高管数字知识断层强度(ASW轮廓宽度法)
「高管数字知识断层强度(ASW轮廓宽度法)」，覆盖 1999-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 81,520。 参考Wang等(2025, APJM)的方法，以数字知识(数字相关教育背景与职业经历)为断层属性，衡量高管团队(TMT)被划分为数字知识子群与非数字知识子群的清
| 时间跨度 | 1999-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 17 |
| 样本量 | 81,520 |
| 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
- 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)
- TMTSize [高管团队规模] — 参考Wang等(2025, APJM)的方法，高管团队(TMT)去重人数，成员范围为董事长、董事、高管(含董秘/总经理/副总)、监事会主席
- NDigitalKnowledge [数字知识成员数] — 参考Wang等(2025, APJM)的方法，高管团队中具备数字知识(数字相关教育背景或职业经历)的成员人数
- DigitalKnowledgeRatio [数字知识成员占比] — 参考Wang等(2025, APJM)的方法，计算公式为：数字知识成员数/高管团队规模。用作研究变量，越大代表高管团队数字知识越普及
- DKFaultlineASW [数字知识断层强度(ASW)] — 参考Wang等(2025, APJM)与Meyer & Glenz(2013, ORM)的平均轮廓宽度(ASW)法，以成员数字知识的二维向量(数字教育背景、数字职业经历)为断层属性，计算公式为：对成员向量标准化后枚举各子群划分，取平均轮廓宽度S=(b-a)/max(a,b)的最大值(a为个体与同子群成员的平均欧氏距离，b为与最近异子群成员的平均欧氏距离)。用作研究变量，越大代表高管团队按数字知识划分为子群越清晰(数字与非数字高管的分野越明显)
- DKFaultlineFau [数字知识断层强度(Fau)] — 参考Thatcher等(2003, GDN)的方法(稳健口径)，对成员数字知识二维向量，计算公式为：取所有二分子群划分中组间平方和与总平方和之比的最大值Fau=max(SS_between/SS_total)。用作研究变量，与ASW口径互为稳健性检验
- TMTDigitalDiversity [数字知识多样性] — 参考Wang等(2025, APJM)控制变量的方法，以数字知识(有/无)构建Blau多样性指数，计算公式为：1-p^2-(1-p)^2(p为数字知识成员占比)。用作研究变量，越大代表高管团队数字知识构成越多元
常见问题
- 「高管数字知识断层强度(ASW轮廓宽度法)」是什么数据集？
- 高管数字知识断层强度(ASW轮廓宽度法)，隶属董监高数据。参考Wang等(2025, APJM)的方法，以数字知识(数字相关教育背景与职业经历)为断层属性，衡量高管团队(TMT)被划分为数字知识子群与非数字知识子群的清
- 该数据集的时间范围是？
- 覆盖 1999-2025 年。
- 包含哪些变量/指标？
- 共 17 个变量。核心指标包括：高管团队规模、数字知识成员数、数字知识成员占比、数字知识断层强度(ASW)、数字知识断层强度(Fau)、数字知识多样性。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 81,520 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 在数字化转型背景下，高层管理团队（TMT）中是否形成"数字知识子群"与"非数字知识子群"的分化，直接影响企业能否将数字知识转化为组织层面的数字化实践。本数据集刻画高管数字知识断层强度（TMT digital knowledge-based faultline），即以数字知识为属性时，高管团队能够被清晰划分为数字与非数字两个子群的程度。断层越强，意味着数字型高管与其他高管之间的知识分野越明显。 高管团队成员范围界定为董事长、董事、高管（含董事会秘书、总经理、副总经理等）以及监事会主席，一人兼任多职时按个人去重合并。对每一位成员，从教育背景与职业经历两个维度识别其数字知识：教育背景维度考察其最高学位专业是否属于电子信息、计算机、电子商务、信息与计算科学、信息管理与信息系统、信息资源管理等数字相关专业；职业经历维度考察其任职与简历中是否含数字相关标识（如首席信息官、首席数据官、信息化、信息技术、信息系统、软件、计算机、互联网、电子商务、大数据、云计算、人工智能、IT 等）。据此为每位成员构造二维数字知识向量（数字教育背景、数字职业经历），任一记录命中即视为该成员在相应维度具备数字知识。 核心指标为断层强度的平均轮廓宽度（Average Silhouette Width, ASW）度量。对团队成员的二维数字知识向量作标准化后，枚举将团队划分为不同子群数的方案，对每一方案按下式计算每位成员的轮廓宽度并取团队平均： $$Si = \frac{bi - ai}{\max(ai,\, bi)}$$ 其中 $ai$ 为成员 $i$ 与同一子群其余成员的平均欧氏距离，$bi$ 为其与最近异子群成员的平均欧氏距离。断层强度取所有划分方案中平均轮廓宽度的最大值；团队规模不足或成员间数字知识无差异时取 0。该值越大，表示按数字知识划分子群越清晰。 作为稳健性口径，同时提供基于组间平方和占比的断层度量： $$Fau = \max{g}\ \frac{\displaystyle\sum{j}\sum{k} n{k}^{g}\,(\bar{x}{j,k}-\bar{x}{j})^{2}}{\displaystyle\sum{j}\sum{k}\sum{i}\,(x{i,j,k}-\bar{x}{j})^{2}}$$ 即在所有将团队二分为两个子群的方案 $g$ 中，取组间离差平方和与总离差平方和之比的最大值，其中 $x{i,j,k}$ 为子群 $k$ 中成员 $i$ 的第 $j$ 个数字知识属性，$\bar{x}j$、$\bar{x}{j,k}$ 分别为全团队与子群 $k$ 在属性 $j$ 上的均值，$nk^g$ 为子群 $k$ 的成员数。 此外提供数字知识的多样性度量，以数字知识（有／无）为分类构造 Blau 多样性指数 $1-\sumc pc^2 = 2p(1-p)$，其中 $p$ 为团队中具备数字知识成员的占比。同时保留团队规模、数字知识成员数与占比等中间量，供机制分析与稳健性检验使用。 补充说明 平均轮廓宽度度量采用聚类划分枚举求最大轮廓宽度的方式实现，与原始方法在算法上等价。由于数字知识本质上接近二元属性（数字教育背景成员绝大多数同时具备数字职业经历），断层强度呈现"无分化—单一数字成员—多数字成员"的近三态分布，对数字知识占比的连续梯度分辨力有限，且在存在数字变异时其取值与团队规模相关。因此在回归应用中建议控制团队规模，并平行使用数字知识多样性或占比作交叉验证；鉴于其分布双峰、存在较大比例的结构性零值，宜采用受限因变量模型而非普通最小二乘。 数字知识的关键词识别以中文年报文本为基础对相关术语作了本地化处理，成员级识别不可避免带有文本噪声（如数字相关任职单位名称的命中），关键结论建议辅以关键词稳健性检验。受早年高管简历披露稀疏影响，2004 年之前的识别结果偏低，建议实证研究以 2004／2005 年为样本起点。本数据集覆盖全部行业与全部年份，并保留行业标识，使用者可按研究需要自行剔除金融业或限定样本区间。 参考文献 - Wang X, Luo J, Zhang S X, et al. Digital knowledge-based faultlines in top management teams: A new perspective on intra-executive division[J/OL]. Asia Pacific Journal of Management, 2025[2026-07-22]. https://doi.org/10.1007/s10490-025-10090-w. - Lau D C, Murnighan J K. Demographic diversity and faultlines: The compositional dynamics of organizational groups[J]. Academy of Management Review, 1998, 23(2): 325-340. - Meyer B, Glenz A. Team faultline measures: A computational comparison and a new approach to multiple subgroups[J]. Organizational Research Methods, 2013, 16(3): 393-424. - Thatcher S M B, Jehn K A, Zanutto E. Cracks in diversity research: The effects of diversity faultlines on conflict and performance[J]. Group Decision and Negotiation, 2003, 12(3): 217-241. - Haislip J Z, Richardson V J. The effect of CEO IT expertise on the information environment: Evidence from earnings forecasts and announcements[J]. Journal of Information Systems, 2018, 32(2): 71-94. - Van Peteghem M, Joshi A, Mithas S, et al. Board IT competence and firm performance[C]//Fortieth International Conference on Information Systems. Munich, 2019: 1-17.
- 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。