1985～2021 年上市公司周边碳排放量面板数据

之前给大家分享过不少碳排放相关的数据，例如：

不过大多都是一些宏观层面的碳排放数据，只有最后一个是上市公司的，只是时间范围特别段，实用性有限。

在其他研究中，经常我们会使用例如样本所在城市的人口、GDP 作为该样本本身变量的一些代理变量。因此我想是不是也可以使用上市公司周边一定区域的碳排放量作为其自身碳排放量的代理（这种做法的问题会很多，但是如果实在没有更好的方法，或许也是一种手段）。

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「1970～2021 年中国各省市区县 CO2 排放量面板数据 & 栅格数据」中的栅格数据得到该范围内的碳排放总量。

上市公司数据我使用的是之前分享的这个：

来源于和讯网和国泰安数据库，共计 5415 家上市公司的基本信息（含办公地址和注册地址的经纬度）。

首先分别生成了上市公司办公地址和注册地址周边 1km、2km、3km、4km、5km、10km、15km、20km 的缓冲区，例如注册地址 5km 的缓冲区是这样生成的：

library(tidyverse)
library(sf)
haven::read_dta("上市公司基本资料及办公地址与注册地址经纬度信息.dta") %>%
  mutate(gsid = row_number()) %>%
  select(gsid, 股票代码, 股票名称, 公司名称, contains("度")) -> df1

df1 %>%
  select(gsid, 股票代码, 股票名称, 公司名称, contains("注册地址")) %>%
  st_as_sf(coords = c("注册地址经度", "注册地址纬度"), 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为中心、半径为 5km 的圆形区域。

然后读取碳排放量栅格数据，例如 2021 年的：

library(terra)
rast("cntif/2021.tif") -> rst

然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碳排放总量了！例如 5km 的：

terra::extract(rst, vect(df2_5km), fun = "sum", na.rm = T, exact = T) %>%
  as_tibble()

按照这个思路循环各个年份的即可。

为了方便处理和计算，这里我并没有考虑上市公司的成立、上市和退市问题，而是直接循环计算了 1985～2021 年，关于上市公司的成立、上市和退市问题，大家再自己的后续处理中再进行处理和筛选即可。

处理之后再整理即可得到分享给大家的 历年上市公司周边碳排放总量 数据了，数据中的碳排放量单位是“吨”：

历年上市公司周边碳排放总量.dta
历年上市公司周边碳排放总量.xlsx

例如 dta 格式的数据是这样的：

为了便于大家理解这个计算过程，我绘制了一副这样的图：

方格子就是栅格数据，圆圈是上市公司周围 5km 范围的缓冲区。例如某个缓冲区和四个格子交叉，那么就是根据交叉部分的比例计算其范围内的碳排放总量。

作为演示，下图展示了历年来平安银行（深发展）周边的碳排放量增长趋势：

点击这里跳转到 RStata 短书平台获取附件：旧版本｜1985～2021 年上市公司周边碳排放量面板数据

相关文章

评论