01
趋势分析
折线为年度均值
2015
5.17
2017
4.74
2018
5.06
2019
5.31
2021
5.75
2023
6.99
2024
7.33
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 | 高学历人员占比(%) |
|---|---|---|---|---|---|
| 2015 | 000004 | 国农科技 | 医药制造业 | 深圳市 | 4.33 |
| 2015 | 000008 | 神州高铁 | 铁路、船舶、航空航天和其它运输设备制造业 | 北京市 | 5.12 |
| 2015 | 000009 | 中国宝安 | 综合 | 深圳市 | 3.68 |
| 2015 | 000012 | 南玻A | 非金属矿物制品业 | 深圳市 | 1.23 |
| 2015 | 000016 | 深康佳A | 计算机、通信和其他电子设备制造业 | 深圳市 | 0.92 |
| 2015 | 000019 | 深深宝A | 酒、饮料和精制茶制造业 | 深圳市 | 3.2 |
| 2015 | 000021 | 深科技 | 计算机、通信和其他电子设备制造业 | 深圳市 | 0.63 |
| 2015 | 000025 | 特力A | 批发业 | 深圳市 | 2.51 |
| 2015 | 000027 | 深圳能源 | 电力、热力生产和供应业 | 深圳市 | 6.12 |
| 2015 | 000028 | 国药一致 | 批发业 | 深圳市 | 4.13 |
本科以上人数/员工人数*100。覆盖 2,491 个上市公司、10 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
指标定义本科以上人数/员工人数*100
数据类型企业级面板数据,覆盖2,491个上市公司。
时间跨度2015-2024年,共10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。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 | 2015-2024 |
| 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-2c57091b719b5465c239f-gaoxuelirenyuanzhanbi-ca5e5e | 高学历人员占比 | float | 本科以上人数/员工人数*100 |
引用格式(Citation)
[1] 马克集数. 高学历人员占比面板数据(2015-2024)[EB/OL]. https://s.macrodatas.cn/article/indicator/firm-2c57091b719b5465c239f-gaoxuelirenyuanzhanbi-ca5e5e, 2026-02-23.
可直接复制上方引用格式至论文参考文献
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:
* 读取数据
use "firm_gaoxuelirenyuanzhanbi_c_2015_2024.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_gaoxuelirenyuanzhanbi_c, detail
* 简单面板回归示例
xtreg firm_gaoxuelirenyuanzhanbi_c 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-2c57091b719b5465c239f-gaoxuelirenyuanzhanbi-ca5e5e_2015_2024.xlsx", firstrow clear 导入。
05
相关指标推荐