企业就业稳定性

字段字典

• Symbol [证券代码] — 以交易所公布的证券代码为准,6位数字
• StkName [证券简称] — 上市公司证券简称
• Year [年度] — 统计年度
• Province [省份] — 公司注册地所在省份
• City [城市] — 公司注册地所在城市
• County [区县] — 公司注册地所在区县
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)
• IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)
• TotalEmployees [期末在职员工人数] — 年度明细中整体在职合计或范围可核的专业合计，单位为人；重复同值只取一个，候选冲突时缺失。无整体在职合计候选时，专业合计等于母公司人数且不能证实子公司人数为零，则缺失。
• PriorYearEmployees [上年期末在职员工人数] — 计算公式为：N(t−1)，严格匹配上一自然年度在职人数，缺年、缺失不向前跨年取值；单位为人。
• TotalAssets [期末总资产] — 年度合并报表期末总资产，单位为元，非正值保留缺失；保留真实公司报表类型的共同字段。
• FixedAssetRatio [固定资产占总资产比率] — 参考董直庆、陈琦(2025,统计研究)的方法，计算公式为：期末固定资产／期末总资产，按小数表示，总资产非正或源字段缺失时缺失。
• NetAssetGrowth [净资产增长率] — 参考董直庆、陈琦(2025,统计研究)的方法，计算公式为：(本年合并含少数股东权益净资产−上年同口径净资产)／上年净资产，小数表示；上年净资产非正或缺失时缺失，不使用绝对值分母。
• RevenueGrowth [营业收入增长率] — 参考董直庆、陈琦(2025,统计研究)的方法，计算公式为：(本年营业收入−上年营业收入)／上年营业收入，小数表示；上年收入非正或缺失时缺失。
• LogEmployees [期末在职员工人数自然对数] — 参考董直庆、陈琦(2025,统计研究)的方法，计算公式为：ln(期末在职员工人数)，人数需严格为正；零或缺失时缺失，未指数反变换。
• IsEmployeeConflict [是否存在员工人数候选冲突] — 是否存在员工人数候选冲突(0=否，1=是)，计算公式为：1(同一公司年度存在两个以上不同有效人数)。1时人数与相关指标保留缺失；0不能证明统计范围完全可比。
• EmployeeGrowth [雇员增长率（未调整退休）] — 参考董直庆、陈琦(2025,统计研究)的方法，计算公式为：(本年在职人数−上年在职人数)／上年在职人数，小数表示；上年人数需正值且相邻自然年。本实现采用未剔除正常退休的净人数变化近似，受主动离职、招聘、退休、重组及统计范围变化影响。用作研究变量，越大代表报告人数净扩张越强。
• OptimalEmployeeLog [最优员工规模（对数拟合值）] — 参考董直庆、陈琦(2025,统计研究)的方法，计算公式为：ln(N)=常数+总资产×系数+固定资产比率×系数+净资产增长率×系数+营业收入增长率×系数+企业固定效应+年份固定效应；取含两类固定效应的全拟合值，单位为自然对数。完整可得面板估计，连续输入按年度1%与99%缩尾，总资产仅等比例缩放，不额外取对数；年度扩充全量重估。用作研究变量，越大代表预测就业规模越高，不是人数或新增就业。

常见问题

「企业就业稳定性」是什么数据集？

企业就业稳定性，隶属经营绩效。参考董直庆、陈琦(2025,统计研究)的方法，利用未调整退休的净在职人数增长和企业、年份双固定效应对数拟合值衡量就业吸纳；全行业原始样本，源人数冲突及范围不可核

该数据集的时间范围是？

覆盖 2006-2025 年。

包含哪些变量/指标？

共 21 个变量。核心指标包括：期末在职员工人数、上年期末在职员工人数、期末总资产、固定资产占总资产比率、净资产增长率、营业收入增长率、期末在职员工人数自然对数、是否存在员工人数候选冲突、雇员增长率（未调整退休）、最优员工规模（对数拟合值）。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 61,221 条观测。

数据是如何测算/获取的？

指标定义与计算方法 本数据集参考董直庆、陈琦（2025）的研究，从雇员增长和最优员工规模两个方面衡量企业就业稳定性。雇员增长率反映企业报告在职人数的净扩张或净收缩，最优员工规模反映企业经济基本面和个体特征所对应的预测就业规模。两个指标分别提供，不合成为一个综合指数。 首先，整理企业年度在职员工人数。记企业$i$在第$t$年年末的在职员工总数为$N{it}$，统一以人为单位。根据年度披露的整体在职人数合计确定员工规模；没有整体合计时，以专业结构合计作为人数代理，并结合披露的母、子公司人数排除可识别的统计范围问题。同一企业年度重复披露的相同人数只保留一个数值，不在报告或分类之间累加。 第一项指标为雇员增长率（EmployeeGrowth），计算公式为： $$ \mathrm{EmployeeGrowth}{it}=\frac{N{it}-N{i,t-1}}{N{i,t-1}}. $$ 其中，$N{i,t-1}$为上一自然年年末的在职员工人数。指标以小数表示，例如0.10表示人数比上年增加10%；正值表示净扩张，负值表示净收缩，零表示人数不变。本指标采用未调整正常退休的报告在职人数净变化，因此人数变动也包含主动离职、退休、招聘及企业合并范围变化的影响。上一年人数非正、人数缺失或年份不相邻时，增长率记为缺失。 第二项指标为最优员工规模（OptimalEmployeeLog）。参考该文式（3），以在职员工人数的自然对数为被解释变量，建立企业劳动力需求的双向固定效应模型： $$ \begin{aligned} \ln N{it}={}&\alpha+\beta1 A{it}+\beta2 F{it}\\ &+\beta3 G^E{it}+\beta4 G^R{it}+\mui+\lambdat+\varepsilon{it}. \end{aligned} $$ 其中，$A{it}$为企业年末总资产，使用资产金额的水平值；$F{it}$为固定资产占总资产的比率；$G^E{it}$为净资产增长率；$G^R{it}$为营业收入增长率；$\mui$与$\lambdat$分别表示企业固定效应和年份固定效应，$\varepsilon{it}$为误差项。财务变量取自年度合并报表，净资产采用包含少数股东权益的合并所有者权益。记固定资产、净资产及营业收入分别为$FA{it}$、$E{it}$和$R{it}$，三个解释变量的计算公式为： $$ F{it}=\frac{FA{it}}{A{it}},\qquad G^E{it}=\frac{E{it}-E{i,t-1}}{E{i,t-1}},\qquad G^R{it}=\frac{R{it}-R{i,t-1}}{R{i,t-1}}. $$ 固定资产比率要求总资产为正；两项财务增长率分别要求上一自然年的净资产或营业收入为正，分母非正或必要数据缺失时相应变量记为缺失。员工人数为零时，不计算人数对数，也不进入模型估计。 模型使用上述变量均可得的全部企业年度观测，进行一次联合面板估计，并同时控制企业和年份固定效应。估计前，在完整估计样本内，将人数对数和四个连续解释变量分别按年度的1%与99%线性分位数进行缩尾，降低极端值的影响。总资产保持水平值，不另取对数。 最优员工规模取模型包含两类固定效应的完整拟合值： $$ \mathrm{OptimalEmployeeLog}{it}=\widehat{\ln N{it}}. $$ 该指标的单位为人数的自然对数，数值越大，表示模型所预测的就业规模越高。拟合值保留在对数尺度上，不转换为员工人数，也不表示新增就业量。数据同时提供当年及上年员工人数、总资产、固定资产比率、两项财务增长率和人数对数，便于核对计算过程。 补充说明 - 同一企业年度存在不同的有效人数候选时，员工人数记为缺失，并通过人数冲突标记识别。没有整体在职合计候选，且专业合计仅等于母公司人数、不能确认子公司人数为零时，该年度员工人数也记为缺失；未披露不按零处理。 - 雇员增长率和财务增长率均严格匹配上一自然年，不跨越缺年取滞后值。最优员工规模使用全部可得的完整观测构成的面板估计，新增年度后重新估计模型，历史拟合值可能随样本更新发生变化。 - 原始数据覆盖各行业、板块及可得年度，保留未缩尾的雇员增长率和中间变量；模型估计中的缩尾仅作用于回归输入。Stata成品另提供剔除ST/PT与金融业及剔除后按年度1%和99%缩尾的版本。 参考文献 [1]董直庆,陈琦.政策干预存在就业稳定器效应吗？——人工智能情境和上市公司证据[J].统计研究,2025,42(1):114-128.DOI:10.19343/j.cnki.11-1302/c.2025.01.009.

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。