数据介绍：

• 年份：2000-2023
• 范围：A股上市公司
• 三个版本：高管团队异质性（未剔除未缩尾）、高管团队异质性（已剔除金融STPT未缩尾）、高管团队异质性（已剔除金融STPT已缩尾）
• 文件格式：Dta格式（使用Stata打开）、Xlsx格式（使用Excel打开
• 注：提供了剔除所需数据和剔除代码，若无需做该项剔除处理，自行删除相关代码重新运行即可行业参照证监会2012年行业分类标准，制造业用二级行业分类，其他用一级分类来计算并对连续型变量进行了1%和99%分位数的缩尾处理
  

---

计算公式：【高管性别异质性】上市公司高管团队的性别差异程度，使用 Blau系数的计算方法进行测度，计算公式为高管性别异质性= ，其中，Pi为第i类别成员在团队中所占的比例，n 为类别的数量。（这里文献中解释应当是有误的，在计算 Blau 系数时无论类别为几类，n 的值应当始终为 2，本资料已经进行了纠正，固定地取n 的值为 2)

【高管年龄异质性】该企业当年高管团队中高管年龄（岁）的标准差/年龄（岁）均值

【高管任期异质性】该企业当年高管团队中高管任期（在职月数）的标准差/任期（在职月数）均值

【高管学历异质性】上市公司高管团队的学历差异程度，使用Blau系数的计算方法进行测度，计算公式为高管学历异质性=其中，Pi为第i类别成员在团队中所占的比例，n为学历类别的数量。（这里文献中解释应当是有误的，在计算Blau系数时无论类别为几类，n的值应当始终为2,本资料已经进行了纠正，固定地取n的值为2)

---

参考引用:

• 周虹,李端生高管团队异质性、CEO权力与企业内部控制质量[J].山西财经大学学报,2018,40(01):83.95.
  

---

代码：



数据量：



描述性统计：



结果数据