企业高管团队技术印记

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] — 统计所在自然年
• 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 [高管团队人数] — 当年高管团队的去重人数。团队范围为年报披露的董事长、董事与高级管理人员，不含独立董事与监事；同一人兼任多职按1人计。为两个技术印记指标的共同分母
• TechEduCount [技术专业教育背景人数] — 参考马美婷等(2023,系统管理学报)的方法，高管团队中所学专业属于技术专业的人数。技术专业依据《数字经济及其核心产业统计分类(2021)》界定为计算机、通信、大数据、电子商务、软件、工业机器人、智能、半导体、集成电路、互联网、信息系统、自动化与电子等专业；成员的专业标志按其在同一公司的任职历史取累积最大值，以贴合学位不可逆的事实
• TechPosCount [技术研发岗位经历人数] — 参考马美婷等(2023,系统管理学报)的方法，高管团队中曾在研发类岗位工作过的人数。依据高管履历中的研发、技术开发、工程师、技术员、工艺师、总工程师、技术总监、研发总监、首席技术官等岗位信息判定；成员的岗位经历标志按其在同一公司的任职历史取累积最大值，以贴合曾经工作过不可逆的事实
• MajorDisclosureRate [高管专业信息披露率] — 团队中所学专业可判定的成员占比，计算公式为：专业可判定的高管人数/高管团队人数。仅记录到工学、理学等学科门类层面，或履历中只有一句学位表述而未写明学科的成员，无法判断其是否属于技术专业，不计入分子。该比例随年份上升；取值为0的公司年度其技术专业教育印记在结构上只能为零，建议在使用技术专业教育印记时一并控制或据以筛选样本
• Techeduimprint [技术专业教育印记] — 参考马美婷等(2023,系统管理学报)的方法，计算公式为：高管团队中拥有技术专业教育背景的人数/高管团队人数。高管专业信息披露率为0的公司年度该指标必然取零，属无信息的零而非测得为零，建议结合披露率一并使用。用作研究变量，越大代表高管团队在大学教育阶段所烙下的技术专业知识印记越深
• IsTechposimprint [是否具有技术职业经历印记] — 参考马美婷等(2023,系统管理学报)的方法，高管团队中只要有成员曾在研发类岗位工作过即取1，即是否具有技术职业经历印记(0=否，1=是)。原文变量名为Techposimprint。该指标与高管团队人数存在机械关联，回归中应同时控制高管团队人数。用作研究变量，取1代表高管团队烙有技术职业经历印记

常见问题

「企业高管团队技术印记」是什么数据集？

企业高管团队技术印记，隶属董监高数据。参考马美婷等(2023,系统管理学报)的方法，依据印记理论测度上市公司高管团队的技术印记，区分形成于大学教育阶段的技术专业教育印记与形成于早期职业阶段的技术职业

该数据集的时间范围是？

覆盖 2004-2025 年。

包含哪些变量/指标？

共 17 个变量。核心指标包括：高管团队人数、技术专业教育背景人数、技术研发岗位经历人数、高管专业信息披露率、技术专业教育印记、是否具有技术职业经历印记。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 75,490 条观测。

数据是如何测算/获取的？

指标定义与计算方法 印记理论认为，个体在人生的若干敏感期会被所处环境深刻塑造，并将当时形成的知识结构、认知框架与问题处理方式作为"印记"长期携带下去；即便日后环境变迁，早期烙下的印记仍持续影响其判断与选择。高阶梯队理论则指出，企业的战略选择是高层管理者认知基础与价值观的映射。将两者结合可以推知，高管团队在大学教育阶段与早期职业阶段所烙下的技术印记，是理解企业技术相关战略决策的一个来源性变量。据此，高管团队技术印记被拆分为两类：形成于知识接受期的技术专业教育印记，与形成于职业实践期的技术职业经历印记。二者的形成机制并不相同——前者来自系统化的专业理论训练，覆盖面广而偏抽象；后者来自围绕特定技术的长期研发实践，聚焦而偏深入——因而对企业的技术注意力配置与创新路径选择可能产生方向不同的影响。 本数据集将高管团队界定为上市公司年报所披露的董事长、董事与高级管理人员，不含独立董事与监事。同一自然人在同一年度兼任多个职务时按一人计，其印记标志取各职务记录中的较大者，以免同一人被重复计入分子与分母。记企业 $i$ 在第 $t$ 年的高管团队人数为 $N{i,t}$。 技术专业教育印记衡量团队在高等教育阶段接受技术专业训练的普遍程度。沿用张昆贤与陈晓蓉(2021)对技术专业教育背景的界定标准，即须受过该领域专业知识的高等教育、本科或研究生阶段所学专业属于该领域；技术专业的范围则遵循《数字经济及其核心产业统计分类(2021)》，具体涵盖计算机、通信、大数据、电子商务、软件、工业机器人、智能、半导体、集成电路、互联网、信息系统、自动化与电子等专业。若高管 $j$ 在本科或研究生阶段所学专业属于上述任一领域（含学士、硕士、博士各层次），则令 $Edu{i,j,t}=1$，否则为 0。专业信息同时取自结构化的专业记录与履历中的教育段落，两条通道并联判定——前者通常只对应最高学位，后者常载有本科阶段信息，并联方能贴近"本科或研究生阶段任一"的原始口径。团队层面的技术专业教育印记即具备该专业背景的高管在团队中的人数占比： $$Techeduimprint{i,t}=\frac{\sum{j=1}^{N{i,t}} Edu{i,j,t}}{N{i,t}}$$ 该指标取值介于 0 与 1 之间，越大表明高管团队在知识接受期所烙下的技术专业印记越深。 技术职业经历印记衡量团队是否携带来自研发实践的技术印记。若高管 $j$ 曾在研发类岗位工作过，则令 $Pos{i,j,t}=1$，否则为 0。判定依据为高管履历中出现的研发职能岗位信息，涵盖研发、研究开发、技术开发、工程师、技术员、工艺师等职能岗位，总工程师、技术总监、首席技术官、研发总监、总设计师、首席科学家等技术领导职务，以及技术部、研发部、技术中心、研发中心等研发职能部门的任职。仅出现研究所、研究院、设计院一类机构名称而未见岗位信息的不予认定——在此类机构任职者未必从事研发工作，履历中不乏在研究机构担任财务、行政职务的情形。企业层面的技术职业经历印记为二值指标，团队中只要存在一名具备研发岗位经历的高管即取 1： $$IsTechposimprint{i,t}=\mathbb{I}\left(\sum{j=1}^{N{i,t}} Pos{i,j,t}0\right)$$ 为便于使用者自行构造替代口径并检验测量稳健性，数据集同时给出两个印记的构成量：技术专业教育背景人数 $\sumj Edu{i,j,t}$、技术研发岗位经历人数 $\sumj Pos{i,j,t}$ 与高管团队人数 $N{i,t}$。此外给出高管专业信息披露率，即团队中所学专业可判定的成员占比。所谓"可判定"，指该高管有专业级的专业记录，或其履历的教育段落在剥去院校名称与学位套话之后确实写明了学科。两类成员不计入分子：一类只记录到工学、理学这样的学科门类层面，既不能确认也不能排除其所学属于上述技术专业；另一类履历中只有一句学位表述（如"获硕士学位""本科毕业"），学科其实未知。 补充说明 - 样本口径与覆盖：不预先施加原始文献为其因变量所设的三项样本筛选（剔除金融、市场服务与保险类行业，剔除特别处理公司，剔除绿色专利缺失样本），保留全部可计算的公司年度观测，并随数据集提供行业与地区标识供自行裁剪。受上游高管名册覆盖所限，规模最小的一批公司以及北交所、B股公司的覆盖明显偏低，与标准财务面板合并时会有可观的样本损失，建议在文中报告。 - 专业信息的可得性：高管所学专业的公开披露并不完整，披露比例随年份推移持续上升，会给技术专业教育印记带来与信息可得性同向的时间趋势。更需注意的是，有相当一部分公司年度没有任何成员的专业可判定，其技术专业教育印记在结构上只能取零，与真正的零在数据上无从区分。数据集为此提供高管专业信息披露率：建议在回归中一并控制，或限定于披露率大于零的子样本；作此限定后该指标的均值与原始文献所报告的水平高度接近。加入公司固定效应后，剩余变异中也有一部分来自披露详略的年际波动，同样宜一并控制。 - 学历阶段与记录颗粒度：可获得的专业信息通常对应最高学位，当高管本科为技术专业而最高学位转向其他领域时会被漏计；部分高管的专业又仅记录到学科门类层面，无法与专业级清单比对。两者方向一致，均使技术专业教育印记偏于保守。此外，技术专业按清单作字面匹配，"自动化""电子"会纳入机械设计制造及其自动化、电力系统及其自动化一类传统工科专业——这是原始文献所给专业清单的直接结果；需要更严格的数字经济口径者可按专业名自行二次筛选。 - 研发岗位的判定：原始文献未公布研发类岗位的判定词表，本数据集依其构念自行构建岗位词表，并以文献报告的描述统计对判定口径作了校准。其中"工程师"既可能指岗位，也可能指职称；职称的授予以技术工作经历为前提，故一并计入，但职称的披露习惯与产权性质、行业相关，使用时宜控制行业与产权。基于履历文本的岗位识别存在固有噪声，涉及关键结论时建议辅以词表稳健性检验。 - 团队规模的机械影响：技术职业经历印记是"团队中任一人具备"的二值指标，团队人数越多、取一的概率越高，公司内去均值之后这一关联依然存在。使用该指标时应把高管团队人数作为控制变量强制入模。少数公司年度的团队人数极小，此时比例型的技术专业教育印记只能取到有限的几个数值。 - 其他说明：两个成员级标志按同一人在同一公司的任职历史取累积最大值，以贴合"曾经"的构念，并消除履历逐年详略不一造成的反复；年度范围自履历披露充分的年份起算，最新一个年度的披露通常尚未补齐，其指标偏低；科创板公司会在高管之外另行披露核心技术人员，这批公司的团队人数与两个印记被系统性抬高且与上市板块共线，稳健性检验中可加板块哑变量或剔除该组；团队范围取内部执行层，若研究设计需纳入独立董事或监事，需另行构造。 参考文献 - 马美婷,吴小节,汪秀琼.高管团队技术印记与企业绿色双元创新——环境注意力的中介作用[J].系统管理学报,2023,32(5):976-994. - 张昆贤,陈晓蓉.谁在推动数字化?——一项基于高阶理论和烙印理论视角的经验研究[J].经济与管理研究,2021,42(10):68-87. - 林明,鞠芳辉,任浩.高管团队任务断裂带对探索性创新"双刃剑"作用——CEO特征的调节效应[J].科研管理,2019,40(12):253-261. - Stinchcombe A L. Social structure and organizations[M]//March J G. Handbook of Organizations. Chicago: Rand-McNally, 1965: 142-193. - 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。