一、数据集简介
    本数据集基于上市公司"行业代码 + 所属地区"原始信息，构造上市公司
    营业税改征增值税（营改增）双重差分(DID)变量。
    计算思路：
        "营改增"是中国近 20 年最重要的结构性减税改革，按"行业 + 地区"
            分阶段渐进推开：
                2012-01-01  上海率先试点"交通运输业 + 部分现代服务业"；
                            同年 8 月起陆续扩至北京、江苏、安徽、浙江、
                            福建、湖北、广东、天津；
                2013-08-01  扩展至全国（含广播影视服务）；
                2014-01-01  邮政业纳入营改增；
                2014-06-01  电信业纳入营改增；
                2016-05-01  建筑业、房地产业、金融业、生活服务业
                            全面纳入，至此全行业落地。
        本代码据上市公司行业代码判定是否属于营改增行业（treat），
            并依据其所属城市/省份与行业对应的试点批次回填首次纳入年份
            (policyyear)，进而构造政策时点虚拟变量 post 与 DID 变量。
        该 DID 变量可直接嵌入双重差分或交错 DID 回归框架，常用于
            研究税制改革对企业投资、创新、融资、生产率、税负等的影响。
    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（DID 变量为 0/1 离散变量，后两版结构一致，最终"已缩尾"版本保留作为与连续变量数据集口径兼容的占位）。数据区间为上市公司2000-2024年（共25年面板）。







二、原始数据文件
    1. 上市公司行业与地区信息原始数据.dta / .xlsx
       —— 上市公司层面年度数据，按 stkcd-year 组织，包含以下字段：
            证券代码、证券简称、stkcd、year
            行业代码、行业名称
            所属省份、所属省份代码、所属城市、所属城市代码
    2. 行业代码/上市公司基本信息数据.dta
       —— 上市公司基本信息表，作为同义列的主表，与原始数据按 stkcd
          一对多合并，提供上市日期、4 级行业代码、公司元信息等。





三、核心变量定义与计算公式
    1. treat（处理组虚拟变量）
       = 1  若 行业代码 ∈ 营改增覆盖行业集合（G53/G54/G55/G56/G57/
             M73/M74/M75/I63/I64/I65/R87/R88/G58/G59/G60/L71/L72/
             E47/E48/E49/E50/F51/F52/H61/H62/J66/J67/J68/J69/K70/
             N76/N77/N78/N79/O80/O81/O82/P83/Q84/Q85/R89/R90）= 0  否则
       说明：涵盖 2012/2013/2014/2016 年历次扩围名单的国民经济行业
             中类代码。处理组包含交通运输、现代服务、邮政、电信、
             建筑、房地产、金融、生活服务等所有营改增行业。


    2. policyyear（首次纳入年份，连续辅助变量）
       依试点批次回填：
           ① 2012：交通运输/现代服务/广播影视 × (上海/北京/天津/
                    江苏/安徽/浙江/福建/湖北/广东)
           ② 2013：交通运输/现代服务/广播影视在全国范围内剩余上市公司
           ③ 2014：邮政业(G60)、电信业(I63/I64)
           ④ 2016：建筑/房地产/金融/生活服务/其他服务业（全面推广）
       说明：非处理组取 0（保留口径兼容），以便 post 与 DID 的计算
             以及 DID 回归样本的对齐。


    3. post（政策时点虚拟变量）
       = 1  若 year ≥ policyyear  且 policyyear ≠ .
       = 0  若 year <  policyyear  且 policyyear ≠ .
       非处理组 policyyear = 0，post 最终填 0。


    4. 上市公司营改增DID变量 ★核心指标
       = treat × post
       说明：交错 DID 框架下的交互项，仅在处理组企业、且年份达到或超过其所在地区 + 行业对应的首次纳入年份时取 1；其他情形均为 0。可直接作为 DID 回归中的 treat × post 交互项使用。





四、样本筛选与处理规则
    1. 同义列以"上市公司基本信息数据"为主，使用 C 类（中类）口径回写行业代码、行业名称，使用证券中文简称回写证券简称。
    2. 剔除上市公司 B 股（证券代码以 2 开头）与 H 股（证券代码以 9开头）样本，仅保留 A 股。
    3. 按 stkcd、year 排序后整理面板。
    4. 将未处理组的 policyyear / post / 上市公司营改增DID变量的缺失值统一置为 0，避免下游回归因缺失被自动剔除。
    5. 剔除上市公司证券简称为空的样本（仅在"已剔除"版本）。
    6. 剔除上市公司金融业（行业代码含 J，证监会大类口径，仅在"已剔除"版本）。注意：J66-J69 金融业原本亦在 2016 年营改增扩围名单内，但对应研究场景通常需排除金融业，本代码在"已剔除"版本中去除金融业样本。
    7. 剔除上市公司 ST、PT 样本（仅在"已剔除"版本）。
    8. 上市公司营改增DID变量、treat、post 均为 0/1 离散变量，对其缩尾无实际意义；连续辅助变量"policyyear"为政策时点元数据，亦无需缩尾。因此"已缩尾"版本与"未缩尾"版本结构完全一致，仅保留以与连续变量数据集口径兼容。





五、输出文件清单
    1. 计算结果未剔除未缩尾版本.dta / .xlsx
       —— 仅完成核心指标计算与基础合并，未剔除金融STPT。
    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、证券简称为空的样本。
    3. 计算结果已剔除金融STPT已缩尾版本.dta / .xlsx
       —— DID 变量为 0/1 离散变量，不需缩尾，内容与版本 2 一致，
          保留作为口径兼容占位，适合直接进入 DID 回归分析。


【保留变量集合】
    证券代码、证券简称、stkcd、year、
    上市公司营改增DID变量、treat、post、policyyear、
    行业代码、行业名称、所属省份、所属省份代码、所属城市、所属城市代码、
    上市日期、股票类型、ABH股交叉码、公司名称、公司中文简称、公司英文名称、
    行业名称D、行业代码D、行业名称C、行业代码C、行业名称B、行业代码B、
    行业名称A、行业代码A、经营范围、公司沿革、注册资本、成立日期、退市日期





六、配套代码
    1. 上市公司营改增DID变量数据计算代码.do  （Stata 版本，UTF-8，
       注释统一使用 /* */）
    2. 上市公司营改增DID变量数据计算代码.py  （Python 版本，与 do
       文件等价，依赖 pandas / numpy / openpyxl / pyreadstat）
    3. 上市公司营改增DID变量数据评估代码.do / .py—— 数据质量评估代码，输出至"数据质量评估报告_YYYYMMDD"目录，覆盖描述性统计、分布图（DID 离散变量频次图/policyyear 分布图处理组与控制组年度堆叠图/处理组占比年度趋势图）、异常值检验、逻辑合理性验证（含公式自洽性：DID = treat × post、处理组稳定性检验——营改增采取分行业分时点渐进推开，同一上市公司 treat 在时间维度允许从 0 切换为 1，符合交错 DID特征）、稳健性测试（政策前/试点期/全面实施期样本对比、处理方式/行业/区域对比）五大模块。


七、参考文献
    范子英, 彭飞. "营改增"的减税效应和分工效应：基于产业互联的视角[J]. 经济研究, 2017, 52(2): 82-95.袁从帅, 刘晔, 王治华, 等. "营改增"对企业投资、研发及劳动雇佣的影响——基于中国上市公司数据的 DID 分析 [J]. 中国经济问题,2015(4): 3-13.
    （上市公司营改增 DID 变量的标准构造口径，亦广泛用于税制改革、企业投资、创新投入、融资约束、产业分工、税负转嫁等研究领域。）