【环保背景高管1009】2022顶刊论文数据，环保背景高管对投资的影响探究
今天给大家分享的是国内顶刊数量经济技术经济研究2022年发布的名为《高管环保背景与绿色投资者进入》论文使用到的数据——高管环保背景数据以及管理自主权的高管环保背景数据，该文章利用中国上市公司沪深A股2007-2017年的面板数据，采用双向固定效应模型探究了环保背景高管对绿色投资者进入决策的影响。研究发现：企业聘任具有环保背景从业经历的高管有利于吸引绿色投资者进入，随着环保背景高管数量增多、管理自主权增大，其对绿色投资者对吸引力逐渐增强。通过异质性分析发现，在非国有企业、清洁型行业，环保背景高管对绿色投资者对吸引作用更加明显。机制分析得出，上市企业聘任环保背景高管能够驱动企业内部加大环保投资力度、获取外部政府环保补助。释放企业从事环保事业的有力信号，进而吸引绿色投资者进入。拓展性分析发现，绿色投资者对企业绿色创新数量、质量以及ESG绩效皆产生正向积极影响，同时也对企业经济绩效产生明显的提升效果，提高企业生产效率。研究丰富了高层梯队理论的研究内容，同时为高质量发展背景下企业从绿色投资者视角驱动绿色转型升级，提升环境治理绩效，推动绿色可持续发展提供了理论依据。该文章在研究过程中使用到了两个非常重要的数据集——高管环保背景以及具有管理自主权的高管环保背景数据，我们参考论文研究进行了收集整理，并进行了适当的拓展，数据获取请关注公众号“明天科技屋”，打开公众号文章获取文末数字关键词并回复，在该数据发布24小时之内可以通过分享获得。
一、论文讲解
该文章以中国沪深A股上市公司为研究对象， 利用2007-2017年公司面板数据，结合双向固定效应模型研究环保背景高管对绿色投资者进入决策的影响，并且从环保背景权利视角考察了这种影响效果，同时进行了一系列内生性、稳健性检验之后，基准回归结果仍然保持成立，并且从企业所有制类型以及行业性质两个方面，考察了影响效果的差异性，机制分析中，论文基于信号传递理论从影响企业内部自我环保投资以及获取外部政府补助这两条路径考察了环保背景高管吸引绿色投资者进入的作用机制，拓展型分析研究中，论文研究了绿色投资者进入是否能够给企业带来实质性的收益，分别从企业绿色绩效和企业经济绩效两个方面进行了分析，最终得出结论，给出了响应的建议。
（一）数据来源与处理
本文使用中国上市公司沪深A股2007-2017年的面板数据作为研究样本，检验环保背景高管对绿色投资者的影响。高管环保背景数据来源于新浪财经网发布的个人简历信息，通过对个人简历进行文本分析，对环保背景进行认定；环保背景高管权力视角检验中，基于环保背景高管筛选过程之后，进一步筛选出担任高级职位的高管。绿色者投资数据以及其他变量数据来源于国泰安数据苦。为保证实证结果的准确性，对原始数据进行以下处理：一是剔除金融和房地产行业的上市公司样本；二是剔除ST、*ST等T类上市公司样本；三剔除员工数低于10人的上市公司样本；四是对连续变量进行前后1%的缩尾处理，最终得到了2007-2017年20132个年度=企业观测样本。
（二）模型构建
本文构建的计量模型如下：
q其中， 为本文被解释变量绿色投资者；
为本文的核心解释变量环保背景高管，包括是否聘任环保背景高管（hbbjdum）和环保背景高管数量（
）两种度量方式，在权力视角检验中，该变量会替换成具有管理自主权的环保背景高管；
为一系列控制变量；
为个体固定效应，
为年度固定效应，
为随机误差项。
被解释变量：绿色投资者，使用当年企业存在的绿色投资者数量（加1取自然对数）来表征（lnGI）。核心解释变量：环保背景高管，使用是否聘任环保背景高管（hbbjdum）和环保背景高管数量（lnhbbj）表征，前者为虚拟变量，若企业当年高管团队中有一位及以上具有环保背景的高管，则认定当年该企业具有环保背景高管，hbbjdum取值为1，反之为0；后者（lnhbbj）将当年企业高管团队中具有环保背景高管数量进行加总，并加1取自然对数。
其他控制变量：选取员工数量（employ）、固定资产比比率（Far）、投资机会（TQ）、净资产收益率（Roe）、第一大股东持股比例（Top1）、资产负债率（Debt）、独立董事比例（Indd）、董事长与总经理兼任情况（Dual）、董事会规模（Board）等9个控制变量，数据均来源于CSMAR数据库，此外，本文还控制了年度和个体固定效应，并且在地级市-时间维度对稳健标准误进行聚类。
（三）数据特征
（四）实证分析
1.基准回归分析
2.环保背景高管对绿色投资者进入的长期效应
3.基于环保背景高管权力视角进行检验
4.内生性问题
本文选取企业核心高管籍贯所在城市的新闻网站或政府官网报道的污染事件数（IV）作为高管环保背景的工具变量，核心高管包括企业董事长、副董事长、总裁、总经理、副总经理，进行内生性检验。
5.稳健性检验
本文从改变估计方法（PSM和使用Tobit模型以及泊松分布模型）、更换被解释变量、控制时间趋势、样本处理等进行了稳健检验，基准回归结论保持稳健。
6.异质性分析
本文从企业所有制类型（样本划分为国企和非国企）以及行业性质（样本划分为重污染和非重污染）探究差异性效果
（五）机制检验与进一步分析
1.机制分析
本文基于信号传递理论，从影响企业内部自我环保投资以及获取外部政府环保补助两天路径探究了环保背景高管吸引社会绿色投资者进入的作用机制。
2.进一步分析
绿色投资者进入是否能够给企业带来实质性的收益？本文从企业绿色绩效和企业经济绩效两个方面探讨了绿色投资对企业实质性收益的影响。
（六）结论与政策建议
以上就是本篇文章实证研究的大致框架和核心内容，大家如果感兴趣，可以自行下载学习，接下来给大家介绍本文使用的重要数据集。
二、重要数据
该文章是以2007-2017年中国沪深A股上上市企业作为研究样本，研究中使用到了环保背景高管以及权力视角检验中管理自主权的环保背景高管数据，我们对这两部分数据进行了收集整理，并在论文的基础上进行了拓展，将数据区间延伸到了2007-2023年，方便大家研究。
（一） 企业高管环保背景原始数据
我们参考论文，根据新浪财经网站发布的个人简历信息收集整理了企业高管环保背景信息，企业高管数据来源于国泰安（CSMAR）数据库，我们将该企业高管数据与新浪财经网简历信息进行匹配，筛选出高管是否具有环保背景，并在数据中进行标注，环保背景数据筛选均采用python代码进行文本分析，我们将筛选之后的原始数据保存在“原始数据”表中，提供数据质量保证，我们在数据处理过程中发现，存在公司高管并没有在新浪财经网公布，数据的整理是基于新浪财经网公布的高管简历简历进行整理，这一点，我们也参考了论文，发现即使在论文的研究区间也会存在部分高管没有公布在新浪财经网，故作者在研究时也会剔除这一部分缺少的高管数据，数据呈现如下：
（二）面板数据
在对企业高管环保背景进行整理之后，我们将其转换到企业层面，我们按照企业-年份进行数据统计，得到企业层面的环保高管数据，按照论文的描述构建了企业是否拥有环境背景高管以及拥有环保背景高管数量指标，同时考虑到权力视角的分析，我们根据高管的职位信息，构建了是否聘任具有较高管理自主权的环保背景高管以及聘任高管理自主权的环保背景高管数量指标，分别保存在各自的数据列中，同时我们补充了一些关于企业相关的信息用于后续的数据剔除操作，数据保存在“面板数据”表中，具体呈现如下：
（三）面板数据—剔除数据版
在得到企业-年度层面的面板数据之后，我们参考论文，进行数据剔除，方便大家进行研究，主要剔除了以下几个方面数据内容：一、剔除了金融行业和房地产行业的数据；二、剔除了ST、*ST等T类样本；三、剔除了员工人数小于10人的企业，进过以上数据剔除之后，得到了剔除之后的数据，论文中在进行数据筛选之后，得到了20132个年度-企业样本，我们进行样本筛选之后，在2007-2017年区间的数据样本有23659个，并且数据是进行了拓展，所以大家使用我们的数据进行研究是完全可以的，剔除部分数据之后的内容我们保存在“面板数据-剔除数据版”表中，具体数据呈现如下： 
以上就是本次分享的全部内容，大家可以看到我们对分享的数据是十分认真和用心的，并且站在使用者的角度考虑，所以大家完全可以相信数据的质量，最后，数据在发布时间起24小时内通过关键词指示操作即可免费获取，关注公众号“明天科技屋”并回复数字关键词了解数据获取方式，该数据由明天科技屋一手整理，版权归明天科技屋所有，未经允许，不得用于商业盈利，否则将追随法律责任！！！