高管团队政治背景
「高管团队政治背景」，覆盖 1999-2025 年，频率 年度，上市公司层级，含 31 个变量，样本量约 74,215。 基于高管团队成员背景档案，按公司-年度聚合政治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 | 31 |
| 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
- PoliticalCount [政治背景人数] — 高管团队中有党政机关、人大或政协任职经历的人数
- PoliticalPct [政治背景占比] — 政治(党政)背景在高管团队中的人数占比
- HasPoliticalAny [团队至少1人政治] — 高管团队中是否至少有 1 人具有党政机关、人大或政协任职经历(1=是,0=否)
- PoliticalMinisterCount [正部级人数] — 高管团队中最高任职达到正部级(部长、省长、省委书记等省部正职)的人数
- PoliticalMinisterPct [正部级占比] — 最高任职为正部级(部长、省长、省委书记等省部正职)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政治(党政)背景总占比
- PoliticalViceMinisterCount [副部级人数] — 高管团队中最高任职达到副部级(副部长、副省长、省会城市市长等省部副职)的人数
- PoliticalViceMinisterPct [副部级占比] — 最高任职为副部级(副部长、副省长、省会城市市长等省部副职)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政治(党政)背景总占比
- PoliticalBureauCount [正厅级人数] — 高管团队中最高任职达到正厅级(司长、地级市市长、厅长等)的人数
- PoliticalBureauPct [正厅级占比] — 最高任职为正厅级(司长、地级市市长、厅长等)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政治(党政)背景总占比
- PoliticalViceBureauCount [副厅级人数] — 高管团队中最高任职达到副厅级(副司长、地级市副市长、副厅长等)的人数
- PoliticalViceBureauPct [副厅级占比] — 最高任职为副厅级(副司长、地级市副市长、副厅长等)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政治(党政)背景总占比
- PoliticalDivisionCount [正处级人数] — 高管团队中最高任职达到正处级(处长、县长、县委书记等)的人数
- PoliticalDivisionPct [正处级占比] — 最高任职为正处级(处长、县长、县委书记等)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政治(党政)背景总占比
- PoliticalViceDivisionCount [副处级人数] — 高管团队中最高任职达到副处级(副处长、副县长等)的人数
- PoliticalViceDivisionPct [副处级占比] — 最高任职为副处级(副处长、副县长等)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政治(党政)背景总占比
- PoliticalSectionCount [科级人数] — 高管团队中最高任职达到科级(科长、科员等乡科级)的人数
- PoliticalSectionPct [科级占比] — 最高任职为科级(科长、科员等乡科级)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政治(党政)背景总占比
- PoliticalUnspecifiedCount [级别未明确人数] — 高管团队中有党政机关任职经历但披露资料未明确行政级别的人数
- PoliticalUnspecifiedPct [级别未明确占比] — 有党政机关任职经历但披露资料未明确行政级别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政治(党政)背景总占比
常见问题
- 「高管团队政治背景」是什么数据集？
- 高管团队政治背景，隶属董监高数据。基于高管团队成员背景档案，按公司-年度聚合政治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 31 个变量。核心指标包括：高管团队人数、政治背景人数、政治背景占比、团队至少1人政治、正部级人数、正部级占比、副部级人数、副部级占比、正厅级人数、正厅级占比、副厅级人数、副厅级占比、正处级人数、正处级占比、副处级人数、副处级占比、科级人数、科级占比、级别未明确人数、级别未明确占比。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, 将高管团队的政治背景从人员明细汇总至公司-年度层面, 用于衡量团队内政治背景的人数、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: $PoliticalCount$ 为团队中具有政治背景的人数, $PoliticalPct$ 为其在团队中的占比, $HasPoliticalAny$ 标识团队中是否至少有一人具有该背景. 其计算公式为: $$ PoliticalPct = \frac{PoliticalCount}{TMTSize} $$ 第二组为子类型分布, 将具有政治背景的成员按职业子类进一步细分为正部级、副部级、正厅级、副厅级、正处级、副处级、科级、级别未明确. 每个子类型有对应的 $PoliticalXxxCount$ 与 $PoliticalXxxPct$ 两个字段, 子类占比的分母统一为 $TMTSize$ (而非 $PoliticalCount$). 这一分母选择保证了"所有子类占比之和恰好等于 $PoliticalPct$"的加总恒等性, 便于研究者将政治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 - 宋蔚蔚,李如彤,胡显莉.高管政治背景对企业ESG表现的影响研究[J].重庆理工大学学报(社会科学),2025,(2):178-193. - 王锟,李伟.高管政治背景对其离职—业绩敏感性的影响[J].南开管理评论,2012,15(6).
- 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。