大家好，我是Paper数据分析【文末有我的联系方式】，作为985硕博团队，我们深切了解经管 类  学生和学者在数据搜集上耗费的巨大精力。基于我们多年对经管社科领域的辅导经验，我们帮助大家总结了在实证分析部分选取数据的经验，希望对大家有一定的帮助。

在确定选题后，我们就要着手进行数据样本的确定和搜集了。我们选择数据的原则是根据所研究的问题以及数据可得性确定最合适的样本。经管研究的数据大致分四个层次：

1. 企业层：上市公司、工业企业、微观经营主体等，变量最丰富，实证最成熟
2. 国家/省级层：各国或省份层面，宏观政策或者国际经济研究常用，数据规范但颗粒度粗
3. 地级市层：城市层面，中观研究的主力，兼顾颗粒度和数据可得性
4. 县域层：区县层面，数据质量参差不齐但颗粒度最细
5. 微观调查层：CFPS、CHFS等家庭个人调查数据、以及其他以个体行为为对象的微观数据，适合研究微观行为机制

每个层次的数据来源、常见变量、处理方式都不一样。本文从企业层面进行简要介绍，其他层面的介绍见下方目录，希望对大家有所帮助。

目录：

1、【企业篇】上市公司数据怎么选：

即本文。

2、【省级篇】 省级面板数据 避坑指南：

https://blog.csdn.net/xiaozhuzhu1995/article/details/160482288?spm=1001.2014.3001.5501

3、【地级市篇】城市数据的选择与处理：

https://blog.csdn.net/xiaozhuzhu1995/article/details/160482376?spm=1001.2014.3001.5501

4、【县域篇】县域数据的使用注意事项：

https://blog.csdn.net/xiaozhuzhu1995/article/details/160482427?spm=1001.2014.3001.5502

5、【微观篇】CFPS、CHFS等调查数据使用指南：

https://blog.csdn.net/xiaozhuzhu1995/article/details/160482491?spm=1001.2014.3001.5502

【企业篇】上市公司数据怎么选

做企业研究是实证领域最成熟的赛道，数据多、时间长，但坑也不少。

先想清楚研究什么

拿到一个题目，先问自己：研究主体是企业吗？题目里出现"上市公司""企业""公司"，基本就是企业层面的研究。

企业研究最大的优势是数据成熟——变量多（财务、公司治理、股票交易都有）、时间长（最早可以追溯到90年代）、质量相对有保障。

基础配置

不管你做哪个方向，财务报表+公司治理数据是标配：

• 财务报表：资产负债表、利润表、现金流量表核心科目
• 股票交易：收益率、换手率、波动率
• 公司信息：成立时间、行业分类、地区归属

这些是所有回归模型的控制变量来源，没有的话研究根本跑不起来。

按研究方向选数据

同样是企业研究，不同方向的侧重点完全不一样：

研究方向	重点数据
治理问题	内部控制指数、董监高特征（年龄、学历、任期、政治背景）、高管薪酬、断裂带数据
财务审计	盈余管理指标（修正Jones模型）、审计费用、财务舞弊样本
企业风险	股价崩盘风险（NCSKEW、DUVOL）、经营风险（ROA波动）、违约风险
创新专利	专利申请/授权量、绿色专利、数字经济专利（吴非/袁淳/张永坤版）、专利引用数据
ESG可持续	华证ESG评级、环保投入、碳排放数据、社会责任报告
数字化转型	吴非老师团队版（偏重AI、云计算）、袁淳老师版（偏重基础设施）、张永坤老师版（含战略变革）
供应链	前五大客户/供应商占比、供应商客户工商信息、供应链金融数据
投资者行为	机构持股比例、分析师关注度、投资者情绪指数

几个常见坑

1. 控制变量别贪多

新手容易把所有变量都往模型里塞，其实核心解释变量+基本控制变量就够了。变量太多反而干扰主要结论，审稿人也会有疑问。

2. 数字化转型数据版本要选对

吴非版偏重AI、云计算等数字技术关键词；袁淳版偏重数字化基础设施；张永坤版还包含组织变革等软性指标。根据你的研究侧重点选择，不要混用。

3. 专利数据来源多

不同数据库统计口径可能不一致，比如国知局和CSMAR的数据会有差异。建议可以从多个权威来源选择，作为稳健性检验。

4. 缺失值处理要透明

没有完美无缺的数据，关键是处理方法要说清楚。常用的稳健性检验：替换变量、缩尾处理、改变样本范围都要跟上。

做企业研究最大的好处是数据相对规范，但最大的坑是同质化严重——大家都用差不多的变量，文章容易被拒。如果能用上一些特色数据（比如绿色专利、数字化专利、供应链上下游信息、ESG细分指标），会加分不少。