劳动投资效率(Pinnuck-Lillis法)
「劳动投资效率(Pinnuck-Lillis法)」，覆盖 2007-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 52,948。 衡量企业在劳动力资源配置上的有效性。
| 时间跨度 | 2007-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 17 |
| 样本量 | 52,948 |
| 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 [股票简称] — 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(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- 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
- NetHire [净雇佣变动率] — 参考Pinnuck & Lillis (2007, TAR)的方法，计算公式为：(当年员工总数 - 上年员工总数) / 上年员工总数
- ExpNetHire [预期净雇佣变动率] — 参考Pinnuck & Lillis (2007, TAR)的方法，通过完整16变量年度截面回归(含SalesGrowth/ROA/dROA/Ret/R_Size/Quick/dQuick/Lev/Lossbin1-5/行业固定效应)的拟合值
- AbnNetHire [异常净雇佣] — 参考Pinnuck & Lillis (2007, TAR)的方法，计算公式为：实际净雇佣变动率减去模型预期值(回归残差)，用作研究变量，正值代表过度雇佣，负值代表雇佣不足
- Abresid [劳动投资非效率] — 参考Pinnuck & Lillis (2007, TAR)和卜君(2020, 经济管理)的方法，计算公式为：|异常净雇佣|(回归残差绝对值)，用作研究变量，越大代表劳动投资效率越低
- IsOverhire [是否过度雇佣] — 是否过度雇佣(0=否，1=是)，参考Pinnuck & Lillis (2007, TAR)的方法，当异常净雇佣>0时取1
- IsUnderhire [是否雇佣不足] — 是否雇佣不足(0=否，1=是)，参考Pinnuck & Lillis (2007, TAR)的方法，当异常净雇佣<0时取1
常见问题
- 「劳动投资效率(Pinnuck-Lillis法)」是什么数据集？
- 劳动投资效率(Pinnuck-Lillis法)，隶属经营绩效。衡量企业在劳动力资源配置上的有效性。
- 该数据集的时间范围是？
- 覆盖 2007-2025 年。
- 包含哪些变量/指标？
- 共 17 个变量。核心指标包括：净雇佣变动率、预期净雇佣变动率、异常净雇佣、劳动投资非效率、是否过度雇佣、是否雇佣不足。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 52,948 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 劳动投资效率衡量的是企业在劳动力资源配置上的有效性。当企业实际雇佣的员工数量偏离其基于经济基本面（如盈利能力、增长机会、财务状况等）的预期最优水平时，便产生了劳动投资非效率。这种偏离可能表现为过度雇佣（实际雇员数高于预期）或雇佣不足（实际雇员数低于预期）。本数据集参考Pinnuck & Lillis (2007) 和卜君、孙光国 (2020) 的方法，采用包含16个变量的完整截面回归模型来估计企业的预期雇员变动，并以实际变动与预期变动的偏离（残差绝对值）来度量劳动投资非效率。 首先，计算企业的实际净雇佣变动率（$NetHire$），定义为当年员工总数（$Empt$）与上年员工总数（$Emp{t-1}$）的差额除以上年员工总数： $$NetHire = \frac{Empt - Emp{t-1}}{Emp{t-1}}$$ 其次，为估计预期净雇佣变动率（$ExpNetHire$），采用Pinnuck & Lillis (2007) 的完整模型，在每年对所有公司进行截面回归。回归模型包含以下解释变量：销售收入增长率（$SalesGrowth$）、总资产收益率（$ROA$）、总资产收益率变动（$\Delta ROA$）、股票年度回报率（$Ret$）、公司规模百分位排名（$R\Size$）、速动比率（$Quick$）、速动比率变动（$\Delta Quick$）、资产负债率（$Lev$）、以及五个基于亏损程度的哑变量（$Lossbin1$ 至 $Lossbin5$），并控制按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）的行业固定效应。该回归的拟合值即为$ExpNetHire$。 然后，计算异常净雇佣（$AbnNetHire$），即实际变动与预期变动的差值，也即回归模型的残差： $$AbnNetHire = NetHire - ExpNetHire$$ $AbnNetHire$大于0表示过度雇佣，小于0表示雇佣不足。 最后，计算核心指标劳动投资非效率（$Abresid$），定义为异常净雇佣的绝对值： $$Abresid = |AbnNetHire|$$ 该值越大，表明企业的劳动投资效率越低。基于$AbnNetHire$的正负，还衍生出两个二元标识变量：$IsOverhire$（当$AbnNetHire 0$时取值为1，否则为0）和$IsUnderhire$（当$AbnNetHire < 0$时取值为1，否则为0），分别用于识别过度雇佣和雇佣不足的情形。 补充说明 - 用于年度截面回归的样本需满足连续两年员工总数数据可得的条件。 - 在估计预期净雇佣变动率的年度截面回归中，对所有连续变量在1%和99%分位数上进行缩尾处理，以减轻极端值的影响。 参考文献 [1]Pinnuck M, Lillis A M. Profits versus losses: Does reporting an accounting loss act as a heuristic trigger to exercise the abandonment option and divest employees?[J]. The Accounting Review, 2007, 82(4): 1031-1053. [2]卜君,孙光国.环境不确定性会影响企业劳动投资效率吗?[J].经济管理,2020,42(3):171-186.
- 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。