一、数据概述
数据文件：企业绿色媒体覆盖_2024.dta
数据类型：面板数据（Panel Data）
样本量：72,533 条观测值
覆盖范围：中国A股上市公司
时间跨度：2001年起




二、变量说明
变量名              变量类型    变量含义                        说明
Stkcd              float64    股票代码                        上市公司唯一标识符
year               int16      年份                            观测年度
GreenCoverage3     float64    绿色媒体覆盖率（3词阈值）        ln(1 + 含>3个环保关键词的新闻数)
GreenCoverage5     float64    绿色媒体覆盖率（5词阈值）        ln(1 + 含>5个环保关键词的新闻数)
GreenCoverage7     float64    绿色媒体覆盖率（7词阈值）        ln(1 + 含>7个环保关键词的新闻数)
GreenCoverage9     float64    绿色媒体覆盖率（9词阈值）        ln(1 + 含>9个环保关键词的新闻数)
GreenCoverage11    float64    绿色媒体覆盖率（11词阈值）       ln(1 + 含>11个环保关键词的新闻数)





三、指标构建方法


3.1 数据来源
原始数据为企业相关新闻报道文本，来源于财经媒体数据库。


3.2 关键词词典
采用200余个环保相关关键词进行文本匹配，涵盖以下类别：
  - 污染物指标：API、AQI、CO2、COD、PM10、PM2.5、SO2、氮氧化物等
  - 环保行为：节能、减排、回收、循环利用、脱硫、脱硝等
  - 环境问题：污染、雾霾、水土流失、温室效应、酸雨等
  - 绿色发展：可持续发展、新能源、碳中和、碳排放、绿色建筑等


3.3 计算步骤
  (1) 关键词匹配：统计每条新闻中环保关键词的出现次数
  (2) 阈值筛选：仅保留关键词数量超过阈值（3/5/7/9/11）的新闻
  (3) 年度汇总：按企业-年份汇总符合条件的新闻数量
  (4) 对数变换：采用 ln(1+x) 变换，压缩极端值并处理零值


3.4 阈值选择说明
  阈值      适用场景
  3词      宽松标准，捕捉所有涉及环保话题的报道
  5词      中等标准，常用于基准回归
  7词      较严格标准，聚焦环保主题报道
  9词      严格标准，筛选深度环保报道
  11词     最严格标准，用于稳健性检验





四、使用建议


4.1 基准回归
建议使用 GreenCoverage5 或 GreenCoverage7 作为主要解释变量。


4.2 稳健性检验
可使用不同阈值的指标进行敏感性分析，验证结果稳健性。


4.3 数据合并
使用 Stkcd 和 year 作为主键，与其他企业层面数据进行匹配合并。


Stata 示例代码：
  use 企业绿色媒体覆盖_2024.dta, clear
  merge 1:1 Stkcd year using 其他数据.dta




五、参考文献
Gao et al. (2024). Green media coverage and corporate green innovation. Business Finance & Accounting.