2007～2020 年瞪羚、独角兽与科技型初创企业碳排放面板数据（根据与税调数据匹配结果估算）

1828 字 约 6 分钟 数据资料 面板数据企业数据碳排放数据匹配

今天给大家分享一份 2007～2020 年瞪羚、独角兽与科技型初创企业碳排放面板数据（根据与税调数据匹配结果估算）。该数据通过将瞪羚、独角兽与科技型初创企业与全国税收调查数据（税调）进行企业名称匹配，获取其能源消费信息后，采用排放因子法估算碳排放量。

该碳排放测算方法来自吴超鹏等（2025）发表于《中国工业经济》的论文《高管股权激励与企业碳排放：绿色发展背景下的企业激励机制研究》。论文原文中对碳排放测算方法的描述（第144页脚注②）如下：

本文的碳排放量指标参考现有文献（Lee et al., 2022; 周泽将等, 2022）的做法，根据全国税收调查数据中的企业用电量、煤炭、石油和天然气的消费量数据，利用排放系数法计算得到。

排放系数

论文中使用的各能源品种碳排放系数如下：

能源品种 碳排放系数 消费量单位
电力 7.5 吨CO2/万千瓦时 万千瓦时
煤炭 1.89 吨CO2/吨 吨
石油 3.02 吨CO2/吨 吨
天然气 21.68 吨CO2/万标立方米 万标立方米

碳排放量的计算公式为：

其中 E 为各能源的消费量，α 为对应的碳排放系数。

数据处理流程

整个测算流程分为以下几个步骤：

  1. 读取税调企业能源消费数据（2007～2020 年各税调企业电力、煤炭、燃油、天然气消费量面板数据）
  2. 根据上述排放系数计算各税调企业的碳排放量（消费量 × 碳排放系数）
  3. 对税调企业层面的碳排放进行缩尾处理（1% 和 99% 分位数）
  4. 将瞪羚、独角兽与科技型初创企业与税调数据匹配结果合并，获取匹配企业的碳排放数据
  5. 按企业-年份汇总碳排放，包含企业认证类型、省份、城市等信息
  6. 计算对数和反双曲正弦变换变量，生成最终面板数据

具体的处理过程可以参考下面三个课程：

数据概览

该数据为瞪羚、独角兽与科技型初创企业层面的碳排放面板数据（2007～2020 年），包含以下变量：

  • ID：瞪羚/独角兽/创新型企业数据编号
  • 公司全名：企业全称
  • 年份：观测年份
  • 认证类型_简化：企业认证类型（瞪羚/独角兽/创新）
  • 省份：企业所在省份
  • 城市：企业所在城市
  • 是否上市：是否为上市公司（1=是，0=否）
  • 是否高新企业：是否为高新技术企业（1=是，0=否）
  • 行业：企业所属行业（简化分类）
  • 所属行业：企业所属行业（详细分类）
  • carbon_emission_ton：碳排放量（吨 CO2）
  • ln_carbon_emission：碳排放量加 1 取自然对数
  • asinh_carbon_emission：碳排放量的反双曲正弦变换
  • carbon_emission_ton_winsor：缩尾处理后的碳排放量（吨 CO2）
  • ln_carbon_emission_winsor：缩尾后碳排放量加 1 取自然对数
  • asinh_carbon_emission_winsor：缩尾后碳排放量的反双曲正弦变换
  • 各能源碳排放明细（煤炭、石油、天然气、电力）
  • 各能源消费量（原始单位）
  • n_matched_firms：匹配到的税调企业数量

数据预览如下：

图表展示

下图展示了 2007～2020 年瞪羚企业平均碳排放量趋势：

下图展示了不同认证类型企业的碳排放量分布：

下图展示了各省瞪羚企业碳排放总量的分布地图：

处理代码

下面展示使用 R 语言计算瞪羚、独角兽与科技型初创企业碳排放的核心代码：

#- 加载包
library(haven)
library(dplyr)
library(tidyr)
library(labelled)

#- 读取数据
energy_data <- read_dta("2007～2020年各税调企业电力、煤炭、燃油、天然气消费量面板数据.dta")
match_data <- read_dta("2007～2020年瞪羚、独角兽与科技型初创企业与税调数据匹配结果.dta")

#- 定义排放系数
ELECTRICITY_EMISSION_FACTOR <- 7.5    # 电力：7.5 吨CO2/万千瓦时
COAL_EMISSION_FACTOR <- 1.89          # 煤炭：1.89 吨CO2/吨
OIL_EMISSION_FACTOR <- 3.02           # 石油：3.02 吨CO2/吨
GAS_EMISSION_FACTOR <- 21.68          # 天然气：21.68 吨CO2/万标立方米

#- 计算各税调企业的碳排放量
carbon_emission <- energy_data %>%
  mutate(
    electricity_co2 = `电力消费量_万千瓦时` * ELECTRICITY_EMISSION_FACTOR,
    coal_co2 = `煤炭消费量_吨` * COAL_EMISSION_FACTOR,
    oil_co2 = `油消费量_吨` * OIL_EMISSION_FACTOR,
    gas_co2 = `天然气_万标立方米` * GAS_EMISSION_FACTOR,
    total_co2_ton = coal_co2 + oil_co2 + gas_co2 + electricity_co2
  )

#- 缩尾处理（1%和99%分位数）
carbon_emission <- carbon_emission %>%
  mutate(
    total_co2_ton_winsor = ifelse(
      total_co2_ton < quantile(total_co2_ton, 0.01, na.rm = TRUE),
      quantile(total_co2_ton, 0.01, na.rm = TRUE),
      ifelse(
        total_co2_ton > quantile(total_co2_ton, 0.99, na.rm = TRUE),
        quantile(total_co2_ton, 0.99, na.rm = TRUE),
        total_co2_ton
      )
    )
  )

#- 将匹配结果与碳排放数据合并
firm_carbon <- match_data %>%
  left_join(carbon_emission, by = "sdid") %>%
  filter(!is.na(total_co2_ton))

#- 按企业-年份汇总碳排放
firm_carbon_summary <- firm_carbon %>%
  group_by(ID, 公司全名, 年份, 认证类型_简化, 省份, 城市, 是否上市, 是否高新企业, 行业, 所属行业) %>%
  summarise(
    carbon_emission_ton = sum(total_co2_ton, na.rm = TRUE),
    carbon_emission_ton_winsor = sum(total_co2_ton_winsor, na.rm = TRUE),
    .groups = "drop"
  )

#- 计算对数和反双曲正弦变换
firm_carbon_final <- firm_carbon_summary %>%
  mutate(
    ln_carbon_emission = log(carbon_emission_ton + 1),
    ln_carbon_emission_winsor = log(carbon_emission_ton_winsor + 1),
    asinh_carbon_emission = asinh(carbon_emission_ton),
    asinh_carbon_emission_winsor = asinh(carbon_emission_ton_winsor)
  )

#- 保存结果
write_dta(firm_carbon_final, "2007～2020年瞪羚、独角兽与科技型初创企业碳排放面板数据.dta")

附件中也提供了该数据的处理代码供参考：

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: 2007～2020年瞪羚、独角兽与科技型初创企业碳排放面板数据（根据与税调数据匹配结果估算）. 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 Carbon Emissions of Gazelles, Unicorns and Tech Startups (Estimated via Matching with Tax Survey Data), 2007–2020. 2026. https://tidyfriday.cn/rsdb2/

关联课程/数据推荐

使用 R 语言根据上市公司及其子公司与税调匹配结果测算碳排放：https://rstata.duanshu.com/#/brief/course/ea0800997ef64c9eb7b8f3fd0afc90bd

使用 Stata 根据上市公司及其子公司与税调匹配结果测算碳排放：https://rstata.duanshu.com/#/brief/course/5c429d45eec847feb0153d439f72108e

使用 Python 根据上市公司及其子公司与税调匹配结果测算碳排放：https://rstata.duanshu.com/#/brief/course/4f17013021be4a2d88a310ad6fbceb98

1985～2024 年瞪羚、独角兽与科技型初创企业绿色低碳专利申请与授权信息：https://rstata.duanshu.com/#/course/cb09b43b59b84f089f3daffdf8b3086f

中国各省市碳排放量是如何计算的？R 语言栅格数据转面板数据：https://rstata.duanshu.com/#/course/75de598dcfcc4ad0b9ff28bff27f6b83

点击这里跳转到 RStata 短书平台获取附件：2007～2020 年瞪羚、独角兽与科技型初创企业碳排放面板数据（根据与税调数据匹配结果估算）

相关文章

评论