劳动力投资效率(Jung模型)
「劳动力投资效率(Jung模型)」，覆盖 2007-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 53,951。 衡量企业在劳动力资源配置上的非效率程度。
| 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 | 53,951 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 股票代码
- StkName [证券简称] — 证券简称
- 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
- NetHiring [净雇员变动率] — 参考Jung, Lee & Weber (2014, 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，衡量劳动力投资力度
- ExpectedHiring [预期正常雇员变动] — 参考Jung, Lee & Weber (2014, TAR)的方法，基于年度截面回归的预测值，控制变量包括销售增长、滞后销售增长、ROA、股票收益率、规模、速动比率、杠杆、亏损虚拟变量和行业固定效应。单位：比例
- AbnormalHiring [异常雇员变动] — 参考Jung, Lee & Weber (2014, TAR)和孟庆斌等 (2019, 管理世界)的方法，计算公式为：实际净雇员变动-预期变动(回归残差)，正值表示过度雇佣，负值表示雇佣不足
- OverHiring [是否过度雇佣(0=否,1=是)] — 参考Jung, Lee & Weber (2014, TAR)的方法，当异常雇员变动为正时取1，表示劳动力投资过度(0=否，1=是)
- UnderHiring [是否雇佣不足(0=否,1=是)] — 参考Jung, Lee & Weber (2014, TAR)的方法，当异常雇员变动为负时取1，表示劳动力投资不足(0=否，1=是)
- LaborEfficiency [劳动力投资效率] — 参考Jung, Lee & Weber (2014, TAR)的方法，计算公式为：-|异常雇员变动|，值越大(越接近0)劳动力投资效率越高
常见问题
- 「劳动力投资效率(Jung模型)」是什么数据集？
- 劳动力投资效率(Jung模型)，隶属经营绩效。衡量企业在劳动力资源配置上的非效率程度。
- 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：净雇员变动率、预期正常雇员变动、异常雇员变动、是否过度雇佣(0=否,1=是)、是否雇佣不足(0=否,1=是)、劳动力投资效率。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 53,951 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集基于Jung et al. (2014)的模型，旨在衡量中国上市公司的劳动力投资效率。其核心思想是，公司的劳动力投资决策（即雇员数量的变动）应与其经济基本面相适应。通过构建一个预期正常雇员变动的模型，将实际雇员变动与预期值进行比较，其残差（即异常雇员变动）反映了公司在劳动力资源配置上的非效率程度。正值表示过度雇佣，负值表示雇佣不足。最终，劳动力投资效率指标通过取异常雇员变动绝对值的负数来构建，该值越大（越接近零），表明劳动力投资效率越高。 首先，计算公司的净雇员变动率（$NetHiring$），作为衡量劳动力投资力度的基础变量。计算公式为： $$NetHiring = \frac{Empt - Emp{t-1}}{Emp{t-1}}$$ 其中$Empt$为当年员工总数，$Emp{t-1}$为上年员工总数。 其次，为了估计预期正常雇员变动（$ExpectedHiring$），参考Jung et al. (2014)和孟庆斌等 (2019)的方法，在每年对所有公司进行截面回归。回归模型控制了影响劳动力需求的多个基本面因素，包括销售增长、滞后一期的销售增长、总资产收益率（$ROA$）、股票年度收益率、公司规模、速动比率、资产负债率（杠杆）、是否亏损的虚拟变量，并控制了按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）分组的行业固定效应。该回归的拟合值即为$ExpectedHiring$。 然后，计算异常雇员变动（$AbnormalHiring$），它等于实际净雇员变动率减去预期正常雇员变动率，即回归模型的残差： $$AbnormalHiring = NetHiring - ExpectedHiring$$ 根据$AbnormalHiring$的符号，可以定义两个二元指示变量：当$AbnormalHiring 0$时，$OverHiring$取值为1，表示存在过度雇佣；否则为0。当$AbnormalHiring < 0$时，$UnderHiring$取值为1，表示存在雇佣不足；否则为0。 最后，构建核心的劳动力投资效率指标（$LaborEfficiency$）。该指标定义为异常雇员变动绝对值的负数： $$LaborEfficiency = -|AbnormalHiring|$$ 该值越大（即越接近零），表明公司的实际雇员变动越接近其经济基本面所决定的预期水平，劳动力投资效率越高。 补充说明 - 用于估计预期正常雇员变动的年度截面回归，要求每年至少有10个观测值。 - 在计算净雇员变动率及后续指标前，对连续变量在1%和99%分位数上进行了缩尾处理，以减轻极端值的影响。 参考文献 - Jung B, Lee W J, Weber D P. Financial reporting quality and labor investment efficiency[J]. Contemporary Accounting Research, 2014, 31(4): 1047-1076. - 孟庆斌, 李昕宇, 张鹏. 员工持股计划能够促进企业创新吗?——基于企业员工视角的经验证据[J]. 管理世界, 2019, 35(11): 209-228.
- 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。