【碳排放控排1006】碳排放控排企业名单数据集,探索绿色生产!

今天给大家分享的是国内顶级期刊2023发表论文《碳排放规制、企业减排激励与全要素生产率——基于中国碳排放权交易机制的准自然实验》中使用到的重要数据集——碳排放控排企业名单,该论文从企业生产效率视角对论文进行研究,发现碳排放权交易机制显著提升了控排企业的全要素生产率,但该市场机制还未产生积极溢出效应,试点地区和同行业非控排企业的全要素生产率都未发生显著变化,并且在异质性分析中得出碳市场的初始配额实施部分竞价拍卖、采用基准法核算、非履约主体交易机制对企业全要素生产率的积极作用会更加明显,同时碳排放权交易机制还显著降低了控排企业的资源错配程度,提升了绿色生产投入和技术创新产出。该论文在研究过程中使用到了一个非常重要的数据碳排放权交易市场控排企业名单,我们在论文的基础上进行了拓展和完善,为大家提供了一个更全面、充分的数据集方便大家研究,数据获取查看文末获取方式。

一、论文讲解 

该论文以深圳、上海、北京、广东、湖北、天津、重庆和福建八个地区碳排放权交易市场的控排企业名单为基准,构建双重差分模型开展自然实验,从企业层面研究碳排放权机制对企业全要素生产率的影响以及溢出效应检验,同时进行了平行趋势检验、安慰剂检验、事件研究法和两阶段差分、倾向匹配得分和熵平衡法、个体和时间双重聚类、分样本回归、被解释变量测度更换等一系列稳健性检验,结果保持文件,并且从企业生产效率、产品市场竞争以及企业资源配置三个方面进行了进一步的分析,最终得出结论,给出相应的建议。 

(一)样本与数据

深圳、上海、北京、广东、湖北、天津、重庆和福建八个地区分别从2013年开始先后启动碳市场交易,2021年发电行业的全国统一碳交易市场也线上交易,论文中以A股所有上市公司为初始样本,研究区间为2010-2020年,并剔除了部分样本,企业财务相关数据来源于国泰安(CSMAR)和万得(Wind)数据库,碳市场控排企业名单通过各碳市场手工整理,我们对控排企业名单数据进行了整理,并将其进行了拓展,数据详细请往下了解。

(二)模型设计与变量定义

碳排放权交易机制采取分地区和逐步试点的方式进行,论文中采用双重差分模型进行研究,具体模型构建如下:

其中,TFP为企业全要素生产率,对于这一块指标的核算详细信息请查看论文

解释变量CTS表示上市公司是否为碳市场控排企业,若上市公司为控排企业,定义为处理组,赋值为1,其他则归入对照组,赋值为0。变量CTS_Post表示企业为碳市场控排和进入时间的交互项,企业被纳入碳市场控排后的年份赋值为1,纳入之前的年份及其他为进入控排名录的企业赋值为0,该变量是论文主要关注的变量。

Controls白哦是控制变量,参考已有文献,控制了如下变量:公司规模(Size)、财务杠杆(Lev)、资产收益率(ROA)、产权性质(SOE)、大股东持股比率(First)、机构投资者持股比率(IO)、上市时间(Age)、企业经营活动产生的净现金流(OCF)、董事长是否兼任总经理(Dual)、产品市场竞争(HHI)、固定资产投资(Fixed)、公司研发支出(R&D)、分析师关注(Analyst)和融资约束(SA)等。此外,为了避免经济周期、行业和地区的时变和非时变差异对企业生产效率的影响,模型中还分别控制了年度、行业和地区以及年度与行业和地区分别交互的固定效应。最后为控制企业不随时间变化因素的影响,模型中还加入了公司固定效应。

(三)结果与分析 

        1.基准回归结果

        2.地区与行业溢出效应

        3.稳健性检验

主要包括平行趋势检验以及安慰剂检验、事件研究法和两阶段差分、倾向匹配得分和熵平衡法、个体和时间双重聚类、分样本回归、被解释变量测度更换等一系列其他稳健性检验。

(四)进一步分析

        1.碳市场机制设计与企业生产效率

        2. 产品竞争市场与碳市场的生产率效应

        3.碳排放权机制与企业资源配置

上述三个方面的研究均采用各自相应的标准进行分样本比较解释变量系数进行说明。 

(五)结论与启示 

以上就是该论文的大致结构和内容,接下来的内容是重点,给大家分享我们收集整理的数据。

二、重要数据 

碳排放权交易机制从2013年在深圳、上海、北京、广东、湖北、天津、重庆和福建八个地区进行试点推广,不同地区分别在不同年份进行实施,从我们收集的数据,北京和湖北是2014年开始进行试点,福建从2016年开始进行试点,其他地区均从2013年开始进行试点,我们收集整理了各个地区的控排企业名单,数据资料是非常完整的,原始名单数据设计到20000多个企业,我们进行了整理,将数据中重复以及涉及到改名的企业进行核对和剔除,考虑到大家的研究需求我们将样本区间进行了拓展,最终得到了2008-2020年的控排企业名单数据,方便大家研究。

(一)原始数据

我们从试点地区的发改委和生态环境局收集整理了各地区控排企业名单,各地区试点时间在上面已经申明,不同地区不同年份的数据我们均收集完整,无缺失年份数据,部分原始名单信息展示如下,大家根据这个信息可以初步判断我们收集数据的完整性,以重庆为例进行展示。

在收集完数据之后我们对数据进行了整合,方便进行进一步处理,名单汇总数据一共20000多行数据, 由于原始名单中很多是以PDF文件格式呈现,我们均进行了人工核对识别,判断整理数据是否与原始名单一致,最终得到一致的名单,整合数据展示如下:

在整合完数据之后,我们对整合数据首先进行了按照企业名称进行去重操作,保留重复企业名单中最早进行试点的样本(参考论文),去重操作均采用python代码执行,因此不存在人为剔除样本操作,最终得到一个去重版原始数据集,最终得到了4721条数据,同时我们使用爱企查、天眼查等企业信息网站进行了数据核对,纯手工核对,识别出上市企业和非上市企业,并将上市企业股票代码数据保存,方便大家核对和审查以及后续的数据拼接,识别完成之后,我们发现还是会存在重复的企业,这是无法避免的,因为企业在发展的过程会设计名称变更,我们按照企业现在名字进行修改,最终数据保存在“去重版原始数据”表中,数据展示如下:

在人工核对完之后,我们对重复数据和非上市企业数据进行了剔除,大家在实际研究中只会使用到上市数据,一共208家企业,同时参考论文将上市企业的相关信息进行补充企业所在行业和上市状态,数据保存在“去重版上市企业原始数”表中,数据展示如下:

(二) 上市企业面板数据未剔除数据版

我们将经过处理的企业名单转换成大家实际研究中需要使用到的面板数据格式,并参考论文设定相应的虚拟变量,论文中使用到的研究区间是2010-2020年,我们在此基础上进行了拓展,延伸到了2008-2020年,为什么不对后面年份进行延伸呢?主要是:第一、目前的论文研究最多使用到2020年,2021年全国发电行业纳入,目前暂不清楚会有什么变化,为了确保数据准确性,我们截止到2020年;第二、论文中在研究的时候都会保持数据间隔,大部分不会存在直接靠近最近年份进行研究;第三、最近年份的其他数据大家在实际中可能不一定收集齐全,我们收集的数据在正常情况下能够满足大家的研究需求。参考论文我们补充了企业是否控排企业数据以及控排企业和年份的交互数据,分别保存在“是否控排企业”和“DID”列中,由于我们是根据控排企业名单进行整理的,所以“是否控排企业”均为1,相信大家肯定可以理解的,最终得到了控排企业2008-2020年面板数据,一共2704条数据,保存在“上市企业面板数据未剔除数据版”表中,具体展示如下:

(三)上市企业面板数据剔除数据版 

论文中进行了部分样本剔除,剔除了金融保险类企业以及ST的公司样本,我们同样进行了这方面的数据处理,进行了样本剔除之后,重新转换面板数据,数据内容和未剔除数据版一样,只是进行了样本剔除,最终得到2457样本,保存在“上市企业面板数据剔除数据版”表中,数据展示如下:

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!!!   

文章关键词为:“1006”   

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/30041.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

植物大战僵尸杂交版V2.1快速刷金币的方法(新号适用,无需自带招财猫)

📝个人主页:哈__ 期待您的关注 目录 1. 💻游戏介绍 2. 🔥快速刷取金币的办法(我是新号测试的) 2.1 无招财猫 2.2 有招财猫 《植物大战僵尸杂交版》是一款在原版《植物大战僵尸》基础上进行了创新的塔防…

骗小孩背单词的游戏

我小孩还没有生,我打算生2个,这样他们有竞争性。我们小时候玩过一款游戏,叫做编编战,就是通过作者进行现场在脑子里编故事,然后玩家,直接加入故事,通过讲述或者演绎,来做凭空的角色扮…

Java学习【深入解读File类:从基础到高级的完整指南】

Java学习【深入解读File类:从基础到高级的完整指南】 ⭐File的概述和构造方法⭐File常见的成员方法🌙构造方法🌙length()🌙getAbsoluteFile()和getPath()🌙getName()和lastModified() ⭐文件的创建和删除⭐获取并遍历 …

【OpenHarmony开发】 tracepoint的机制总结

一、tracepoint 的机制 1.1 DECLARE_HOOK 解析 DECLARE_HOOK(vendor_bond_check_dev_link,TP_PROTO(const struct bonding *bond, const struct slave *slave, int *state), TP_ARGS(bond, slave, state)); ​ // 在已经实现如下宏定义的前提下 // CONFIG_TRACEPOINTS 和 CO…

代码随想录算法训练营DAY41|背包问题 二维 、背包问题 一维、416. 分割等和子集

背包问题 二维 题目链接:背包问题 二维 def bag_weight_problem(n,space,weight,value):dp [[0 for i in range(space1)]for j in range(n)]for i in range(weight[0], space1):dp[0][i]value[0]for j in range(1, n):for k in range(space1):if weight[j]>k:…

力扣410.分割数组的最大值

力扣410.分割数组的最大值 分割数组 使得子数组最大值最小 凡是最小化最大值和最大化最小值的题都是二分答案二分子数组最大值 求当前数组可以分为几段 class Solution {public:int splitArray(vector<int>& nums, int k) {auto check [&](int mid) -> bo…

Leetcode Hot 100 刷题记录 - Day 1

问题描述&#xff1a; 给定一个整数数组 nums 和一个整数目标值 target&#xff0c;请你在该数组中找出 和为目标值 target 的那 两个整数&#xff0c;并返回它们的数组下标。 你可以假设每种输入只会对应一个答案。但是&#xff0c;数组中同一个元素在答案里不能重复出现。 示…

AbMole带你探索颅内压力与肌肉生长的联系:一项突破性研究

在生物医学领域&#xff0c;颅内压力&#xff08;ICP&#xff09;的调控机制一直是研究的热点。最近&#xff0c;一项发表在《PLOS ONE》上的研究为我们揭示了颅内压力与后颅窝肌肉生长之间的潜在联系&#xff0c;为我们理解某些慢性头痛的成因提供了新的视角。 颅内压力的异常…

spring-boot-starter-websocket 客户端 服务端 例子

1. 添加依赖 首先&#xff0c;在pom.xml中添加spring-boot-starter-websocket依赖&#xff0c;正如你已经指出的&#xff1a; <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-websocket</artifactId&g…

QEMU(Quick EMUlator)学习

QEMU介绍 QEMU (Quick EMUlator) 是一个开源的虚拟化软件和硬件仿真器&#xff0c;它能实现完整系统仿真或进程级仿真。QEMU 的用途广泛&#xff0c;可以用来运行不同体系结构的程序&#xff0c;测试操作系统和驱动程序&#xff0c;开发嵌入式系统&#xff0c;甚至作为云计算平…

temu跨境选品师是怎么样的一个项目?

TEMU(特穆)跨境选品师项目&#xff0c;作为一项创新的全球商品采购和选品服务&#xff0c;正在逐步改变消费者对于跨境电商产品的认知和选择方式。这个项目不仅仅是一个简单的商品推荐平台&#xff0c;更是一种以数据驱动的精准选品策略的体现&#xff0c;为消费者提供了全新的…

Spring Boot集成vavr快速入门demo

1.什么是vavr&#xff1f; 初闻vavr&#xff0c;感觉很奇怪&#xff0c;咋这个名字&#xff0c;后面看到它的官网我沉默了&#xff0c;怀疑初创团队付费资讯了UC震惊部如何取名字&#xff0c;好家伙&#xff0c;vavr就是java这四个字倒过来&#xff0c;真的是’颠覆’了java……

为什么Mid journey很容易就能做出很有氛围感的图而SD却容易做图很丑?

前言 6月12日&#xff0c;Midjourney更新了一项新的功能——模型个性化&#xff0c;这一项功能最重要的作用就是能够让生成的图像更加符合你自己的审美标准。就像每个艺术家都有自己的独特风格一样&#xff0c;有了这项模型个性化功能的加持&#xff0c;每个人都能生成具有鲜明…

松弛变量(slack variable)与拉格朗日对偶

松弛变量&#xff08;slack variables&#xff09;和拉格朗日对偶&#xff08;Lagrangian duality&#xff09;是优化理论中的两个重要概念&#xff0c;它们之间有着密切的关系&#xff0c;特别是在线性规划和凸优化中。 松弛变量 松弛变量用于将不等式约束转化为等式约束。在…

kali系统几个开机启动项的区别

1、Live system (amd64) 简单的模式 &#xff0c;启动系统&#xff0c;直接进入 Kali&#xff0c;在系统中的所有的操作和设置都会在下次重启时失效。 Kali 中保存/编辑的所有东西都会重启丢失。 2、Live system (amd64 fail-safe mode) 这种模式与 Live (amd64) 类似&#xf…

【机器学习】第5章 朴素贝叶斯分类器

一、概念 1.贝叶斯定理&#xff1a; &#xff08;1&#xff09;就是“某个特征”属于“某种东西”的概率&#xff0c;公式就是最下面那个公式。 2.朴素贝叶斯算法概述 &#xff08;1&#xff09;是为数不多的基于概率论的分类算法&#xff0c;即通过考虑特征概率来预测分类。 …

C#利用SignalR实现通信事例Demo

1.服务端安装SignalR的Nuget包 dotnet add package Microsoft.AspNet.SignalR --version 2.4.3 2.接下来&#xff0c;创建一个ChatHub类&#xff0c;它是SignalR通信的核心&#xff1a; using Microsoft.AspNetCore.SignalR;public class ChatHub : Hub {public static Dict…

MATLAB 二维平面绘图

x 0:0.01:2pi: 大家还记得这个是什么意思吧 就是0到2π 每次所取的数 是相差0.01进行选取的 ysin&#xff08;x&#xff09;: figure (这个意思就是建立一个幕布) plot&#xff08;x&#xff0c;y&#xff09; 这个主要是绘制当前的二维平面的图 但是大家会发现这张图里没有标…

iOS Category

原理&#xff1a; 【iOS】——分类、扩展和关联对象_ios 为什么分类不能加成员变量-CSDN博客 面试题&#xff1a; 1.Category和Extension区别&#xff1f; 在 Objective-C 中&#xff0c;Category 和 Extension 是两种用于向现有类添加新功能的机制&#xff0c;但它们各有特…

反激开关电源输入电解电容选型及计算

输入电解电容波形如下 计算 1、输入电解电容经验选取法 当输入电压为220V20%&#xff08;AC176-264V&#xff09;时 按照输出功率选取&#xff1a;W/μF 耐压&#xff08;400V&#xff0c;输入176-264V最高DC峰值373V&#xff09; 当输入电压为11020%时&#xff08;AC88-132V…