董事网络中心性(Freeman中心性)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [股票简称] — 根据NameChange动态匹配的当年股票简称
• Year [年份] — 会计年度
• 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
• DegreeCentrality [度中心性] — 参考Larcker, So & Wang (2013, JAE)和Freeman (1979)的方法，计算公式为：节点v的连接数deg(v)除以网络中其余节点数(N-1)，衡量公司通过连锁董事直接连接的其他公司比例。用作研究变量，越大代表公司在董事网络中直接联系越广泛。单位：比例
• BetweennessCentrality [中介中心性] — 参考Larcker, So & Wang (2013, JAE)和Freeman (1979)的方法，计算公式为：经过节点v的最短路径数占所有节点对最短路径总数的比例，标准化分母为(N-1)(N-2)/2。衡量公司在网络中作为信息中介的程度。用作研究变量，越大代表公司越处于信息传递的关键桥梁位置。单位：比例
• ClosenessCentrality [接近中心性] — 参考Larcker, So & Wang (2013, JAE)和Freeman (1979)的方法，计算公式为：(N-1)除以节点v到所有可达节点的最短路径长度之和，采用Wasserman & Faust (1994)对不连通图的标准化处理。衡量公司获取网络信息的速度。用作研究变量，越大代表公司在网络中信息到达效率越高
• EigenvectorCentrality [特征向量中心性] — 参考Larcker, So & Wang (2013, JAE)和Bonacich (1972)的方法，计算公式为：邻接矩阵最大特征值对应的特征向量分量。在最大连通分量内计算，非最大连通分量节点赋0。衡量公司连接重要公司的程度。用作研究变量，越大代表公司连接的对象本身也是网络中的重要节点
• StructuralHoleConstraint [结构洞约束度] — 参考Burt (1992)结构洞理论，计算公式为：对每个邻居j，计算直接比例p_ij加上所有间接路径比例之和的平方，再对所有邻居求和。其中p_ij=1/deg(i)。值域[0,1.125]。用作研究变量，越大代表公司受到的网络约束越强、结构洞越少、社会资本越低。单位：比例
• StructuralHoleEfficiency [结构洞效率] — 参考Burt (1992)结构洞理论，计算公式为：有效规模除以度数，有效规模=deg(v)-邻居间冗余连接比例之和。衡量公司网络连接中非冗余比例。用作研究变量，越大代表公司的网络连接越高效、冗余越少。单位：比例
• NetworkNScore [网络中心性综合评分] — 参考Larcker, So & Wang (2013, JAE)的方法，计算公式为：在每年的横截面中，将度中心性、中介中心性、接近中心性和特征向量中心性分别按五分位排名(1-5)，然后取四个排名的算术平均值并四舍五入取整。值域[1,5]。用作研究变量，越大代表公司在董事网络中的综合中心度越高
• InMaxComponent [是否在最大连通分量中] — 是否位于当年董事网络的最大连通分量中(0=否，1=是)，最大连通分量是网络中相互可达的最大子图
• ComponentSize [所在连通分量大小] — 公司所在连通分量包含的节点(公司)数量，无连锁董事的公司为0。单位：个
• NetworkSize [网络总节点数] — 当年连锁董事网络中的公司总数，即至少有一名董事在其他公司兼任的公司数。单位：个

常见问题

「董事网络中心性(Freeman中心性)」是什么数据集？

董事网络中心性(Freeman中心性)，隶属董监高数据。衡量上市公司在连锁董事网络中的中心性地位与影响力。

该数据集的时间范围是？

覆盖 1999-2025 年。

包含哪些变量/指标？

共 21 个变量。核心指标包括：度中心性、中介中心性、接近中心性、特征向量中心性、结构洞约束度、结构洞效率、网络中心性综合评分、是否在最大连通分量中、所在连通分量大小、网络总节点数。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 78,865 条观测。

数据是如何测算/获取的？

指标定义与计算方法 董事网络中心性指标用于衡量上市公司通过连锁董事关系构建的社会网络中的位置与影响力。连锁董事指同时在两家或以上公司董事会任职的董事，由此形成的公司间网络是信息、资源和社会资本传递的重要渠道。本数据集基于年度连锁董事网络，计算了多种经典的社会网络中心性指标，以刻画公司在网络中的直接连接广度、信息中介能力、信息获取效率、连接对象的重要性以及网络结构特征。 首先，构建年度无向网络，节点为当年至少有一名董事在其他公司兼任的上市公司，若两家公司至少共享一名董事，则它们之间存在一条边。网络规模$N$为当年网络中的公司总数（即NetworkSize）。对于网络中的每个公司节点$v$，其度数$deg(v)$表示与其直接相连的其他公司数量。基于此，计算标准化度中心性$DegreeCentrality = deg(v) / (N-1)$，衡量公司直接连接范围的相对广度。 其次，计算基于最短路径的中心性指标。中介中心性$BetweennessCentrality$衡量节点作为信息传递桥梁的程度，其计算公式为： $$BetweennessCentrality = \frac{2 \sum{s \neq v \neq t} \frac{\sigma{st}(v)}{\sigma{st}}}{(N-1)(N-2)}$$ 其中$\sigma{st}$是节点$s$到节点$t$的最短路径总数，$\sigma{st}(v)$是这些路径中经过节点$v$的数量。接近中心性$ClosenessCentrality$衡量节点获取网络信息的效率，其计算公式为$ClosenessCentrality = (N-1) / \sum{u \neq v} d(v, u)$，其中$d(v, u)$是节点$v$到节点$u$的最短路径长度。对于不连通网络，采用Wasserman & Faust (1994)的标准化处理，分母仅考虑可达节点。 特征向量中心性$EigenvectorCentrality$不仅考虑连接数量，更强调连接对象的重要性，其值由邻接矩阵的最大特征值对应的特征向量给出。该指标仅在网络的最大连通分量内计算，非最大连通分量内的节点赋值为0。InMaxComponent标识节点是否位于最大连通分量中，ComponentSize记录节点所在连通分量的大小。 此外，基于Burt (1992)的结构洞理论，计算了结构洞约束度$StructuralHoleConstraint$和结构洞效率$StructuralHoleEfficiency$。约束度$Ci$衡量节点$i$在网络中受到邻居节点的限制程度，计算公式为$Ci = \sum{j} (p{ij} + \sum{q \neq i,j} p{iq} p{qj})^2$，其中$p{ij} = z{ij} / \sum{q} z{iq}$，$z{ij}$是节点$i$与$j$的连接强度（此处为二元连接）。约束度越高，表明节点拥有的结构洞越少，社会资本越低。结构洞效率则衡量节点网络连接的非冗余程度，计算公式为$Efficiencyi = EffectiveSizei / deg(i)$，其中有效规模$EffectiveSizei = deg(i) - \sum{j} \sum{q \neq i} p{iq} m{jq}$，$m{jq}$是节点$j$与$q$之间的边际强度。 最后，参考Larcker, So & Wang (2013)的方法，构建网络中心性综合评分$NetworkNScore$。在每年的横截面上，将度中心性、中介中心性、接近中心性和特征向量中心性四个指标分别按五分位进行排名（1至5分），然后取这四个排名的算术平均值并四舍五入取整，得到一个取值在1到5之间的综合评分，分值越高代表公司在董事网络中的综合中心地位越强。 补充说明 - 网络构建与指标计算基于每年至少有一名董事在其他上市公司兼任的所有A股公司。 - 特征向量中心性仅在最大连通分量内计算，不在最大连通分量内的公司该指标值为0。 - 对于接近中心性，若网络不连通，则采用Wasserman & Faust (1994)的方法，分母为节点到所有可达节点的最短距离之和。 参考文献 - Burt R S. Structural holes: The social structure of competition[M]. Cambridge, MA: Harvard University Press, 1992. - Freeman L C. Centrality in social networks: Conceptual clarification[J]. Social Networks, 1979, 1(3): 215-239. - Larcker D F, So E C, Wang C C Y. Boardroom centrality and firm performance[J]. Journal of Accounting and Economics, 2013, 55(2-3): 225-250. - Wasserman S, Faust K. Social network analysis: Methods and applications[M]. Cambridge: Cambridge University Press, 1994. - 陈运森, 谢德仁. 网络位置、独立董事治理与投资效率[J]. 管理世界, 2011(7): 113-127.

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。