2  数据与样本

3 数据来源

原始数据来自 CSMAR 导出的 CSV 文件，存放于 data/raw/。本项目以资产负债表为主文件，合并利润表、现金流量表、股权性质、行业分类、ST 标记以及 M2 增长率数据。

4 样本筛选流程

样本筛选遵循以下步骤：

步骤	样本量
初始合并样本	59,127
剔除金融业	57,648
剔除 ST 企业	48,096
剔除 lev > 1 观测	48,095
剔除关键变量缺失	43,026

最终样本包含 4,686 个公司、43,026 个观测值，覆盖 2011-2025 年。

5 变量说明

主要变量包括：

• lev：资产负债率
• npr：净利润率
• size：企业规模，对总资产取对数
• tang：有形资产比率
• growth：资产增长率
• ndts：非债务税盾
• soe：产权性质虚拟变量

样本筛选流程的详细记录可见 output/sample_counts.csv。