企业过度负债程度

字段字典

• Symbol [证券代码] — 以交易所公布的六位数字证券代码为准。
• StkName [证券简称] — 上市公司证券简称，按年度匹配；无对应记录时为空。
• Year [年度] — 资产负债表的年末财务年度。
• Province [省份] — 公司档案登记的省份，静态注册地信息。
• City [城市] — 公司档案登记的城市，静态注册地信息。
• County [区县] — 公司档案登记的区县，静态注册地信息。
• ProvinceCode [省份代码] — 公司档案登记省份的行政区划代码。
• CityCode [城市代码] — 公司档案登记城市的六位行政区划代码。
• CountyCode [区县代码] — 公司档案登记区县的六位行政区划代码。
• IndustryName [行业名称] — 中上协行业分类名称，优先按公司当年行业记录匹配。
• IndustryCode [行业代码] — 中上协行业分类代码，优先按公司当年行业记录匹配。
• Lev [资产负债率] — 参考耿云江等（2025）的被解释变量口径，年末总负债除以年末总资产，比例值；仅保留总资产为正且比值在0至1的观察，否则缺失。
• SOELag [上年国有企业] — 对应耿云江等（2025）原式中的上年国企变量；本数据集取上年最新报告日实际控制人性质首代码以2开头取1，其他已知性质取0；同日国有与非国有性质冲突、性质全未知或年度不连续时缺失。
• ROALag [上年总资产收益率] — 对应耿云江等（2025）原式中的上年资产收益率；本数据集取上年净利润除以平均总资产的收益率，来自财务指标年报百分数除以100；非连续上年缺失。
• IndlevbLag [上年行业负债率中位数] — 对应耿云江等（2025）原式中的上年行业负债中位数；本数据集取上年同中上协行业组合法资产负债率中位数，比例值；制造业代码取前两字符，其他行业取首字母。
• GrowthLag [上年资产增长率] — 对应耿云江等（2025）原式中的上年资产增长率；本数据集取上年总资产相对再上一年的严格逐年增长率；两期资产须为正且年度连续，否则缺失。
• PPELag [上年固定资产比率] — 对应耿云江等（2025）原式中的上年固定资产比率；本数据集取上年年末固定资产净值除以总资产，比例值；分母非正或上年缺失则缺失。
• SizeLag [上年企业规模] — 对应耿云江等（2025）原式中的上年规模；本数据集取上年年末总资产的自然对数；金额沿用资产负债表原币值单位。
• Top1Lag [上年第一大股东持股比例] — 对应耿云江等（2025）原式中的上年第一大股东持股比例；本数据集取上年第四季度前十大股东中最大持股比例，百分数除以100；无年末记录不以其他季度补齐。
• TargetLev [预测目标负债率] — 参考耿云江等（2025）年度×行业Tobit原式，以七项上年变量预测的潜在目标负债率；0/1双界、解释变量全样本1%缩尾及每组至少10家为本数据集操作化，估计失败缺失。
• Exlev [企业过度负债程度] — 参考耿云江等（2025）原式，实际资产负债率减年度行业Tobit预测目标负债率，比例值；正值为相对过度负债，负值保留；任一构件或估计缺失则缺失。
• IsExlevPositive [过度负债指示] — 参考耿云江等（2025）稳健性二元量，过度负债程度按12位小数消除机器精度残差后大于0取1，否则取0；核心量缺失时保持缺失。
• Exlev2 [行业中位数负债偏离] — 参考耿云江等（2025）稳健性量，实际负债率减当年同中上协行业组合法负债率中位数；比例值，可在核心回归缺失时单独有效。
• EstGroupN [估计组样本数] — 成功估计目标负债率的年度×行业组完整候选公司年数量；无法估计时缺失。

常见问题

「企业过度负债程度」是什么数据集？

企业过度负债程度，隶属资本结构。参考耿云江等（2025）的研究，衡量企业实际负债率偏离合理目标的程度。

该数据集的时间范围是？

覆盖 1990-2025 年。

包含哪些变量/指标？

共 24 个变量。核心指标包括：资产负债率、上年国有企业、上年总资产收益率、上年行业负债率中位数、上年资产增长率、上年固定资产比率、上年企业规模、上年第一大股东持股比例、预测目标负债率、企业过度负债程度、过度负债指示、行业中位数负债偏离、估计组样本数。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 96,548 条观测。

数据是如何测算/获取的？

指标定义与计算方法 企业过度负债程度衡量公司实际债务水平相对其同年度、同行业预测目标水平的偏离。参考耿云江、苗小雨、刘妍（2025）的做法，先预测目标资产负债率，再从实际资产负债率中扣除预测值。结果保留正负号：正值表示实际负债率高于预测目标，负值表示低于目标。 以公司 $i$ 在年度 $t$ 的第四季度资产负债表为观测单位，定义资产负债率： $$ Lev{it}=\frac{TotalLiab{it}}{TotalAssets{it}}. $$ 总资产须为正，且实际比率在0至1之间；条件不符时该年度的 $Lev$ 缺失。输出保留所有可得公司年，包括金融企业、ST/PT和早期年度，不用原文回归样本的行业及年份筛选替代测算全样本。 按照原文的七项上年解释变量，在每个年度与行业组内估计： $$ Lev{it}=\alpha0+\alpha1SOE{i,t-1}+\alpha2ROA{i,t-1} +\alpha3Indlevb{i,t-1}+\alpha4Growth{i,t-1} +\alpha5PPE{i,t-1}+\alpha6Size{i,t-1} +\alpha7Top1{i,t-1}+\varepsilon{it}. $$ $SOE$ 是实际控制人性质为国有的0/1变量；$ROA$ 为净利润与平均总资产之比；$Indlevb$ 为同行业合法资产负债率中位数；$Growth$ 为总资产相对严格上一年的增长率；$PPE$ 为固定资产净值除以总资产；$Size$ 为总资产自然对数；$Top1$ 为年末第一大股东持股比例。收益率与持股比例在输入源以百分数表示，参与回归前均除以100。所有七项变量严格滞后一年，资产增长率因此还需要再上一年资产。年度不连续、必要来源缺失或分母非正时，相关变量留空。 行业按照公司当年中上协行业分类的动态代码分组：制造业代码保留前两字符，其他行业保留首字母。各年行业中位数从该组全部合法 $Lev$ 计算，再作为企业下一年的解释变量。第一大股东持股比例只取上年第四季度前十大股东明细的最大比例，不用较早季度填补。国有性质取上年最新报告日的实际控制人代码；该日同时存在国有和非国有代码，或全部为未知代码时，保持缺失，不按原始行顺序选择一条记录。 在七项解释变量与 $Lev$ 均有效的完整候选池，对连续解释变量分别进行全样本1%和99%双侧缩尾，仅用于模型拟合。按年度×行业组估计双界为0、1的正态 Tobit；每组至少有10个完整候选公司年。用 Tobit 的潜在变量线性预测值 $xb$ 定义目标负债率，组内不满足条件或优化失败时不输出目标值。核心指标为： $$ Exlev{it}=Lev{it}-\widehat{Lev}^{}{it}. $$ 原始 $Lev$ 与 $Exlev$ 不在生产面板缩尾。潜在预测 $xb$ 不受0至1的观测边界截断，个别预测目标可小于0或大于1。它是估计模型的潜在拟合值，不等同于实际可能观察到的资产负债率。 另提供原文使用的两种稳健性测量： $$ IsExlevPositive{it}=\mathbf 1(Exlev{it}0),\qquad Exlev2{it}=Lev{it}-Median(Lev{jt}:j\in Industry{it},Yeart). $$ 二元量判定前将核心残差按12位小数处理，以消除精确拟合时机器误差导致的正负号翻转；核心连续值本身不取整。二元量随核心值缺失；行业中位数偏离量可在核心回归缺失的公司年单独有效。EstGroupN 记录成功估计的年度行业组完整候选数，供检查估计支持度。 补充说明 - 原文使用2012证监会行业分类，本数据集采用现有动态中上协行业代码；原文未公开 Tobit 审查边界、预测口径、组失败处理及缩尾顺序，本文上述选择是可复算的操作化，不能宣称数值与作者原样本完全一致。 - 原始控制人表并列披露与股权控制链推算口径，同日报告可能给出相反国有性质；本数据集保留这种冲突为缺失。早年年末股东明细也有空缺，故某些年度与行业无法估计。金融企业虽保留在全样本中，核心有效覆盖较低；缺失不以0或其他季度替代。 - 地区字段来自现有公司档案，证券简称与行业背景优先按年度匹配。背景字段是研究者使用辅助信息，不改变核心测算的缺失规则。 参考文献 [1]耿云江,苗小雨,刘妍.机构共同持股与企业过度负债[J].会计研究,2025,(5):78-91.

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。