请问在计算“行业内全部企业的实际绩效的中位数”时，使用的是满足这些“(1)剔除具有特殊性的金融保险行业；(2)剔除ST、*ST公司的样本；(3)剔除相关数据缺失的样本。”条件后的行业内剩余样本的实际绩效，还是直接就选择行业内的全部企业的实际绩效来计算中位数呢？

应该是要剔除的

你好，请问如果其他数据选用的是08年往后的数据，在进行预期差距的计算时，数据起点应该为哪一年呢，毕竟第一年的差距肯定为0了

为了计算上市公司历史业绩预期差距(Hps)，我们可以基于Stata使用以下步骤和代码：

### 数据准备与处理

假设你已经有了一个数据集 `firm_data.dta` 包含如下变量：
- `firmid`: 公司ID
- `year`: 年份
- `roa`: 总资产回报率（ROA）

首先，我们需要加载数据并为每个公司生成历史预期业绩序列。

```stata
clear all
use firm_data.dta, clear

* 创建变量保存每家公司前一年的ROA值
bysort firmid (year): gen roa_l1 = roa[_n-1]
replace roa_l1 = . if _n == 1 // 处理当年是公司首次出现的情况，设定为缺失值

* 设置递归参数α1=0.6
local alpha1 = 0.6

* 计算历史预期业绩Ai,t-1
gen ai_t_1 = `alpha1' * roa_l1 + (1 - `alpha1') * roa // 使用前一年的ROA和当前年的ROA计算

* 处理第一个年份缺失值
replace ai_t_1 = roa if missing(ai_t_1)
```

### 计算历史业绩预期差距(Hps)

```stata
* 现在可以计算Hps (实际业绩与历史预期的差额)
gen hps = roa - ai_t_1

* 由于我们关注的是后续影响，对hps取滞后一期作为解释变量
bysort firmid: gen hps_l1 = hps[_n-1]
replace hps_l1 = . if _n == 1 // 处理第一个年份缺失值
```

### 行业业绩预期差距计算 (以行业平均ROA为基准)

为了计算行业预期业绩，我们先计算各行业的年度ROA均值，并以此作为行业期望的ROA。

```stata
* 计算行业年度平均ROA
bysort year industry: egen roa_avg = mean(roa)

* 然后计算行业预期业绩差距 (实际ROA与行业平均ROA之差)
gen hpi = roa - roa_avg

* 同样地，取滞后一期作为解释变量
bysort firmid: gen hpi_l1 = hpi[_n-1]
replace hpi_l1 = . if _n == 1 // 处理第一个年份缺失值
```

以上步骤和代码假设你的数据集已经按公司ID和时间排序。在实际应用中，你可能需要根据具体的数据格式调整变量名称和排序条件。

这些计算完成后，你可以使用Hps_l1 和 Hpi_l1 进行后续的回归分析或进一步数据分析，探究历史业绩预期差距和行业业绩预期差距对投资效率的影响等研究问题。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用