平安银行 2025 0.0575 万科A 2025 0.1019 *ST 国华 2025 0.1907 深振业A 2025 0.1019 全新好 2025 0.1019 神州高铁 2025 0.0054 美丽生态 2025 0.1185 深物业A 2025 0.1019 南玻A 2025 0.0054 沙河股份 2025 0.1019 深康佳A 2025 0.0054 深中华A 2025 0.0054 深粮控股 2025 0.0476 深华发A 2025 0.0054 深科技 2025 0.0054 特力A 2025 0.0476 飞亚达 2025 0.0476 深圳能源 2025 0.0358 国药一致 2025 0.0476 深深房A 2025 0.1019 平安银行 2025 0.0575 万科A 2025 0.1019 *ST 国华 2025 0.1907 深振业A 2025 0.1019 全新好 2025 0.1019 神州高铁 2025 0.0054 美丽生态 2025 0.1185 深物业A 2025 0.1019 南玻A 2025 0.0054 沙河股份 2025 0.1019 深康佳A 2025 0.0054 深中华A 2025 0.0054 深粮控股 2025 0.0476 深华发A 2025 0.0054 深科技 2025 0.0054 特力A 2025 0.0476 飞亚达 2025 0.0476 深圳能源 2025 0.0358 国药一致 2025 0.0476 深深房A 2025 0.1019
Panel Dataset — 企业级面板数据

中国企业赫芬达尔指数面板数据(2000-2025)

赫芬达尔指数 = Σ(公司营业收入 / 同行业同年营业收入合计)^2(按 行业门类代码 分组)。本指标为行业层面的单一数值,同一行业同一年内所有公司取相同取值;计算所用基础字段缺失、或该行业当年营业收入合计为 0 时,本指标记为缺失,不以 0 代入。本指标依据的行业门类代码覆盖 2000—2025 年,且 2023 年起部分公司沿用上一年的行业分类、非逐年独立更新;该覆盖年段之外本指标为缺失。本指标取值介于 0 与 1 之间。行业内份额按同行业同年在本数据集中可见的公司计算,并非行业全样本,因此本指标系统性偏高;约 10.8% 的行业—年份单元不足 5 家公司,个别单元仅 1 家公司、本指标取值为 1。本指标按行业门类分组,分组粒度较粗,与按更细行业分类计算的赫芬达尔指数相比会系统性偏小约一个数量级,跨来源比较前请先核对行业分类粒度。。数据整理自上市公司年报、中国证监会、中国上市公司协会。

VIP数据 上市公司 更新 2026-08-23 2000-2025 · 26年 Excel / Stata
2025
覆盖年份
2000–2025
共 26 年连续面板
有效样本
67,590
原始数据非空行数
覆盖主体
2,600
上市公司数量
指标类型
VIP
支持预览与下载
01 趋势分析
0.0690 0.0612 0.0533 0.0455 0.0376 2000 2005 2010 2015 2020 2025
折线为年度均值
2000
0.0447
2004
0.0618
2008
0.0690
2012
0.0635
2017
0.0423
2021
0.0419
2025
0.0401
02 样例数据
样例数据(前 10 行) 支持复制到 Excel
年份 股票代码 股票简称 行业名称 城市 赫芬达尔指数
2000 000002 深万科A 房地产业 深圳市 0.0587705
2000 000003 ST 金田A 综合 深圳市 0.0500891
2000 000004 ST 深安达 道路运输业 深圳市 0.2118209
2000 000005 世纪星源 综合 深圳市 0.0500891
2000 000006 深振业A 房地产业 深圳市 0.0587705
2000 000007 深达声A 房地产业 深圳市 0.0587705
2000 000008 亿安科技 互联网和相关服务 深圳市 0.0959589
2000 000009 深宝安A 综合 深圳市 0.0500891
2000 000010 ST 深华新 零售业 深圳市 0.0328042
2000 000011 深物业A 综合 深圳市 0.0500891
赫芬达尔指数 = Σ(公司营业收入 / 同行业同年营业收入合计)^2(按 行业门类代码 分组)。本指标为行业层面的单一数值,同一行业同一年内所有公司取相同取值;计算所用基础字段缺失、或该行业当年营业收入合计为 0 时,本指标记为缺失,不以 0 代入。本指标依据的行业门类代码覆盖 2000—2025 年,且 2023 年起部分公司沿用上一年的行业分类、非逐年独立更新;该覆盖年段之外本指标为缺失。本指标取值介于 0 与 1 之间。行业内份额按同行业同年在本数据集中可见的公司计算,并非行业全样本,因此本指标系统性偏高;约 10.8% 的行业—年份单元不足 5 家公司,个别单元仅 1 家公司、本指标取值为 1。本指标按行业门类分组,分组粒度较粗,与按更细行业分类计算的赫芬达尔指数相比会系统性偏小约一个数量级,跨来源比较前请先核对行业分类粒度。。覆盖 2,600 个上市公司26 年连续面板,适用于面板回归、政策评估与综合评价研究。
03 指标详情

指标解释

指标定义

赫芬达尔指数 = Σ(公司营业收入 / 同行业同年营业收入合计)^2(按 行业门类代码 分组)。本指标为行业层面的单一数值,同一行业同一年内所有公司取相同取值;计算所用基础字段缺失、或该行业当年营业收入合计为 0 时,本指标记为缺失,不以 0 代入。本指标依据的行业门类代码覆盖 2000—2025 年,且 2023 年起部分公司沿用上一年的行业分类、非逐年独立更新;该覆盖年段之外本指标为缺失。本指标取值介于 0 与 1 之间。行业内份额按同行业同年在本数据集中可见的公司计算,并非行业全样本,因此本指标系统性偏高;约 10.8% 的行业—年份单元不足 5 家公司,个别单元仅 1 家公司、本指标取值为 1。本指标按行业门类分组,分组粒度较粗,与按更细行业分类计算的赫芬达尔指数相比会系统性偏小约一个数量级,跨来源比较前请先核对行业分类粒度。

数据类型

企业级面板数据,覆盖2,600个上市公司。

时间跨度

2000-2025年,共26年连续面板数据。

应用场景

  • 作为被解释变量或核心解释变量进行面板回归分析
  • 结合其他指标做相关性与多元回归研究
  • 分析时间趋势与区域差异
  • 政策评估(DID、PSM-DID 等准自然实验)
  • 构建综合评价指标体系(熵值法等)
04 技术文档
数据说明书(Data Dictionary)
数据来源

数据整理自上市公司年报、中国证监会、中国上市公司协会。经人工校验与交叉比对,确保数据准确性。

部分缺失值已通过线性插值补齐,原始数据与插值数据均可分别下载。

变量名 中文名称 类型 说明
year 年份 int 2000-2025
stock_code 股票代码 string 编码
stock_name 股票简称 string 股票简称
industry_name 行业名称 string 所属行业
city 城市 string 地级市名称
firm-2c570913118b1ee720e98-hefendaerzhishu-7b099e 赫芬达尔指数 float 赫芬达尔指数 = Σ(公司营业收入 / 同行业同年营业收入合计)^2(按 行业门类代码 分组)。本指标为行业层面的单一数值,同一行业同一年内所有公司取相同取值;计算所用基础字段缺失、或该行业当年营业收入合计为 0 时,本指标记为缺失,不以 0 代入。本指标依据的行业门类代码覆盖 2000—2025 年,且 2023 年起部分公司沿用上一年的行业分类、非逐年独立更新;该覆盖年段之外本指标为缺失。本指标取值介于 0 与 1 之间。行业内份额按同行业同年在本数据集中可见的公司计算,并非行业全样本,因此本指标系统性偏高;约 10.8% 的行业—年份单元不足 5 家公司,个别单元仅 1 家公司、本指标取值为 1。本指标按行业门类分组,分组粒度较粗,与按更细行业分类计算的赫芬达尔指数相比会系统性偏小约一个数量级,跨来源比较前请先核对行业分类粒度。
数据出处
本数据来自马克集数(s.macrodatas.cn)。
引用或转载请注明来源
Stata 读取代码

下载数据后,可使用以下 Stata 代码快速读取并设定面板结构:

Stata 复制代码
* 读取数据
use "firm_hefendaerzhishu_7b099e_2000_2025.dta", clear

* 查看变量与前几行
describe
list in 1/10

* 编码企业变量(如尚未编码)
encode stock_code, gen(firm_id)

* 设定面板数据结构
xtset firm_id year

* 描述性统计
summarize firm_hefendaerzhishu_7b099e, detail

* 简单面板回归示例
xtreg firm_hefendaerzhishu_7b099e x1 x2, fe
estimates store fe_model

如下载的是 Excel 格式,请先在 Stata 中使用 import excel "firm-2c570913118b1ee720e98-hefendaerzhishu-7b099e_2000_2025.xlsx", firstrow clear 导入。

05 相关指标推荐
数据预览
加载中...