1. 上市公司高管绿色认知数据解析
2000-2024年上市公司高管绿色认知数据是近年来经济管理领域的重要研究素材。这份数据通过文本分析方法,从上市公司年报中提取了19个与环保相关的关键词,构建了衡量企业管理者绿色关注度的量化指标。作为经管领域的研究者,我发现这类数据对于分析企业环保战略演变、高管决策倾向具有独特价值。
这个数据集的核心在于"高管绿色认知词频占比"指标,计算公式为:(高管绿色认知词频/年报全文总词数)*100。这个看似简单的比率背后,实际上反映了企业在战略表述中对环保议题的重视程度。从2000年到2024年的长周期数据,更是让我们能够观察到中国企业环保意识觉醒的完整轨迹。
提示:使用这类文本分析数据时,需要注意年报披露内容的真实性与表述策略可能存在的差异,不能简单将词频等同于实际环保投入。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据构建方法论详解
2.1 关键词选择逻辑
李亚兵等(2022)的研究采用了三个维度构建关键词体系:
- 绿色竞争优势意识维度:包含"节能减排"、"环保战略"等反映企业主动环保策略的词汇
- 企业社会责任意识维度:如"环保理念"、"环保教育"等体现社会责任的关键词
- 外部环境压力认知维度:"环保督察"、"环保相关法律法规"等反映合规压力的表述
这种多维度的关键词设计,避免了单一视角的局限性。我在实际研究中发现,不同维度的关键词占比变化,能够反映企业环保动机的差异——是主动战略还是被动应对。
2.2 文本分析技术实现
原始数据的获取采用了Python的jieba分词技术,配合哈工大停用词表进行预处理。这个过程有几个技术要点:
- 分词准确性直接影响词频统计结果,需要针对财经文本优化词典
- 停用词表的选用很关键,哈工大停用词表对中文文本处理效果较好
- 年报PDF转文本过程中需注意格式转换带来的噪音
在实际操作中,我发现2010年以前的年报电子化质量参差不齐,需要额外进行数据清洗。特别是早期扫描版PDF的OCR识别错误,会显著影响词频统计结果。
3. Stata数据处理全流程
3.1 数据导入与清洗
拿到原始词频数据后,第一步是导入Stata进行清洗:
stata复制// 导入CSV格式的原始数据
import delimited using "green_keyword
