技术专家型董事(Qwen大模型标注)

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] — 会计年度
• 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)
• BoardSize [董事会人数] — 技术专家型董事各项比例指标的统一分母。原文未界定董事会人数的时点口径，本数据集按当年12月31日仍在任的董事去重人数计算，包含董事长、非独立董事与独立董事，不含监事与仅任高管职务者；同一董事席位在年内发生更替时不重复计入
• NumTechExpertDir [技术专家型董事人数] — 参考胡元木、纪端 (2017, 南开管理评论)的方法，计算公式为：董事会中具有技术专长的董事人数。技术专长的判定标准为满足以下任一项：(1)毕业于工程、制药等技术性较强的专业；(2)拥有研发或关键技术岗位任职经历，或担任行业技术协会负责人；(3)具有工程师、研究员等技术类职称；(4)拥有发明专利或获得省级以上发明奖励
• NumTechExpertExecDir [技术专家型执行董事人数] — 参考胡元木、纪端 (2017, 南开管理评论)的方法，计算公式为：董事会中同时在本公司担任高管职务且具有技术专长的董事人数。原文未界定高管职务的具体边界，本数据集按披露的职务名称关键词识别，范围包括董事长、副董事长，总经理、副总经理、总裁、财务负责人、财务总监、总会计师、总工程师、董事会秘书、各类首席官、行长等，以及职务名称本身为执行董事者；因按关键词识别，亦会纳入技术总监、营销总监、分公司经理一类并非公司法列举的管理职务。技术专长的判定标准为满足以下任一项：(1)毕业于工程、制药等技术性较强的专业；(2)拥有研发或关键技术岗位任职经历，或担任行业技术协会负责人；(3)具有工程师、研究员等技术类职称；(4)拥有发明专利或获得省级以上发明奖励
• NumTechExpertNonExecDir [技术专家型非执行董事人数] — 参考胡元木、纪端 (2017, 南开管理评论)的方法，计算公式为：董事会中既非独立董事、又未在本公司担任高管职务(高管职务的界定见技术专家型执行董事人数字段)，且具有技术专长的董事人数。技术专长的判定标准为满足以下任一项：(1)毕业于工程、制药等技术性较强的专业；(2)拥有研发或关键技术岗位任职经历，或担任行业技术协会负责人；(3)具有工程师、研究员等技术类职称；(4)拥有发明专利或获得省级以上发明奖励
• NumTechExpertIndDir [技术专家型独立董事人数] — 参考胡元木、纪端 (2017, 南开管理评论)的方法，计算公式为：董事会中具有技术专长的独立董事人数。技术专长的判定标准为满足以下任一项：(1)毕业于工程、制药等技术性较强的专业；(2)拥有研发或关键技术岗位任职经历，或担任行业技术协会负责人；(3)具有工程师、研究员等技术类职称；(4)拥有发明专利或获得省级以上发明奖励
• TEDR [技术专家型董事比例] — 参考胡元木、纪端 (2017, 南开管理评论)的方法，计算公式为：技术专家型董事人数/董事会人数。技术专长的判定标准为满足以下任一项：(1)毕业于工程、制药等技术性较强的专业；(2)拥有研发或关键技术岗位任职经历，或担任行业技术协会负责人；(3)具有工程师、研究员等技术类职称；(4)拥有发明专利或获得省级以上发明奖励。用作研究变量，越大代表董事会整体的技术专长程度越高
• TEDER [技术专家型执行董事比例] — 参考胡元木、纪端 (2017, 南开管理评论)的方法，计算公式为：技术专家型执行董事人数/董事会人数。执行董事指同时在本公司担任高管职务的董事；原文未界定高管职务边界，本数据集按披露的职务名称关键词识别，范围包括董事长、副董事长，总经理、副总经理、总裁、财务负责人、财务总监、总会计师、总工程师、董事会秘书、各类首席官、行长等，以及职务名称本身为执行董事者，亦会纳入技术总监、营销总监、分公司经理一类管理职务。用作研究变量，越大代表兼任高管的技术专家型董事在董事会中占比越高
• TEDNER [技术专家型非执行董事比例] — 参考胡元木、纪端 (2017, 南开管理评论)的方法，计算公式为：技术专家型非执行董事人数/董事会人数。非执行董事指既非独立董事、又未在本公司担任高管职务的董事(高管职务的界定见技术专家型执行董事比例字段)。用作研究变量，越大代表此类技术专家型董事占比越高
• TEDIR [技术专家型独立董事比例] — 参考胡元木、纪端 (2017, 南开管理评论)的方法，计算公式为：技术专家型独立董事人数/董事会人数。用作研究变量，越大代表技术专家型独立董事在董事会中占比越高。本字段与技术专家型执行董事比例、非执行董事比例之和恒等于技术专家型董事比例
• IsSetTechExpertDir [是否设置技术专家型董事] — 是否设置技术专家型董事(0=否，1=是)，参考胡元木、纪端 (2017, 南开管理评论)的方法，计算公式为：董事会中技术专家型董事人数大于等于1时取1，否则取0

常见问题

「技术专家型董事(Qwen大模型标注)」是什么数据集？

技术专家型董事(Qwen大模型标注)，隶属董监高数据。依据胡元木、纪端(2017,南开管理评论)的技术专家型董事界定，按学习经历、工作经历、职称评定、专利或奖励四项标准逐位董事判定其是否具有技术专长，构建技术专家型

该数据集的时间范围是？

覆盖 2004-2025 年。

包含哪些变量/指标？

共 21 个变量。核心指标包括：董事会人数、技术专家型董事人数、技术专家型执行董事人数、技术专家型非执行董事人数、技术专家型独立董事人数、技术专家型董事比例、技术专家型执行董事比例、技术专家型非执行董事比例、技术专家型独立董事比例、是否设置技术专家型董事。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 65,130 条观测。

数据是如何测算/获取的？

指标定义与计算方法 董事会对企业创新战略的影响，很大程度上取决于董事自身是否具备理解技术、判断技术项目优劣的专业能力。具有技术专长的董事既能在战略层面扩大董事会的备选方案范围、降低创新失败概率，也能在监督层面识别管理层对研发费用的操控，因而被视为公司治理支持创新的一条重要微观路径。胡元木、纪端 (2017) 将这类董事界定为技术专家型董事，并以其在董事会中的占比刻画董事会的技术专长水平。本数据集复现该文献的变量体系。 技术专长的判定。 一位董事只要满足以下四项标准中的任意一项，即被认定为技术专家型董事：其一，学习经历，所学专业或学位属于工程、制药等技术性较强的理工类；其二，工作经历，拥有研发或关键技术岗位的任职经历（如研发工程师、技术总监、总工程师、研究所或实验室负责人等），或担任行业技术协会的负责人；其三，职称评定，具有技术类专业技术职称，如工程师、高级工程师、教授级高级工程师、研究员等；其四，专利或奖励，拥有发明专利，或获得省级以上的发明奖励。四项标准取"或"的关系，反映的是技术专长可经由教育、从业、职称、成果等不同渠道形成这一事实。相应地，仅具备管理、财务、会计、审计、法律、金融、经济等非技术背景，而无上述任一项技术性证据的董事，不计为技术专家型董事；在职称的甄别上，工程师、研究员、技师、农艺师、主任医师等属技术职称，而经济师、会计师、政工师、统计师、律师等不属技术职称，以技术职称级别作前缀的非技术职称（如"研究员级高级会计师"）亦不计入。 判定的执行方式。 技术专长是个人层面的稳定属性，不随任职公司与年份改变，因此判定在自然人层面进行一次：在同一人担任董事的全部记录范围内，取其中最完整的简历，并取这些记录中职称的并集（监事、纯高管等非董事身份的任职记录不进入汇总），将职称、学历与简历拼接为判定依据，四项标准的证据出现在其中任一位置均予采纳；判定结果再映射回该人担任董事的每一个公司-年度。其中第三项标准属纯词汇性证据，另以确定性的职称词表规则独立判定一次，与语义判定结果取并集，以避免该项被漏判。 董事会构成的三分类。 依据董事在公司内的身份差异（内部信息持有量与独立性各不相同），技术专家型董事被进一步划分为三类：独立董事即为技术专家型独立董事；在上市公司同时担任高管职务的技术董事为技术专家型执行董事；剔除上述两类之后，其余具有技术专长的董事为技术专家型非执行董事。原文只给出"在上市公司担任高管"这一表述，未交代其高管口径的具体边界，本数据集依披露的职务名称识别，命中范围包括董事长与副董事长，总经理、副总经理、财务负责人、财务总监、总会计师、总工程师、董事会秘书、各类首席执行/财务/技术官、行长等经理层职务，以及职务名称本身即为"执行董事"者；识别按职务名称中的关键词进行，因而也会纳入技术总监、营销总监、分公司经理一类并非公司法列举的管理职务。其中董事长的归属是一项选择而非原文规定：董事长不属公司法列举的"高级管理人员"，若据公司法口径改判为非执行董事，则三类构成关系与原文报告的方向相反，故本数据集据此推断原文的高管口径含董事长并采纳该划分。三分类只改变技术专家型董事的内部构成，不影响其总量。 比例指标的构造。 设某公司某年度董事会人数为 $BoardSize$，其中技术专家型董事人数为 $N$，则核心变量技术专家型董事比例为 $$TEDR=\frac{N}{BoardSize}$$ 分母 $BoardSize$ 取该年度年末仍在任的董事去重人数，包含董事长、非独立董事与独立董事，不含监事及仅担任高管职务而未进入董事会者。三个分类型比例采用同一分母：$TEDER=N{exec}/BoardSize$、$TEDNER=N{nonexec}/BoardSize$、$TEDIR=N{ind}/BoardSize$，其中 $N{exec}$、$N{nonexec}$、$N{ind}$ 分别为技术专家型执行董事、非执行董事、独立董事人数。由于分母相同且三类互斥完备，三者之和恒等于 $TEDR$，该恒等式在数据生成时被强制校验。此外提供二元变量"是否设置技术专家型董事"，当 $N\geq 1$ 时取 1、否则取 0，对应原文以"是否设置技术专家型董事"划分处理组与控制组的倾向得分匹配检验。 样本范围。 覆盖全部行业，不剔除金融业，也不剔除 ST、PT 公司，未做缩尾处理（计数与比例变量值域天然有界）。样本自 2004 年起，此前年度的董事简历披露极为稀疏，不足以支撑判定。样本仅保留公司处于上市期的年度：董监高数据中包含拟上市公司在招股阶段回填的董事名册，这些公司-年的"董事会"人数远低于公司法下限且多数没有独立董事，若不剔除会同时污染分母与比例的分布。需注意原文在样本处理中剔除了各年度 ST、PT 公司并对连续变量缩尾，本数据集按交付全样本原始值的惯例不作这两步处理，复现原文回归时应自行施加。 补充说明 - 判定方式：原文由作者手工阅读简历逐人判定，本数据集以本地部署的大语言模型按四项标准做语义判定、并对职称一项叠加确定性词表规则，以复现人工阅读逻辑。开发过程中对分层抽样的判定结果做了人工复核，与四项标准一致；但该复核为一次性抽检而非留存的标注基准，且作为自动化判定，其与人工编码在边界个案上的取舍未必完全相同。 - 口径的宽严：四项标准取"或"，其中学习经历一项只看所学专业而不问其后的职业路径，因此理工科毕业但长期从事管理、财务工作者亦被计入；这是原文定义的固有性质。数据源的学历字段仅记录学历层次而不含专业，该项标准依赖简历正文中的教育背景描述。总体水平略高于原文报告值，除样本口径差异外，亦可能源于自动化判定较人工编码更贴字面。关注"在岗技术能力"者可结合分类型比例（尤其执行董事一类）做更严格的界定。 - 测量误差与披露详尽度：技术专长能否被观测到，取决于简历是否写到。判定为技术专家的概率随简历字数与职称字段填充率单调上升，而董事会规模在各披露强度分位上基本持平，说明这是披露详尽度而非公司规模的效应；由于披露详尽度与信息披露质量、研发投入等常见被解释变量相关，测量误差未必独立于残差。此外，简历披露逐年变长，而判定按个人一次性做出并采用其历史最完整的简历，早年因此存在一定比例的前视归因（把后来才写入简历的技术证据回贴到早期年度）。故本数据集不适合用于识别该比例自身的时间趋势，也不适合作为核心变量进入事件研究或双重差分的处理前趋势检验。 - 分母口径：董事会人数按年末在任计，同一董事席位在年内更替时不重复计入；若改用"年内任职过即计入"的名册口径，分母会系统性偏大、比例被稀释，两种口径不可直接比较。年末快照的过滤强度随年份上升，且面板中相当部分的组内变异来自分母而非分子的变动，加入公司固定效应时建议辅以名册口径做稳健性检验。少数企业年度的董事会人数仍低于公司法下限，源于停牌或退市企业的披露残缺。 - 执行与非执行的划分：如正文所述，董事长计入执行董事是依据校准证据所作的推断与选择，并非原文规定；若按公司法口径改判，执行董事比例会明显下降、非执行董事比例明显上升，三类构成关系与原文相反，而技术专家型董事比例（核心变量）在两种划分下完全相同。此外，原文对"仅负责董事会秘书职责"的技术专家型董事采用逐人阅读简历来判断归属，未给出可复现的规则；本数据集统一按"董事会秘书属公司法列举的高级管理人员"将其归入执行董事，属自定规则，受影响的观测占比很小且同样只影响拆分、不影响总量。另需注意，2024 年修订的公司法强制设置职工代表董事，此后职工董事大量出现并多归入非执行一类，使执行与非执行两项比例在该时点前后不可直接跨期比较。 - 其他局限：简历与职称皆缺失、无任何可判定背景的董事计入分母并视为非技术专家，与原文"无技术背景证据则不认定为技术专家"的隐含逻辑一致，但少数公司-年全部董事均无可判定背景，其比例被机械压为零，且该缺失非随机；董事的兼任关系依据披露的职务文本识别，个别表述不规范者可能影响执行与非执行的划分。本集为上市公司口径，与财务数据合并时若对方包含上市前回填记录，会出现相应的不匹配。 参考文献 [1]胡元木,纪端.董事技术专长、创新效率与企业绩效[J].南开管理评论,2017,20(3):40-52.

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。