2003～2024 年上市公司注册地址与办公地址周边一定范围的平均云量灰度值面板数据

云量是影响光照、太阳能发电效率及卫星遥感等的外生冲击。在某些情况下，云量数据或许比降水量数据作为空气污染研究工具变量更为合适。另外云量数据还可能可以作为降水量数据的工具变量（相关且外生）。

今天给大家分享一份 2003～2024 年上市公司注册地址与办公地址周边一定范围的平均云量灰度值面板数据。该数据可以用于实证检验环境水平对上市公司经营决策、治理效率、融资成本及经济绩效的影响，也可分析环境差异下企业行为与区域经济的关联。

借助地理计算，我们可以构建上市公司周围半径一定距离的范围，然后以此来裁剪「中国各省市区县平均云量日度面板数据」中的栅格数据得到该范围内的平均云量灰度值。

2002-07-04～2025-12-31 中国各省市区县平均云量日度面板数据：https://rstata.duanshu.com/#/brief/course/93c7474ec8ce4e2786ff0eb300f81c74

上市公司办公地址和注册地址的经纬度数据可以使用之前分享的：

2000～2024 年上市公司注册地址与办公地址（含经纬度及其所处的省市区县）：https://rstata.duanshu.com/#/course/746d4f595eba41a2a116b5a6edc3ac0a

数据概览

为便于大家使用，我计算了 2003～2024 年上市公司周边 1km、2km、3km、4km、5km、10km、15km、20km 范围内的平均云量灰度值，最终得到了附件中的：

• 2003～2024年上市公司注册地址与办公地址周边一定范围的平均云量灰度值面板数据.dta

经过计算之后一共得到了 131 万条结果，包含如下变量：

• 股票代码
• 股票简称
• 年份
• 地址类型
• 距离范围_km
• 平均云量_灰度值

历年上市公司周边平均云量灰度值如下图所示：

计算方法

计算方法类似下面这个课程，感兴趣的小伙伴可以学习：

使用 R 语言计算工企周边一定范围内的平均 PM2.5 浓度：https://rstata.duanshu.com/#/course/016330182fb64ecd9fab8ada0d816130

首先分别生成了上市公司办公地址和注册地址周边 1～30km 的缓冲区，例如上市公司办公地址 5km 的缓冲区是这样生成的：

library(tidyverse)
library(sf)
haven::read_dta("2000～2024年上市公司注册地址与办公地址（含经纬度及其所处的省市区县）.dta") %>%
  filter(年份 == 2024) %>%
  select(gqid, contains("度")) -> df1

df1 %>%
  st_as_sf(coords = c("经度", "纬度"), crs = 4326) -> df2

df2 %>%
  st_buffer(dist = units::set_units(5, km)) -> df2_5km

这样会得到一个以每个上市公司办公地址为中心、半径为 5km 的圆形区域。

然后读取平均云量栅格数据。

之后使用上面的缓冲区数据和栅格数据进行地理计算就可以得到每个缓冲区内的平均云量灰度值了！

按照这个思路循环各个年份的即可（不过运算量非常大，建议大家不要尝试，非常耗时）。

代码

为方便大家学习，附件中还提供了数据处理和绘图代码以供参考：

数据引用格式

由于该数据包含较多 RStata 处理的内容，在研究中使用该数据请使用清晰的方式注明数据来源于 RStata 或者 RStata 数据中心，并使用如下格式引用：

RStata 数据中心: 2003～2024 年上市公司注册地址与办公地址周边一定范围的平均云量灰度值面板数据. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: Panel Data on Average Cloud Cover Gray Value in the Vicinity of Registered and Office Addresses of Listed Companies, 2003–2024. 2026. https://tidyfriday.cn/rsdb2/

点击这里跳转到 RStata 短书平台获取附件：2003～2024 年上市公司注册地址与办公地址周边一定范围的平均云量灰度值面板数据