高管团队异质性(Blau指数与变异系数)
「高管团队异质性(Blau指数与变异系数)」，覆盖 1999-2025 年，频率 年度，上市公司层级，含 21 个变量，样本量约 78,807。 衡量高管团队在人口统计与职业背景上的差异程度。
| 时间跨度 | 1999-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 21 |
| 样本量 | 78,807 |
| 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] — 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
- TMTSize [高管团队规模] — 高管团队成员人数，包括职务分类为高管、董事长的人员，以及兼任高管职务的董事。单位：人
- H_age_cv [年龄异质性] — 参考Hambrick & Mason (1984, AMR)和Allison (1978)的方法，计算公式为：团队成员年龄的变异系数(标准差/均值)。值越大表示年龄差异越大，用作研究变量。单位：比例
- H_tenure_cv [任期异质性] — 参考Hambrick & Mason (1984, AMR)和Allison (1978)的方法，计算公式为：团队成员任期年数的变异系数(标准差/均值)。任期=报告年份-任职起始年份。值越大表示任期差异越大，用作研究变量。单位：比例
- H_edu [教育程度异质性] — 参考Blau (1977)的方法，计算公式为：1-sum(Pi^2)，Pi为团队中属于第i类学历的成员占比，学历分为5级(博士/硕士/本科/大专/中专及以下)。值越接近1异质性越高，用作研究变量。单位：比例
- H_func [职能背景异质性] — 参考Hambrick et al. (1996)和Blau (1977)的方法，计算公式为：1-sum(Pi^2)，Pi为团队中属于第i类职能背景的成员占比，职能背景根据职务名称分为8类(生产运营/研发技术/财务会计/综合管理/市场销售/法律/人力资源/运营)。值越接近1异质性越高，用作研究变量。单位：比例
- AvgAge [平均年龄] — 高管团队成员的平均年龄。单位：年
- AvgTenure [平均任期] — 高管团队成员的平均任期年数，计算公式为：报告年份-任职起始年份的均值。单位：年
- AvgEdu [平均教育水平] — 高管团队成员的平均学历编码，编码规则为：博士=5，硕士=4，本科=3，大专=2，中专及以下=1
- FemaleRatio [女性比例] — 高管团队中女性成员占比，计算公式为：女性人数/团队总人数。单位：比例
- EduCoverage [教育数据覆盖率] — 有学历信息的成员占团队总人数的比例，用于标记数据质量。单位：比例
常见问题
- 「高管团队异质性(Blau指数与变异系数)」是什么数据集？
- 高管团队异质性(Blau指数与变异系数)，隶属董监高数据。衡量高管团队在人口统计与职业背景上的差异程度。
- 该数据集的时间范围是？
- 覆盖 1999-2025 年。
- 包含哪些变量/指标？
- 共 21 个变量。核心指标包括：高管团队规模、年龄异质性、任期异质性、教育程度异质性、职能背景异质性、平均年龄、平均任期、平均教育水平、女性比例、教育数据覆盖率。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 78,807 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 高管团队异质性衡量了公司最高管理层（Top Management Team, TMT）成员在人口统计特征和职业背景上的差异程度。该指标基于“高层梯队理论”（Upper Echelons Theory），认为高管团队的构成特征会影响其战略决策，进而影响组织绩效。本数据集参考经典文献，从年龄、任期、教育背景和职能背景四个维度量化高管团队的异质性。 对于年龄和任期这两个连续变量，其异质性采用变异系数（Coefficient of Variation）来衡量，该方法由Allison (1978)提出，计算公式为： $$CV = \frac{\sigma}{\mu}$$ 其中$\sigma$为团队成员在该维度上数值的标准差，$\mu$为均值。具体而言，$H\age\cv$为团队成员年龄的变异系数，$H\tenure\cv$为团队成员任期年数的变异系数，任期定义为报告年份减去任职起始年份。 对于教育背景和职能背景这两个分类变量，其异质性采用Blau (1977)提出的异质性指数（Blau Index）来衡量，计算公式为： $$Blau = 1 - \sum{i=1}^{k} pi^2$$ 其中$pi$为团队中属于第$i$类别的成员比例，$k$为类别总数。具体而言，$H\edu$为教育背景异质性，学历分为5级：博士、硕士、本科、大专、中专及以下。$H\func$为职能背景异质性，参考Hambrick et al. (1996)的分类，根据职务名称将职能背景分为8类：生产运营、研发技术、财务会计、综合管理、市场销售、法律、人力资源、运营。Blau指数的取值范围为0到$(k-1)/k$，值越接近上限，表示异质性越高。 此外，数据集还提供了高管团队的其他描述性统计变量，包括团队规模（$TMTSize$）、平均年龄（$AvgAge$）、平均任期（$AvgTenure$）、平均教育水平（$AvgEdu$，按博士=5、硕士=4、本科=3、大专=2、中专及以下=1编码计算均值）、女性成员比例（$FemaleRatio$）以及教育数据覆盖率（$EduCoverage$）。 补充说明 - 高管团队成员定义为职务分类为高管、董事长的人员，以及兼任高管职务的董事。 - 在计算异质性指标前，需确保团队规模大于1。对于分类变量（教育、职能背景），仅当团队中所有成员在该维度上均有有效数据时，才计算其异质性指数。 参考文献 - 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. - Blau P M. Inequality and heterogeneity: A primitive theory of social structure[M]. New York: Free Press, 1977. - Allison P D. Measures of inequality[J]. American Sociological Review, 1978, 43(6): 865-880. - Hambrick D C, Cho T S, Chen M J. The influence of top management team heterogeneity on firms' competitive moves[J]. Administrative Science Quarterly, 1996, 41(4): 659-684.
- 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。