杠杆操纵(XLT-LEVM法)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [股票简称] — 公司简称
• Year [年份] — 财务年度
• 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
• LEVB [账面杠杆率] — 账面总负债/账面总资产，保留未经最终缩尾的披露值。单位：比例。
• LEVM [杠杆操纵程度-预测模型法] — 许晓芳等(2020)式(1)：(总负债+表外负债+名股实债)/(总资产+表外负债)-总负债/总资产。正常周转率和利息率按年度行业Tobit估计；名股实债不增加分母。缺项保留缺失。单位：比例。
• LEVM_I [杠杆操纵程度-行业中位数法] — 许晓芳等(2020)式(1)中位数版。周转率采用行业年度中位数，利息率采用同注册省份同行业同年度中位数，不跨地区回退；名股实债不增加分母。缺项保留缺失。单位：比例。
• ExpLEVM [扩展杠杆操纵-直接法-预测模型] — 许晓芳等(2020)式(7)：(总负债+表外负债+名股实债)/(总资产+表外负债-当年异常折旧调整-当年异常研发资本化调整)-账面杠杆率。债务正常值按年度行业Tobit；研发投入与资本化金额直接取当年年报披露，无50%调整上限，分母非正或缺项留缺失。单位：比例。
• ExpLEVM_I [扩展杠杆操纵-直接法-行业中位数] — 许晓芳等(2020)式(7)中位数版。周转率为行业年度中位数，利息率为注册省份行业年度中位数；扣当年异常折旧与研发资本化调整，不累计、不设50%上限，缺项留缺失。单位：比例。
• ExpLEVMI [扩展杠杆操纵-间接法-预测模型] — 许晓芳等(2020)式(12)(13)：(总负债+表外负债+名股实债)/(总资产+表外负债-DA)-账面杠杆率。DA为四个标准化Jones变量1%/99%缩尾后行业年度无截距回归的残差乘原始上年末资产的金额，不再乘资产、不累计；缺项留缺失。单位：比例。
• ExpLEVMI_I [扩展杠杆操纵-间接法-行业中位数] — 许晓芳等(2020)式(12)中位数版。债务周转率为行业年度中位数，利息率为注册省份行业年度中位数；分母扣当年金额口径DA，无50%上限。分母非正或缺项留缺失。单位：比例。
• DEBT_OB [表外负债估计值] — 许晓芳等(2020)式(3)：max(0,营业收入/正常资产周转率-总资产)。正常值按年度行业Tobit估计，必须为正；失败、控制变量缺失时不回退、不补零。单位：元。
• DEBT_NSRD [名股实债估计值] — 许晓芳等(2020)式(5)(6)：max(0,利息支出-正常利息率×年末有息负债)/正常利息率。有息负债与利息缺失不补零；仅二者明确为零时记零。单位：元。

常见问题

「杠杆操纵(XLT-LEVM法)」是什么数据集？

杠杆操纵(XLT-LEVM法)，隶属资本结构。依据许晓芳等(2020)XLT-LEVM原式，以还原后的杠杆率减账面杠杆率测度非金融A股公司的杠杆操纵。

该数据集的时间范围是？

覆盖 2003-2025 年。

包含哪些变量/指标？

共 20 个变量。核心指标包括：账面杠杆率、杠杆操纵程度-预测模型法、杠杆操纵程度-行业中位数法、扩展杠杆操纵-直接法-预测模型、扩展杠杆操纵-直接法-行业中位数、扩展杠杆操纵-间接法-预测模型、扩展杠杆操纵-间接法-行业中位数、表外负债估计值、名股实债估计值。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 56,787 条观测。

数据是如何测算/获取的？

指标定义与计算方法 杠杆操纵是企业通过表外负债、名股实债或会计处理掩盖真实杠杆水平的行为。本数据集依据许晓芳、陆正飞、汤泰劼（2020）的XLT-LEVM法，以还原后的杠杆率与账面杠杆率之差衡量操纵程度，提供预期模型和中位数两类估计，以及基本法、扩展直接法和扩展间接法六种指标。 设账面总资产为$A$、账面总负债为$B$，账面杠杆率为$LEVB=B/A$；表外负债估计值为$OB$，名股实债估计值为$NSRD$。表外负债对应等额未入表资产，因此同时增加资产和负债；名股实债是将已入表的权益还原为负债，只增加负债，不增加总资产。基本法严格采用原文式（1）： $$LEVM=\frac{B+OB+NSRD}{A+OB}-\frac{B}{A}$$ 表外负债与名股实债还原 预期模型法按年度、行业分别估计原文式（2）和式（4）的Tobit模型，采用零左删失设定和潜变量线性预测值。无删失观测的分组，其正态似然解与普通最小二乘一致；删失组采用Tobit最大似然。模型失败或样本不足时保留缺失，不改用全年模型或其他行业的模型。 总资产周转率$T=营业收入/A$的解释变量为账面杠杆率、总资产自然对数、销售利润率、国有控股标志、第一大股东持股比例、营业收入增长率、公司收入占行业收入比例、非执行董事占比。销售利润率为利润总额除以营业收入；增长率比较连续的上一年度。非执行董事口径为外部董事中扣除独立董事的人数占董事总人数。 有息负债利息率$IR=利息支出/D$的解释变量为账面杠杆率、规模、经营现金流与总资产之比、国有控股标志、ROA、收入增长率、市场份额、有形资产比例、筹资需求、流动比率、上市年限和银行借款比例。ROA采用营业利润除以总资产；筹资需求依据原文脚注的“差异”表述，以经营现金净流量减投资现金净流量除以总资产小于零判为一。流动比率为流动资产除以流动负债，银行借款比例为短期与长期借款之和除以总资产。有息负债$D$采用年末有息负债披露金额；利息支出采用利润表单列金额，缺失时使用本期合并报表财务费用明细的人民币利息支出，同期冲突的明细不任意择值。财务费用净额不能替代利息支出。 对严格为正的正常周转率$T^$和正常利息率$IR^$，按照原文式（3）、（5）、（6）还原： $$OB=\max\left(0,\frac{营业收入}{T^}-A\right)$$ $$NSRD=\frac{\max(0,利息支出-IR^D)}{IR^}$$ 中位数法以同行业、同年度公司的周转率中位数替代$T^$，以同省份、同行业、同年度公司的利息率中位数替代$IR^$，其余还原公式相同，所得基本指标为$LEVM\I$。利息率不跨省回退；正常利息率或周转率缺失、非正时，对应还原项保留缺失。只有有息负债和利息均明确为零时，名股实债渠道记零。 扩展直接法 异常折旧率为同行业、同年度折旧率中位数减公司折旧率的正值部分；异常研发资本化率为公司资本化率超过同行业、同年度中位数的部分。依据式（8）至（11）： $$DM=\max(0,行业年度折旧率中位数-公司折旧率)\times 期末固定资产账面金额$$ $$RDM=\max(0,公司研发资本化率-行业年度中位数)\times 当年研发支出总额$$ 依据式（7），$ExpLEVM=(B+OB+NSRD)/(A+OB-DM-RDM)-B/A$；使用中位数还原债务时记为$ExpLEVM\I$。折旧率操作化为年度折旧除以固定资产原值；研发资本化率为当年资本化研发投入除以当年研发投入总额。研发金额直接取年报研发投入表，不使用开发支出余额净增加作为当期资本化投入代理。读取时要求本报告年度为首列、单位明确，并检查资本化不大于总投入及披露费用化金额时的合计勾稽；冲突、无法绑定本年金额或材料缺失时不计算研发调整。只有总投入和资本化金额均明确披露为零时，研发调整记零；不可得的折旧或研发信息不默认为无操纵。 扩展间接法 依据原文式（13），以总应计利润（净利润减经营现金净流量）除以上年末资产为因变量，对上年末资产倒数、营业收入变动减应收账款变动后除以上年末资产、期末固定资产除以上年末资产，按行业年度进行无截距回归。依据原文测度样本的连续变量缩尾要求，对这四个标准化变量分别在全样本1%和99%分位缩尾后估计模型，用训练模型的残差乘原始上年末总资产得到金额口径的操控性应计$DA$；不在缩尾模型上改用原始变量残差。原文未逐项交代Jones缩尾对象和处理顺序，此次序为明确实现约定。依据式（12）： $$ExpLEVMI=\frac{B+OB+NSRD}{A+OB-DA}-\frac{B}{A}$$ 中位数债务还原版本为$ExpLEVMI\I$。$DA$已经是金额，分母直接扣除$DA$，不再乘一次总资产。上述直接、间接调整均采用原文当年操作式，不跨年加总；原文关于操纵累加性的概念不等于其公式给出了跨年累计估计。 样本、数据处理与方法边界 样本为有可得年度财务披露的非金融A股公司，覆盖可得板块与年份；保留ST公司并另提供剔除ST/PT与金融业版本。按原文排除年初、年末均有有息负债但当年利息为零，以及当年有利息但年末无有息负债的异常观测。行业采用动态中上协分类，制造业取代码前两位，其他行业取门类首位；地区操作化为公司注册省份。原文实证样本年份未作为本数据集固定起止范围。 模型连续输入在全样本1%和99%分位缩尾，账面杠杆和金额还原保留原始披露值；原始成品没有再次缩尾，研究版在剔除样本后按年度对数值指标进行1%和99%缩尾。回归控制变量、债务还原或会计调整缺失时保持缺失；三个最终式均不对会计调整施加原文未规定的50%上限，调整后分母非正时不计算指标。 论文未具体交代行业分类版本、地区层级、Tobit删失界限、最小回归样本数及折旧率分母。上述CAPCO、省份、零左删失和折旧原值分母是明确的实现约定；每个回归组至少十五家且观测多于自由参数是可估计性规则。年末董事名册没有独立的外部董事身份标志，本实现将董事中剔除独立董事、本公司经理层及明确执行董事后的人数作为非执行董事人数。该职务识别与论文“外部董事扣独立董事”概念不能保证逐人完全一致；缺少名册时不以独立董事比例替代。注册地历史变更信息不全，缺年度行业时行业工具采用该公司最近可得行业；这些来源限制应在跨期研究中考虑。 研发原件按公司年度排除摘要及取消报告，优先最新披露日期的全文，再优先修订版。研发表必须自身具有可绑定的年度列和金额单位，不跨研发章节或新表标题沿用上一个费用表的信息。年报排版和文本提取差异可能造成表格无法识别，这属于真实材料与识别覆盖限制，不以缺失金额为零扩充覆盖。 本指标是基于财务异常的估计，不代表逐笔核实隐性融资。零值不证明无操纵，负值可来自反向会计调整、估计误差，或原式应用于账面负债大于资产的公司；不将这些原式结果强制截为零。名股实债相关利息在不同会计准则和披露制度下可能以不同科目呈现，跨时期可比性及材料缺失应如实考虑。 参考文献 [1]许晓芳,陆正飞,汤泰劼.我国上市公司杠杆操纵的手段、测度与诱因研究[J].管理科学学报,2020,23(7):1-26. [2]Dechow P M,Sloan R G,Sweeney A P. Detecting earnings management[J]. The Accounting Review,1995,70(2):193-225.

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。