董事会非正式层级(PCA-基尼系数法)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [股票简称] — 股票简称
• Year [年份] — 财务年度
• Province [省份] — 公司注册所在省份
• ProvinceCode [省份代码] — 省份行政区划代码
• City [城市] — 公司注册所在城市
• CityCode [城市代码] — 城市行政区划代码
• County [区县] — 公司注册所在区县
• CountyCode [区县代码] — 区县行政区划代码
• IndustryCode [行业代码] — 中上协行业分类代码
• IndustryName [行业名称] — 中上协行业分类名称
• Hierarchy [非正式层级清晰度] — 参考陈仕华&张瑞彬(2020,管理世界)的方法，计算公式为：Gini=2*cov(y,r_i)/(N*y_bar)，其中y为董事地位指数(基于兼职数、媒体关注度、政治关联三维度PCA合成)，r_i为董事在董事会中的排名，N为董事会规模，y_bar为地位指数均值。取值范围[0,1]，越大代表董事会非正式层级越清晰
• BoardSize [董事会规模] — 董事会中董事、独立董事和董事长的总人数。单位：人
• AvgConcurrentSeats [平均兼职数] — 参考He & Huang(2011,AMJ)的方法，计算公式为：董事会所有董事在其他公司兼任董事数量的平均值。单位：个
• PoliticalDirRatio [政治关联董事比例] — 参考王凤荣等(2011,山东大学学报(哲学社会科学版))的方法，计算公式为：有政府/人大/政协等政治背景的董事人数/董事会总人数。单位：比例
• AvgMediaAttention [平均媒体关注度] — 参考Jiang et al.(2015,JFQA)的方法，计算公式为：董事会所有董事在6大主流媒体年度正面及中性报道数的平均值。单位：篇
• StatusSD [地位得分标准差] — 董事综合地位PCA得分在董事会内部的标准差，越大代表董事间地位差异越大

常见问题

「董事会非正式层级(PCA-基尼系数法)」是什么数据集？

董事会非正式层级(PCA-基尼系数法)，隶属董监高数据。衡量董事会内部基于个人地位差异形成的非正式权力结构的清晰程度。

该数据集的时间范围是？

覆盖 1999-2025 年。

包含哪些变量/指标？

共 17 个变量。核心指标包括：非正式层级清晰度、董事会规模、平均兼职数、政治关联董事比例、平均媒体关注度、地位得分标准差。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

数据频率和层级是怎样的？

频率为年度，上市公司层级。

样本量有多大？

约 77,213 条观测。

数据是如何测算/获取的？

指标定义与计算方法 董事会非正式层级清晰度是基于预期地位理论构建的指标，用于衡量董事会内部基于董事个人地位差异而形成的非正式权力结构的清晰程度。清晰的非正式层级有助于减少决策冲突、提高沟通效率。其核心计算思路是：首先，从多个维度综合评估每位董事在董事会中的地位；其次，基于所有董事的地位分布，计算一个反映地位不平等程度的集中度指数，该指数越高，表明董事会内部的非正式层级越清晰。 董事个人地位通过三个维度衡量：兼职数、媒体关注度和政治关联。其中，董事的兼职数参考He & Huang(2011)的方法，计算为每位董事在其他公司兼任的董事席位数量。媒体关注度参考Jiang et al.(2015)的方法，计算为每位董事在年度内于主流媒体获得的正面及中性新闻报道数量。政治关联参考武立东等(2016)的方法，定义为董事是否具有政府、人大或政协等政治背景。对于每个董事会，计算其平均兼职数($AvgConcurrentSeats$)、平均媒体关注度($AvgMediaAttention$)以及拥有政治关联的董事比例($PoliticalDirRatio$)。 在计算非正式层级清晰度指标前，需先合成每位董事的综合地位得分。采用主成分分析法(PCA)对上述三个维度的原始数据进行降维处理，提取第一主成分作为董事的地位指数($yi$)。董事会内部地位指数的差异可通过其标准差($StatusSD$)来观察，该值越大表明董事间地位差异越大。 最终，董事会非正式层级清晰度($Hierarchy$)参考陈仕华&张瑞彬(2020)的方法，采用基尼系数(Gini coefficient)来度量。其计算公式为： $$ Hierarchy = Gini = \frac{2 \times \operatorname{cov}(y, r)}{N \times \bar{y}} $$ 其中，$y$为董事会内所有董事的地位指数向量，$ri$为将董事按地位指数$yi$从低到高排序后所获得的排名（即$yi$最小的董事$ri=1$，次小者$ri=2$，以此类推），$N$为董事会规模($BoardSize$)，即董事、独立董事和董事长的总人数，$\bar{y}$为地位指数的均值。该指标取值范围为[0, 1]，值越大表明董事会内部的非正式层级越清晰。 补充说明 - 董事样本包括董事会中的董事、独立董事及董事长。 - 在计算基尼系数时，要求董事会规模($N$)至少大于1。 参考文献 [1]陈仕华,张瑞彬.董事会非正式层级对董事异议的影响[J].管理世界,2020,36(10):95-111. [2]柳学信,曹成梓,孔晓旭.董事会非正式层级对企业ESG表现的影响[J].中国流通经济,2024,38(3):104-114. [3]He J, Huang Z. Board informal hierarchy and firm financial performance: Exploring a tacit structure guiding boardroom interactions[J]. Academy of Management Journal, 2011, 54(6): 1119-1139. [4]Jiang F, Zhu B, Huang J. CEO’s financial experience and earnings management[J]. Journal of Multinational Financial Management, 2015, 33: 37-60. [5]王凤荣,任萌,张富森.政府干预、治理环境与公司控制权市场的有效性——基于地方国有上市公司并购的经验证据[J].山东大学学报(哲学社会科学版),2011,(2):77-85.

如何获取该数据集？

通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。