研发背景高管权力(Ke排名权力法)
「研发背景高管权力(Ke排名权力法)」，覆盖 2004-2025 年，频率 年度，上市公司层级，含 19 个变量，样本量约 75,144。 研发背景高管在高管团队中的相对权力。
| 时间跨度 | 2004-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 19 |
| 样本量 | 75,144 |
| 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] — 证券简称(按年度动态匹配当年名称)
- 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(按年度动态匹配)
- IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配)
- TMTSize [高管团队规模] — 参考张栋等(2021,中国工业经济)的方法,高管团队规模,计算公式为:当年年报披露的董事、监事及高级管理人员名单中的去重人数。
- RDExecCount [研发背景高管人数] — 参考张栋等(2021,中国工业经济)的方法,研发背景高管人数,计算公式为:当年高管团队中被识别为具有研发背景的高管人数。研发背景识别满足其一即可:现任职位为技术研发领导职务(总工程师/技术总监/首席技术官/研发总监/总设计师等),或简历显示具有资深技术研发领导经历且当年身份为高级管理人员或董事长。
- RDExecTMpowerSum [研发背景高管权力得分加总] — 参考张栋等(2021,中国工业经济)改进Ke et al.(2021)的方法,研发背景高管单高管权力得分之和,计算公式为:对所有研发背景高管求和TMpower,其中TMpower=1-(TMTrank-1)/(TMTsize-1),TMTrank为该高管在年报披露名单中的披露排名,排名第1得1分、末位得0分。该值为power的分子。姓氏拼音排序样本及高管团队规模小于2的样本该值为空。
- power [研发背景高管权力] — 参考张栋等(2021,中国工业经济)并改进Ke et al.(2021,Management Science)的方法,研发背景高管在高管团队中的相对权力,计算公式为:研发背景高管单高管权力得分之和除以全部高管权力得分之和(等于高管团队规模/2)进行量纲化,取值[0,1]。用作研究变量,越大代表研发背景高管在团队中相对权力越强。基于年报披露排名构建,故姓氏拼音排序样本(IsNameSorted=1)及团队规模小于2的样本置为空;底层名册排序自2008年起稳定,2004-2007年因年报多按姓氏排序该指标大面积缺失。
- officer [是否存在研发背景高管] — 参考张栋等(2021,中国工业经济)的方法,是否存在研发背景高管(0=否,1=是),当年高管团队中至少有1位研发背景高管时取1。用作研究变量。
- power4 [研发背景高管薪酬权力] — 参考张栋等(2021,中国工业经济)的方法,研发背景高管权力的薪酬替代测度,计算公式为:研发背景高管薪酬之和/高管团队薪酬总额。用作稳健性研究变量。
- power5 [研发背景高管薪酬相对权力] — 参考张栋等(2021,中国工业经济)的方法,研发背景高管权力的薪酬替代测度,计算公式为:研发背景高管薪酬之和/薪酬前三位高管薪酬之和。按原文口径分子为全部研发背景高管薪酬、分母仅为薪酬前三位高管薪酬之和,故当研发背景高管众多且薪酬较高时该比值可大于1。用作稳健性研究变量。
- IsNameSorted [是否姓氏拼音排序] — 是否为年报按高管姓氏拼音排序的公司样本(0=否,1=是),计算公式为:以年报披露名单顺序的姓氏首字拼音单调非降比例>=0.9且团队规模>=5判定。此类样本年报未按职务/权力排序,基于排名的power不适用并已置空;参考张栋等(2021)剔除以姓氏拼音或笔画排序公司样本的做法。
常见问题
- 「研发背景高管权力(Ke排名权力法)」是什么数据集？
- 研发背景高管权力(Ke排名权力法)，隶属董监高数据。研发背景高管在高管团队中的相对权力。
- 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：高管团队规模、研发背景高管人数、研发背景高管权力得分加总、研发背景高管权力、是否存在研发背景高管、研发背景高管薪酬权力、研发背景高管薪酬相对权力、是否姓氏拼音排序。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 75,144 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集刻画上市公司高管团队中"研发背景高管"在团队内部所掌握的相对权力，用于研究技术型高管对公司创新的影响。其核心思想源于高层梯队理论：高管团队的人员构成与权力结构会通过决策过程影响组织产出，因此仅识别"是否存在"研发背景高管尚不充分，还需度量这类高管在团队中的权力大小。指标构建忠实复现张栋、胡文龙、毛新述（2021）的方法，并以其改进的 Ke et al.(2021) 团队权力测度为基础。 高管团队的范围界定为公司当年年报披露的董事、监事及高级管理人员名单（去重至人）。研发背景高管的识别遵循"职位"与"简历"双重标准，满足其一即可：其一，现任职位属技术研发领导职务，如总工程师、技术总监、首席技术官、研发总监、总设计师、首席科学家、信息总监等；其二，个人简历显示其具有资深技术研发领导经历，且当年身份为高级管理人员或董事长。前者捕捉以技术职能任职的高管，后者捕捉技术出身、晋升至执行权力层的高管。 单个高管的权力得分依据其在年报披露名单中的排名确定。设某高管的披露排名为 $TMTrank$、当年高管团队规模为 $TMTsize$，则该高管的权力得分为 $$TMpower = 1 - \frac{TMTrank - 1}{TMTsize - 1}$$ 即排名第一者得 1 分、排名末位者得 0 分，居中者线性递减。年报披露名单通常按职务与权力高低排列（董事长居首、高级管理人员居后），因而排名可作为高管个体权力的代理。 在个体得分基础上，对全部研发背景高管的权力得分求和，并除以全部高管权力得分之和进行量纲化，得到核心变量 $$power = \frac{\sum{i \in R} TMpoweri}{\sum{j} TMpowerj}$$ 其中 $R$ 为研发背景高管集合。由于排名取自 $1$ 至 $TMTsize$，全部高管权力得分之和恒等于 $TMTsize/2$，故 $power$ 等价于研发背景高管权力得分之和除以 $TMTsize/2$，取值落于 $[0,1]$，数值越大表示研发背景高管在团队中相对权力越强。量纲化处理消除了团队规模差异以及多名研发背景高管并存所带来的测量误差。本数据集同时给出该核心变量的两个组成部件——高管团队规模 $TMTsize$ 与研发背景高管权力得分之和 $\sum{i \in R} TMpoweri$（即分子），以及研发背景高管人数，便于机制分析。 配套的二元变量 $officer$ 标识公司当年是否至少存在一位研发背景高管，用于刻画研发背景高管的"有无"。 作为稳健性替代测度，本数据集另提供两个基于薪酬的指标。$power4$ 以研发背景高管薪酬之和占高管团队薪酬总额的比例度量，$power5$ 以研发背景高管薪酬之和占薪酬前三位高管薪酬总额的比例度量。需要说明的是，$power5$ 的分子涵盖全部研发背景高管的薪酬、分母仅取薪酬前三位高管的薪酬之和，二者口径不对称，因此当研发背景高管人数较多且薪酬较高时该比值可大于 $1$；此为原始测度的固有特征，应作为连续度量而非有界份额使用。两项薪酬测度均为薪酬的零次齐次比率，与薪酬计量单位无关。 补充说明 由于 $power$ 依赖年报披露排名，对于年报按高管姓氏拼音或笔画排列的公司，排名无法反映权力高低。本数据集以披露名单姓氏首字拼音的单调非降比例识别此类样本（单调度不低于 $0.9$ 且团队规模不小于 $5$），以二元变量 $IsNameSorted$ 标记，并将其 $power$ 置为缺失，以复现原文剔除姓氏排序样本的做法。基础名册自 2008 年起稳定采用按职务排序的披露口径；2004—2007 年间相当比例的年报采用姓氏排序，故 $power$ 在该早期区间大面积缺失，使用面板数据时应以 2008 年及以后为可靠区间，而 $officer$、薪酬测度等不依赖排名的变量在全样本区间均有效。 识别口径采用职位与简历关键词匹配，属高精度策略：被标记为研发背景的高管均为明确的技术研发任职者。其代价是对召回存在系统性偏向——部分技术骨干在硬科技公司中晋升为综合管理职务（总裁、执行副总裁等），其简历仅体现工科教育或一般管理任职而无技术研发职务关键词，此类高管可能被记为非研发背景，进而使个别旗舰技术型公司的 $officer$ 取 $0$。该漏报与公司类型相关，使用时建议对大型技术密集型公司中 $officer=0$ 的样本辅以敏感性检验。薪酬测度 $power4$、$power5$ 因个体薪酬披露完整度存在年代差异，其缺失在部分年份相对集中，作为稳健性变量使用时宜纳入年份固定效应并报告缺失模式。 参考文献 - 张栋,胡文龙,毛新述.研发背景高管权力与公司创新[J].中国工业经济,2021(04):156-174. - Ke B, Mao X, Wang B, Zuo L. Top management team power in China: Measurement and validation[J]. Management Science, 2021, 67(12): 7793-7821. - Hambrick D C, Mason P A. Upper echelons: The organization as a reflection of its top managers[J]. Academy of Management Review, 1984, 9(2): 193-206.
- 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。