资产－持有至到期投资）－（负债合计－短期借款－交易性金融负债－应付利息－长期借款－应付债券）
• ACCRUALS是应计利润 =（营业利润 + 财务费用－公允价值变动净收益－投资收益－经营现金净流量）/ 营业收入
• ACCRUALSt-1 是滞后一期的应计利润
• ∆SALE是营业收入增长率
• Neg_∆SALE是当∆SALE小于0，值与∆SALE相同，当∆SALE大于0是，值为0

2、数据说明

• 原始数据格式为：dta格式（1990-2018年）
• 代码格式：do文件（Stata14/15），用低版本出现乱码，但还是可以用记事本打开，有详细的注释，包含数据处理过程
• 本文选取2000—2018年沪深两市的A股上市公司为研究对象，使用的数据均来源于国泰安CSMAR数据库。（因为是分年度分行业回归，所以需要哪几年的结果可以直接使用）
• 行业包含以2012年的证监会行业标准，制造业使用二级分类，其他行业使用大类，本文剔除金融行业，如果不需要可以把对应代码删掉即可
• 剔除了行业观察值小于10（具体可以根据需要调整）的样本，以便有效估计。
• 字段包含是否ST、PT的虚拟变量（以当年是否ST、PT为判断标准），本文剔除ST、PT类股票，如果不需要可以把对应代码删掉即可
• 对连续变量进行缩尾处理

3、附件内容

常用模型代码整理

使用示例数据
内容丰富，代码有注释（Stata14或以上版本）
主要做的内容有：
1、OLS模型
2、Heckman两阶段模型（第一步使用Probit回归模型，利用此阶段的回归结果计算逆米尔斯比（IMR），利用第一阶段计算出来的IMR带入第二阶段进行回归）
3、PSM+DID模型（使用逐步回归法得到PSM匹配所用到的匹配变量，匹配方法选择最近邻法1:1 有放回匹配）
4、固定效应模型（xtreg命令的使用）
5、中介效应模型（sgmediation命令的使用，附件中有sgmediation.ado的命令包）

除此之外可以学到
1、如何使用esttab输出命令结果
2、如何输出行业和年份虚拟变量的结果
3、回归结果如何经过公司层面cluster调整
4、如何计算同行业其他公司的均值
5、得到标星的相关系数矩阵（pwcorr_a，附件中有pwcorr_a.ado的命令包）
6、使用winsor2进行缩尾处理

部分结果截图

描述性统计

相关系数矩阵

OLS回归结果

Heckman两步法回归结果

PSM匹配

PSM+DID回归结果

固定效应模型结果

中介效应结果

样本选取：2008年1月到2017年12月
数据来源：国泰安数据库（整理成dta格式）
代码：Stata14或15
无风险利率采用一年期定期存款利率

数据具体筛选标准

25个基准组合构建

32个基准组合构建

市场因子Rm-Rf、规模因子SMB、价值因子HML、利润因子RMW和投资因子CMA的构建

以上只是简要截图说明，详细可以看参考文献，文献有做的实证分析都有（代码也有详细说明）

结果的话整理了表格（共11个），基本上可以直接使用，或者根据自己需要调整
以下为部分表格截图

所有的表格在Excel有设置快速整理的公式，方便快捷

附件内容：

Mishkin检验 Stata代码

(迭代广义非线性最小二乘法)

1、计算说明

预测方程

价值方程

其中：
EARNt+1  表示t+1年的会计盈余，EARN=（净利润＋财务费用）/期初总资产
SARt+1表示t+1年股票的超额回报，是对单个股票市场回报进行规模调整计算出来的超额收益
CFOt表示t年的现金流量，CFO=经营性现金流量净额／期初总资产
DAt表示t年的操纵性应计，DA是使用修正琼斯模型估计的应计操纵性利润
NDAt表示t年的非操纵性应计，NDA是修正琼斯模型估计的预测值

2、数据说明

示例数据为2009-2017年数据

3、附件内容

结果展示

参考文献：媒体关注的治理效应及其治理机制研究（权小锋）

Richardson预期投资模型计算投资效率

1、计算说明

      对以上Richardson模型进行OLS得到的残差来衡量投资效率，残差大于0表示过度投资，且值越大，过度投资程度越大，残差小于0表示投资不足，且值越小，过度不足程度越大。通常最后构建三个变量：投资效率INV（残差绝对值），过度投资Over_INV（残差绝对值，残差大于0的样本），投资不足Under_INV（残差绝对值，残差小于0的样本）

    变量说明：

•    表示ｉ公司 t 期的投资支出，具体定义为现金流量表中的构建固定资产、无形资产和其他长期资产所支付的现金加上购买子公司及其他营业单位所支付的现金减去处置子公司及其他营业单位所收到的现金，并用年初总资产进行标准化处理
•  表示公司ｉ在 t-1 期的成长性水平，定义为主营业务收入增长率
•  表示公司ｉ在 t-1 期的规模，定义为公司年末总资产的自然对数
•  表示公司 i 在 t-1 期的资产负债率，定义为公司年末总负债除以年末总资产
•  表示公司 i 在 t-1 期的现金持有水平，定义公司货币资金和短期投资之和除以年末总资产
•  表示公司ｉ在 t-1 期的上市年龄，定义为当前年度减去公司的上市年度加上1的自然对数
•    表示公司ｉ在 t-1 期的年度超额回报率，定义为考虑现金红利再投资年度回报率减去综合A股市场年度回报率（流通市值加权）
•  表示ｉ公司 t -1期的投资支出
•  表示行业虚拟变量，以证监会2012行业标准，除了制造业用二级行业分类，其余行业用一级分类
•  表示年份虚拟变量

2、数据说明

• 原始数据格式为：excel格式/dta格式（1990-2018年），包括从国泰安上下载下来未整理的数据（资产负债表、现金流量表、发展能力）以供验证数据真实性
• 代码格式：do文件（Stata14/15），用低版本出现乱码，但还是可以用记事本打开，有详细的注释，包含原始数据处理过程的代码供参考
• 本文选取2000—2018年沪深两市的A股上市公司为研究对象，使用的数据均来源于国泰安CSMAR数据库。
• 本文剔除金融行业，如果不需要可以把对应代码删掉即可。
• 字段包含是否ST、PT的虚拟变量（以当年是否ST、P图为判断标准），本文剔除ST、PT类股票，如果不需要可以把对应代码删掉即可。
• 对连续变量进行Winsorize（缩尾）处理，小于1%分位数与大于99%分位数的变量，令其分别等于1%分位数和99%分位数

3、结果展示

如果年份不一样的话，修改131行的年份重新运行计算出结果
具体的筛选标准和数据处理方法不一致也会导致计算出结果不一样

4、附件内容

Stata计算企业生命周期

      采用销售收入增长率、留存收益率、资本支出率及企业年龄综合得分划分企业生命周期 ；并根据我国上市企业已经度过初创期的实际情况，在考虑行业之间存在差异的情况下，把企业生命周期划分为三个阶段：成长期、成熟期及衰退期。

具体操作

     
      1、按照销售收入增长率、留存收益率、资本支出率及企业年龄分别进行排名，其中销售收入增长率和资本支出率是按从高到低排序，留存收益率和企业年龄是按照从低到高排名，然后进行赋值，并对每个样本公司的总得分。

      2、把总样本分行业进行由大到小排序，其中每一行业样本都按照总得分大小分成三部分，得分最高的约 1/3 部分为成长期的企业，得分最低的约1/3 部分为衰退期的企业，中间一部分为成熟期企业。 最后把各行业的分类结果汇总，即得到所有上市公司企业生命周期的样本分类结果。

注：为尽量降低企业生命周期不同阶段的划分偏差，在进行企业生命周期不同阶段划分时，采用的样本为剔除指标不健全公
司后的全部上市公司，而后分别按行业进行打分排序，同时等分为成长期、成熟期与衰退期三个阶段。
建议：一般是所有相关数据都找齐之后并剔除缺失值之后再开始划分企业生命周期。


数据说明：数据均来自国泰安数据库，资本支出率使用资本支出除以期初总资产来计算
其他行业使用一级分类，制造业使用二级分类

附件内容

合成控制法SCM案例–包含稳健性检验/安慰剂检验

synth命令详解

安装命令

使用命令

在使用synth命令必须先使用tsset或xtset声明下是面板数据集
譬如使用smoking.dta的话是 tsset state year 或xtset state year
注意state只能是数字，不能是文字

加州禁烟法案案例

以smoking.dta（加州禁烟法案）为例

在没有使用合成控制法的时候加州和其他州的人均香烟消费量的时间趋势图

画处理效应的时间趋势图

安慰剂检验

Abadie et al. (2010)提出一种类似于统计学中的中秩检验(Rank Test)的排列检验(Permutation Test)，叫做“安慰剂检验”。 “安慰剂”(placebo)一词来自医学上的随机实验，比如要检验某种新药的疗效。此时，可将参加实验的人群随机分为两组，其中一组为实验组，服用真药;而另一组为控制组，服用安慰剂(比如，无用的糖丸)，并且不让参与者知道自己服用的究竟是真药还是安慰剂，以避免由于主观心理作用而影响实验效果，称为“安慰剂效应”(placebo effect)。

只保留干预前MSPE不超过处理地区干预前MSPE两倍的控制地区，如果干预前的拟合效果不理想，即使政策后期得到的较大的预测变量差值也不能反映政策的效果。（本例中是使用2倍以内，具体MSPE要筛选多少可以在代码中进行修改）本例中总共筛选了19个州
未筛选的代码中也有输出，这里就不展示了

包含两个处理组的案例（房产税试点）

示例数据

处理地区分别为上海和重庆
房产税政策开始时间为2011年
部分结果展示

重庆结果

上海结果

安慰剂检验
（只保留干预前MSPE不超过处理地区干预前MSPE两倍的控制地区，不包括其他干预组）

重庆

上海

附件内容

企业风险承担Stata计算代码

1、计算说明

      用企业盈利的波动性衡量风险承担水平。ROA为企业相应年度的税息折旧及摊销前利润（EBITDA）与当年末资产总额的比率。计算波动性时，先对企业每一年的ROA采用行业平均值进行调整，然后计算企业在每一观测时段内经行业调整的ROA的标准差和极差。

公式如下：

      N=3取值为3，由于我国上市公司的高管任期一般为三年，所以这里以每三年为一个观测时段（T,T+1,T+2）以每三年（t年至t+2年）作为一个观测时段，分别滚动计算经行业调整后的Roa（ADJ_ROA）的标准差和极差，以此考察管理者的在任情况并计算企业的风险承担水平。

i代表企业, n代表在观测时段内的年度，取值1到3。X代表某行业的企业总数量,，k代表该行业的第k家企业。

2、参考文献

CEO复合型职业经历_企业风险承担与企业价值_何瑛

3、数据说明

• 数据来源于国泰安数据库
• 原始数据为dta格式（Stata14版） 计算结果有excel格式的
• 数据范围：沪深A股
• EBITDA来自国泰安盈利能力表中的“息税折旧摊销前收入”字段
• ASSET来自国泰安资产负债表中的“资产总计”字段
• 行业以证监会2012年标准，并且制造业使用二级分类，其他行业使用大类
• 剔除数据：剔除金融行业（根据需求修改）和剔除缺失值
• 代码优化，有更详细的代码注释

4、附件下载