独立董事行业专长(Qwen大模型标注)
「独立董事行业专长(Qwen大模型标注)」，覆盖 2004-2025 年，频率 年度，上市公司层级，含 15 个变量，样本量约 68,071。 参考张斌和王跃堂(2014,会计研究)的方法，刻画上市公司董事会是否配置具有公司所在行业专长的独立董事。
| 时间跨度 | 2004-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 15 |
| 样本量 | 68,071 |
| 是否可合并 | 可与同主体数据集合并 |
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] — 财务年度(自然年)
- 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)
- NumIndDir [独立董事人数] — 公司当年独立董事总人数。用作研究中间变量，是行业专家型独立董事虚拟变量的计算基础。
- NumExpertIndDir [行业专家型独立董事人数] — 参考张斌和王跃堂(2014,会计研究)的方法，计算公式为：公司当年独立董事中具有公司所在行业相关的工作经历或学位/专业背景的人数。行业专长不含仅有会计、审计、法律、一般金融等通用职能背景者。用作研究中间变量，越大代表董事会中懂行的独立董事越多。
- IsIndDirIndustryExpert [是否聘请行业专家型独立董事] — 参考张斌和王跃堂(2014,会计研究)的方法(对应原文DEXP变量)，是否聘请行业专家型独立董事(0=否，1=是)，计算公式为：当行业专家型独立董事人数大于等于1时取1，否则取0。用作研究变量，越大代表董事会越倾向配置具有公司所在行业专长的独立董事。
- ExpertIndDirRatio [行业专家型独立董事占比] — 参考张斌和王跃堂(2014,会计研究)行业专长构念的稳健性度量，计算公式为：行业专家型独立董事人数除以独立董事人数。用作研究变量，越大代表董事会行业专长配置强度越高。
常见问题
- 「独立董事行业专长(Qwen大模型标注)」是什么数据集？
- 独立董事行业专长(Qwen大模型标注)，隶属董监高数据。参考张斌和王跃堂(2014,会计研究)的方法，刻画上市公司董事会是否配置具有公司所在行业专长的独立董事。
- 该数据集的时间范围是？
- 覆盖 2004-2025 年。
- 包含哪些变量/指标？
- 共 15 个变量。核心指标包括：独立董事人数、行业专家型独立董事人数、是否聘请行业专家型独立董事、行业专家型独立董事占比。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 68,071 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 独立董事行业专长刻画的是上市公司董事会中是否配置了"懂行"的独立董事。已有研究指出，独立董事的监督有效性不仅取决于其独立性，更取决于其对公司主营业务的专业理解：当独立董事在公司所在行业拥有实际的从业经历或专业训练时，其更有能力识别经营风险、参与战略决策并向市场释放公司特质信息。本指标参考张斌和王跃堂 (2014) 的做法，从董事会的专业背景维度刻画这一治理特征。 指标的核心是行业专家型独立董事的认定。对每一位独立董事，依据其本人的工作任职经历与所学专业、学位、研究领域进行判断：当其在公司所在行业拥有相关的从业经历（如曾在该行业的企业或行业主管部门长期担任管理、技术或业务职务），或拥有与该行业直接相关的专业或学位背景（如电子与通信工程之于电子设备制造、药学与生物医药之于医药制造、计算机与软件之于软件和信息技术、化学与化工之于化工、土木与建筑之于建筑及房地产）时，认定其具有行业专长。需要强调的是，行业专长不同于通用职能背景：仅具备会计、审计、法律、一般财务、一般金融投资、证券或一般工商管理等通用专业，而与公司所在行业无直接关联者，不计为行业专家——这类通用专业人士是独立董事的常见构成，但其专长并非针对特定行业。判定时仅考察独立董事本人的从业与求学经历，不将其在其他公司兼任董监事的情况计入。 在董事个体认定的基础上，构造公司层面的核心变量。记公司 $t$ 年独立董事人数为 $\mathit{NumIndDir}$，其中被认定为行业专家的人数为 $\mathit{NumExpertIndDir}$。行业专家型独立董事虚拟变量定义为 $$\mathit{DEXP}{i,t}=\begin{cases}1, & \mathit{NumExpertIndDir}{i,t}\geq 1\\[2pt] 0, & \mathit{NumExpertIndDir}{i,t}=0\end{cases}$$ 即当公司至少聘请了一名行业专家型独立董事时取 1，否则取 0。在此之外，进一步给出行业专家型独立董事占比 $\mathit{ExpertIndDirRatio}=\mathit{NumExpertIndDir}/\mathit{NumIndDir}$，以连续的方式刻画董事会行业专长配置的强度，供稳健性分析使用。$\mathit{DEXP}$ 越大表明董事会越倾向于配置"懂行"的独立董事，对复杂经营环境下公司特质信息的释放与监督越为有利。 补充说明 样本自独立董事最近若干年主要工作经历开始系统披露的年度起算。公司所在行业采用按年度动态匹配的行业大类，以反映企业历史上发生的行业变更。覆盖全部行业的上市公司，不剔除金融业子样，研究者可按研究需要自行筛选。 行业专长的认定本质上是对独立董事简历文本与公司经营范围的语义判断。为在大样本上一致地复现这一判断，按"独立董事—公司所在行业大类"配对进行去重判定（同一人对同一行业的从业与求学背景为稳定事实，不随年份变化），再将认定结果映射回各公司—年观测。这一去重以独立董事行业专长作为稳定的职业属性为前提，与逐年逐份阅读年报的原始做法相比，在个别任期较长的独立董事上可能存在小幅的时序差异，但因行业专长本身不随年份改变，其影响有限。对于公司—年内存在独立董事背景资料缺失、无法判定其是否具有行业专长的情形，遵循原始研究将其作为无效样本处理：若该公司当年已能确认至少一名行业专家型独立董事，则"至少一名"的条件已经成立，$\mathit{DEXP}$ 取 1；若未能确认任何行业专家且存在无法判定的独立董事，则该观测的 $\mathit{DEXP}$ 与占比记为缺失。 需要提示的是，$\mathit{DEXP}$ 的缺失并非完全随机，相对集中于董事会规模较小、简历披露较为稀疏的公司（多为较晚上市的企业）。研究者在以 $\mathit{DEXP}$ 作为变量时需考虑这一选择性；如需完整覆盖的样本，可改用行业专家型独立董事人数作为替代度量。 参考文献 - 张斌,王跃堂.业务复杂度、独立董事行业专长与股价同步性[J].会计研究,2014(7):36-42.
- 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。