一、数据集简介
    本数据集基于上市公司年报附注中"管理费用"与"重要在建工程项目"两类
    明细数据，通过项目名称的关键词匹配识别其中的"环保投资项目"，并将
    所有环保投资项目的期末余额按"上市公司-年份"汇总，得到上市公司
    年度环保投资额面板。
    计算思路：
        在 重要在建工程项目 类目下用"在建工程类"环保关键词识别项目；
        在 管理费用 类目下用"管理费用类"环保关键词识别项目；
        进一步剔除管理费用中关键词误命中的非环保支出（搬迁/拆迁/补偿/
        报废/离职/药品 等）；
        以(股票代码, 年份)粒度对期末余额求和后，与上市公司基础信息合并，
        得到唯一的"上市公司-年份"面板观测。
    依次输出未剔除未缩尾、已剔除金融STPT未缩尾、已剔除金融STPT已缩尾
    三个版本的上市公司面板结果。
    数据区间为上市公司 1999-2024年（共26年面板）；
    三个版本样本量分别为 20958 / 15307 / 15307 条观测，覆盖
    3016 / 2359 / 2359 家上市公司；均为 13 列。


二、原始数据文件
    1. 原始数据/上市公司管理费用与在建工程项目原始数据.dta
       —— 上市公司"管理费用"与"重要在建工程项目"两类年报附注的项目明细
          全集，共 1,292,494 行 × 5 列，包含以下字段：
            年份      ：会计年度（数值型）
            股票代码  ：上市公司股票数值代码
            项目      ：年报附注披露的项目名称（字符型，自由文本）
            期末余额  ：当年项目期末余额（数值型，单位：元）
            项目类型  ：仅取两个值"管理费用"或"重要在建工程项目"
       —— 项目类型分布：管理费用 687,061 行；重要在建工程项目 605,433 行。
    2. 原始数据/上市公司基础信息数据.dta
       —— 上市公司基础信息（年份-股票代码-省/市/区县-行业-ST 标识）面板，
          共 69,939 行 × 12 列：
            股票代码、股票简称、年份、省份、城市、区县、省份代码、
            城市代码、区县代码、行业代码（证监会大类）、行业名称、是否ST类。
    3. 参考文献/（共 3 篇 PDF，详见第七节）。





三、核心变量定义与计算公式
    上市公司环保投资金额_元 ★核心指标
    = ∑ ( 当年命中环保关键词的"重要在建工程项目"项目期末余额 )
    + ∑ ( 当年命中环保关键词的"管理费用"项目期末余额 )
    其中两个口径分别对应不同的关键词集合（详见第四节"识别规则"）。
    单位：元；数值型；通常为非负，但因部分项目为冲销/调整型科目，
    极少数样本可能出现小幅负值。





四、识别规则与样本筛选
    1. 识别"重要在建工程项目"中的环保投资项目（在建工程类口径）
       命中以下任一关键词即视作环保投资：
         · 排放与污染治理：环保、废水、废渣、废气、废弃、废弃物、除尘、
                           污、污水、脱硫、脱销、酸雾、扬尘、尾气处理；
         · 清洁与循环：    清洁、循环利用、循环经济、回收、回收利用、
                           回填、修复、生态修复、综合整治、治理；
         · 新能源与节能：  节能、减排、新能源、风电、光伏、光气、氢气、
                           热电、天然气、油改气、煤改气、锅炉改造、
                           河池汇能电站；
         · 绿色与生活：    绿化、绿色、垃圾、水处理、水源改造、环境安全、
                           尾矿；
         · 其他：          臭氧技改、排水。
    2. 识别"管理费用"中的环保投资项目（管理费用类口径）
       命中以下任一关键词即视作环保投资：
         · 生态环境：  环保、环境、生态、绿色、绿化、林地、苗木、森林、
                       植被、山林、水土、园林、防护林、育林、防治；
         · 污染与治理：废、污、清洁、清洗、保洁、卫生、环卫、垃圾、治理、
                       防洪；
         · 水利相关：  排水、水利、堤防、河道；
         · 国土与基建：土地塌陷、补偿、能源、排矸、环评。
    3. 剔除"管理费用"中关键词误命中的非环保支出
       项目类型 == "管理费用" 且名称含以下关键词的样本将被剔除：
         存货、劳动补偿、经济补偿、合同补偿、诉讼补偿、员工分流补偿、
         劳动关系补偿、搬迁、拆迁、报废管材、离职、药品、原料报废、
         破损报废损失。
    4. (股票代码, 年份) 粒度求和：collapse (sum) 期末余额。
    5. 与基础信息表 1:1 合并并仅保留 _merge==3（即两表均存在的上市公司
       -年份组合）。
    6. 样本筛选与缩尾规则（仅在"已剔除"与"已缩尾"版本中逐步应用）：
         (a) 剔除上市公司 B 股样本（股票代码以 2 或 9 开头）；
         (b) 剔除上市公司金融业（行业代码首字符 J、证监会大类口径）；
         (c) 剔除上市公司 ST、PT 样本（是否ST类 == 1 或股票简称含 ST/PT）；
         (d) 对 环保投资金额_元 按 年份 分组进行 1% 与 99% 双边缩尾。


五、字段说明（最终输出 13 列）
    1.  年份             ：会计年度（数值型，1999–2024）
    2.  股票代码         ：上市公司股票数值代码（数值型）
    3.  股票简称         ：上市公司股票简称（字符型）
    4.  省份             ：上市公司注册地所属省份（字符型）
    5.  城市             ：上市公司注册地所属城市（字符型）
    6.  区县             ：上市公司注册地所属区县（字符型）
    7.  省份代码         ：6 位省份行政区划代码（数值型）
    8.  城市代码         ：6 位城市行政区划代码（数值型）
    9.  区县代码         ：6 位区县行政区划代码（数值型）
    10. 行业代码         ：证监会大类行业代码（字符型，如 C39、I65、J66）
    11. 行业名称         ：证监会大类行业名称（字符型）
    12. 是否ST类         ：当年是否为 ST/PT 类公司（0=否，1=是）
    13. 环保投资金额_元  ：★核心指标，当年合计环保投资金额（数值型，单位：元）




六、输出文件清单（均为 13 列 .dta + .xlsx 对应版本）
    1. 计算结果未剔除未缩尾版本.dta / .xlsx
       —— 仅完成关键词识别 + 聚合 + 合并基础信息，未剔除金融STPT、未缩尾。
          样本量 20958 条观测，3016 家上市公司。
    2. 计算结果已剔除金融STPT未缩尾版本.dta / .xlsx
       —— 在版本 1 基础上剔除金融业、ST、PT、B 股、股票简称为空的样本，未缩尾。
          样本量 15307 条观测，2359 家上市公司。
    3. 计算结果已剔除金融STPT已缩尾版本.dta / .xlsx
       —— 在版本 2 基础上对 环保投资金额_元 按 年份 进行 1%-99% 缩尾，
          适合直接进入回归分析。样本量 15307 条观测，2359 家上市公司。


七、配套代码与参考文献
    1. 上市公司环保投资额数据计算代码.do  —— Stata 15+ 兼容，UTF-8 编码，
                      注释统一使用 /* */，含完整识别关键词分组、过滤逻辑
                      技术说明、字段顺序规范化等。
    2. 上市公司环保投资额数据计算代码.py  —— 与 do 文件逻辑等价的 Python
                      脚本，依赖 pandas / numpy / openpyxl，可在不依赖
                      Stata 环境下独立运行。
    3. 参考文献/
       3.1 杨旭东等. 环保投资会影响企业实际税负吗——来自重污染行业的证据.
       3.2 马文超等. 省域环境竞争、环境污染水平与企业环保投资.
       3.3 王馨等.   绿色信贷政策增进绿色创新研究.