高管智力资本

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [证券简称] — 上市公司证券简称
• Year [年份] — 会计年度
• Province [省份] — 公司注册地所在省份
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• City [城市] — 公司注册地所在城市
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• County [区县] — 公司注册地所在区县
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• 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)
• 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)
• TMTSize [高管团队人数] — 计算公式为：当年在任的董事长、董事与高管的去重人数，同一人兼任多个职务只计一次。
• TechTitleCount [具专业技术职称高管人数] — 计算公式为：高管团队中披露了专业技术职称或专业技术资格认证的人数，同一人兼任多职只计一次。
• TechPositionCount [具技术岗位经历高管人数] — 计算公式为：高管团队中简历显示曾任技术研发部门岗位、技术领导职务、技术部门管理岗或科研院所研究岗的人数，同一人兼任多职只计一次。
• TechIdentityCount [具专业技术身份高管人数] — 参考王淏、王锋 (2026, 财会通讯)的方法，计算公式为：披露专业技术职称或专业技术资格认证的高管人数与简历显示具有技术研发岗位工作经历的高管人数取并集，即两项满足其一即计入。
• ExecIntellectualCapital [高管智力资本] — 参考王淏、王锋 (2026, 财会通讯)的方法，计算公式为：当年具备专业技术身份的高管人数除以高管团队总人数。高管团队指当年在任的董事长、董事与高管；具备专业技术身份指该高管披露了专业技术职称或专业技术资格认证，或其简历显示具有技术研发岗位工作经历，两者满足其一即可。用作研究变量，越大代表高管团队的智力资本水平越高。
• IsExecIntellectualCapital [是否具备高管智力资本] — 是否具备高管智力资本(0=否，1=是)，参考王淏、王锋 (2026, 财会通讯)的方法，计算公式为：当年高管团队中存在至少一名具备专业技术身份的高管时取1，否则取0。该字段对应原文的二元变量形态；在高管团队层面取值为1的比例较高，横截面区分度弱于占比口径。
• ExecIntellectualCapitalNarrow [高管智力资本(理工农医类窄口径)] — 高管智力资本的理工农医类窄口径，计算公式为：具备理工农医类专业技术职称或技术研发岗位工作经历的高管人数除以高管团队总人数。理工农医类职称计工程师、研究员、技师、农艺师、畜牧师、兽医师、医师、药师、建筑师、建造师、实验师、工艺师、程序员、技术员、系统分析师、造价师、计量师、地质师、机械师、检验师、工业设计师等自然科学、工程、农业与卫生技术系列，不计会计师、经济师、律师、教师等其他专业技术职称系列。用作稳健性检验变量，越大代表高管团队的专长越集中于理工农医领域。
• IsChairmanIntellectualCapital [董事长是否具专业技术身份] — 董事长是否具备专业技术身份(0=否，1=是)，计算公式为：当年在任董事长披露了专业技术职称或专业技术资格认证，或其简历显示具有技术研发岗位工作经历时取1，否则取0。无董事长在任记录的公司年度该字段为缺失值。用作个人层面的稳健性检验变量。

常见问题

「高管智力资本」是什么数据集？

高管智力资本，隶属董监高数据。以高管团队的专业技术身份度量高管智力资本。

该数据集的时间范围是？

覆盖 2004-2025 年。

包含哪些变量/指标？

共 19 个变量。核心指标包括：高管团队人数、具专业技术职称高管人数、具技术岗位经历高管人数、具专业技术身份高管人数、高管智力资本、是否具备高管智力资本、高管智力资本(理工农医类窄口径)、董事长是否具专业技术身份。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 74,020 条观测。

数据是如何测算/获取的？

指标定义与计算方法 企业高层管理团队所掌握的知识、技能与经验，构成企业最重要的无形资源之一。这类资源难以从财务报表中直接观测，实证研究通常借助高管可验证的身份特征加以刻画。本数据集刻画的高管智力资本，即以高管是否具备专业技术身份，作为其知识与技能存量的可观测标志。 判定一名高管是否具备专业技术身份，依据三项并列条件：是否持有专业技术资格认证，是否取得专业技术职称，以及是否具有相关技术岗位的工作经历。三者满足其一即认定该高管具备专业技术身份。这一并列设计的含义在于，技术能力既可能体现为经由职称评审体系确认的制度性身份，也可能体现为未必转化为职称、却确实积累于研发与技术管理实践中的经验，两条渠道都应被纳入。 高管团队的范围界定为当年在任的董事长、董事与高级管理人员，不含独立董事与监事会成员。同一人在同一年度兼任多个职务的只计一次，以免团队规模与技术人员数量同时被兼职结构放大。 职称与资格认证依据高管个人档案中的职称记录判定。该记录以中国专业技术职务任职资格制度为基础，涵盖工程、农业、卫生、经济、会计、统计、审计、教师、科研、新闻出版、翻译等系列，因此主口径只要求该记录存在，不再对职称内容作进一步区分；对职称内容逐项区分的做法留给后文的窄口径。技术岗位工作经历则依据高管个人简历判定，认定标准为该高管曾任职于技术研发部门、担任技术领导职务（如首席技术官、总工程师、研发总监）、担任技术部门管理岗位或科研院所研究岗位，或具备理工科学位且任职于技术密集型企业。需要指出的是，这一标准对仅持有工程技术类职称、但实际岗位为销售、财务或行政管理的高管判定为不具备技术岗位经历，较单纯的职称匹配更严格；由于三项条件为并列关系，此类高管仍会经职称一项被计入专业技术身份。 设第 $i$ 家企业第 $t$ 年的高管团队人数为 $N{it}$，团队中第 $j$ 名高管的专业技术身份为 $$Tech{ijt}=\max\left(Title{ijt},\ Position{ijt}\right)$$ 其中 $Title{ijt}$ 表示该高管是否具备专业技术职称或专业技术资格认证，$Position{ijt}$ 表示其是否具有技术岗位工作经历，两者均取 0 或 1。企业层面的高管智力资本定义为具备专业技术身份的高管在团队中所占的比例： $$EIC{it}=\frac{1}{N{it}}\sum{j=1}^{N{it}}Tech{ijt}$$ 该比例取值于 0 与 1 之间，越大表示高管团队中掌握专业技术知识的成员越集中。 原始文献将高管专业技术身份处理为 0-1 二元变量。本数据集保留这一形态，当团队中存在至少一名具备专业技术身份的高管时取 1，否则取 0，即 $IsEIC{it}=\mathbb{I}\left(\sum{j}Tech{ijt}0\right)$。需要说明的是，二元形态推广到团队层面后取值高度集中于 1，横截面区分度弱于比例形态，因此以比例指标作为主要度量，二元指标并列提供。 为便于稳健性检验，数据集另提供两项替代度量。其一是理工农医类窄口径：职称一侧仅计入自然科学、工程、农业与卫生技术系列，包括工程师、研究员、技师、农艺师、畜牧师、兽医师、医师、药师、建筑师、建造师、实验师、工艺师、程序员、技术员、系统分析师、造价师、计量师、地质师、机械师、检验师、工业设计师等，不计会计师、经济师、律师、教师等其他专业技术职称系列，再与技术岗位经历取并集后计算占比。该判定在职称拆分后逐项进行，并排除以技术级别作前缀、本体却属其他系列的写法，例如"研究员级高级会计师"的职称本体是会计师而非研究员，不计入技术职称。对于名称本身包含非技术职称字样的理工类资格，如系统分析师与信息系统项目管理师，则以白名单优先判定，避免被"分析师""管理师"的排除规则误判。其二是董事长个人口径，按同一判定规则考察当年在任董事长本人是否具备专业技术身份，取 0 或 1，用于在个人层面而非团队层面刻画同一构念。 需要特别提示的是，主口径与窄口径反映的构念强度不同。由于主口径只要求职称记录存在，其取值在相当程度上随企业披露职称信息的充分程度而变化；窄口径进一步要求职称本身属于理工农医系列，与独立构造的技术专家型董事比例之间的相关性明显更高。关注高管团队真实技术构成的研究，宜以窄口径作为主检验度量，以主口径作对照。 补充说明 - 样本口径：本数据集以 2004 年为起点，更早年度的高管名录与职称披露尚不完整，据其计算的团队占比不能反映真实的高管团队结构。除此之外不预先施加回归样本限制，金融业企业、被特别处理的公司与当年新上市的公司均予保留，使用者可按行业代码与上市日期自行筛选。 - 主体口径：原始文献正文将该变量定义在"高管"层面，而其变量定义表与结果解读处写作"实际控制人"，两处不一致。本数据集采用高管团队口径，依据是该文献的标题、研究假设与机制分析均围绕高管团队的知识、经验与创新能力展开。实际控制人口径经评估不可行：实际控制人没有结构化的职称记录，仅有披露段落的自由文本，其中记载职称的情形很少，据此构造的变量会把大量确实具备技术身份的控制人判为不具备。作为个人层面的替代，数据集提供董事长口径。 - 职称口径的宽窄：主口径将职称记录非空视为具备专业技术职称，这与中国职称制度的制度性含义一致，但也会把记录中少量非职称性质的荣誉头衔一并计入，使主口径相对宽松。主口径中判定为具备专业技术身份的高管，多数持有的是教师、经济、会计、法律等系列职称而非理工农医系列；窄口径不受此影响。窄口径一侧则采取从严认定，对少数跨领域含义模糊、或属技能操作而非研发技术的资格（如船长、飞行员、工艺美术师、技术工人等级以及泛称的设计师）不予计入，因而对技术身份的认定偏保守。两者可对照使用。 - 披露详尽度：这是使用本数据集时最需要注意的一点。主口径只要求职称记录存在，因此其横截面与时序差异在相当程度上由企业披露职称信息的充分程度驱动，而非仅由高管的真实技术构成驱动；企业某年开始完整填报职称，即可使指标出现跳升。相应地，主口径按企业规模呈现的递增梯度、国有与非国有企业之间的差异、以及行业间的高低排序，主要反映披露习惯而非技术构成，不宜作实质性解读；同期技术岗位经历一项在各规模组之间几乎持平。建议在回归中加入行业与年份固定效应，并把具专业技术职称的高管人数与高管团队人数之比作为披露率控制变量一并放入；对技术构成本身感兴趣时应改用窄口径。 - 末年可比性：第二职称来源在样本最末一年的姓名对齐率大幅低于此前年份，使该年的职称人数系统性偏低，指标随之下移。这是数据缺口而非真实变化，跨年比较时建议剔除末年或加入年度固定效应。同理，职称完全未披露的企业年占比在样本期内有明显漂移，指标的年度均值曲线与之镜像对应，其时序走势不宜直接解读为高管技术构成的变迁。 - 二元字段的适用范围：是否具备高管智力资本这一字段在团队层面绝大多数取值为一，且多数企业在整个样本期内恒为一，组内变异很小。它适合用于复现原始文献的变量设定，在含企业固定效应的模型中则基本不提供识别信息。 - 名册覆盖：少量企业年的高管名册人数不超过三人，比率分母偏小，取值会集中在少数几个离散水平；北京证券交易所与 B 股企业的名册人数明显低于主板，董事长口径的缺失也集中于这些板块以及规模较小的企业，属非随机缺失。按缺失删样本会带来规模选择偏差，建议按团队人数设下限后使用。 - 其他局限：高管简历按年度披露，但内容多为累计履历，"曾任技术岗位"这一标志对较早年度存在前视归因的可能，且同一人在不同年份之间存在少量标志翻转，属经典测量误差。本数据集的高管团队人数与技术岗位经历人数两列，与既有的高管团队技术背景数据集对应列取值相同，两者不应同时放入同一个回归。 参考文献 - 王淏,王锋.高管智力资本对企业韧性的影响研究[J].财会通讯,2026,(18):44-48.

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。