高管团队海外背景
「高管团队海外背景」，覆盖 1999-2025 年，频率 年度，上市公司层级，含 21 个变量，样本量约 74,215。 基于高管团队成员背景档案，按公司-年度聚合海外背景的团队层面统计。
| 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 | 74,215 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — A 股上市公司股票代码,6 位数字,前导零已补齐
- StkName [证券简称] — 证券简称
- Year [年份] — 统计所在自然年(通常以 12 月 31 日为时点)
- 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 [高管团队人数] — 当年该公司的高管团队人数(不含独立董事和监事);同一人兼任多职按 1 人计
- OverseasCount [海外背景人数] — 高管团队中有海外(含港澳台)学习或工作经历的人数
- OverseasPct [海外背景占比] — 海外背景在高管团队中的人数占比
- HasOverseasAny [团队至少1人海外] — 高管团队中是否至少有 1 人具有海外(含港澳台)学习或工作经历(1=是,0=否)
- OverseasStudyCount [海外学习人数] — 高管团队中仅有海外学习经历(如获海外学位或赴境外访学)的人数
- OverseasStudyPct [海外学习占比] — 仅有海外学习经历(如获海外学位或赴境外访学)的成员在高管团队中的人数占比;分母为高管团队总人数,这样所有子类占比加总恰好等于团队的海外背景总占比
- OverseasWorkCount [海外工作人数] — 高管团队中仅有海外工作经历(含在港澳台企业任职)的人数
- OverseasWorkPct [海外工作占比] — 仅有海外工作经历(含在港澳台企业任职)的成员在高管团队中的人数占比;分母为高管团队总人数,这样所有子类占比加总恰好等于团队的海外背景总占比
- OverseasStudyWorkCount [海外学习加工作人数] — 高管团队中同时具备海外学习与工作经历的人数
- OverseasStudyWorkPct [海外学习加工作占比] — 同时具备海外学习与工作经历的成员在高管团队中的人数占比;分母为高管团队总人数,这样所有子类占比加总恰好等于团队的海外背景总占比
常见问题
- 「高管团队海外背景」是什么数据集？
- 高管团队海外背景，隶属董监高数据。基于高管团队成员背景档案，按公司-年度聚合海外背景的团队层面统计。
- 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：高管团队人数、海外背景人数、海外背景占比、团队至少1人海外、海外学习人数、海外学习占比、海外工作人数、海外工作占比、海外学习加工作人数、海外学习加工作占比。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 74,215 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集以 Symbol × Year 为主键, 将高管团队的海外背景从人员明细汇总至公司-年度层面, 用于衡量团队内海外背景的人数、占比与结构分布. 数据来自 TMTBackgroundPanel 人员面板的团队聚合. 聚合前先过滤 $InOffice = 1$ 的当年在任记录, 并按 (Symbol, Year, PersonID) 对同一人的多岗记录进行去重, 即一人兼任董事长与总经理只计一人. 团队规模 $TMTSize$ 定义为当年该公司去重后的在任高管团队人数, 作为绝大多数比例指标的分母. 数据集包含三组核心指标. 第一组为维度层面的聚合: $OverseasCount$ 为团队中具有海外背景的人数, $OverseasPct$ 为其在团队中的占比, $HasOverseasAny$ 标识团队中是否至少有一人具有该背景. 其计算公式为: $$ OverseasPct = \frac{OverseasCount}{TMTSize} $$ 第二组为子类型分布, 将具有海外背景的成员按职业子类进一步细分为境外学习经历、境外工作经历、兼具学习与工作. 每个子类型有对应的 $OverseasXxxCount$ 与 $OverseasXxxPct$ 两个字段, 子类占比的分母统一为 $TMTSize$ (而非 $OverseasCount$). 这一分母选择保证了"所有子类占比之和恰好等于 $OverseasPct$"的加总恒等性, 便于研究者将海外背景强度拆解为各子类贡献. 补充说明 - 样本范围: 1999-2024 年, 覆盖所有 A 股上市公司 - 主键: Symbol × Year, 每条记录代表一家公司在一年中的高管团队聚合 - 去重规则: 同一人在同年兼任多岗时, 背景维度取其任一岗位的标识 (取最大值), 子类型取首个有效值 (理论上同一人同年共享同一份简历, 子类型一致) - 分母口径: 子类占比分母为 $TMTSize$ (团队总人数), 这样各子类占比直接相加等于维度总占比 参考文献 - 刘凤朝,默佳鑫,马荣康.高管团队海外背景对企业创新绩效的影响研究[J].管理评论,2017,29(7). - 刘锦英,等.高管团队海外背景、研发投入与企业绩效[J].会计之友,2022,(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。