داده‌های تعداد کارکنان شرکت‌های بورسی

این فایل شامل مجموعه جامع داده‌های تعداد کارکنان شرکت‌های بورسی (متغیر EMP) برای 121 شرکت‌ فعال در بازار سرمایه ایران است. داده‌ها از سال ۱۳۹۱ تا ۱۴۰۳ به صورت دقیق از دل صورت‌های مالی استخراج، پاکسازی و در قالب پنل دیتا (Panel Data) تدوین شده‌اند. در مجموع این فایل دارای 1573 سطر (13 دوره زمانی و 121 شرکت عضو بورس) است.

این محصول به عنوان یک منبع حیاتی برای سنجش «مقیاس عملیاتی»، «بهره‌وری نیروی انسانی» و «ساختار هزینه‌های پرسنلی» در مدل‌های رگرسیونی حسابداری و مدیریت کاربرد دارد. منبع اصلی این داده‌ها، یادداشت‌های همراه صورت‌های مالی حسابرسی شده در سامانه کدال است.

داده‌های تعداد کارکنان شرکت‌های بورسی – bourse-emp-data

داده‌های تعداد کارکنان شرکت‌های بورسی که در متون علمی جهانی با نماد EMP (Number of Employees) شناخته می‌شود، یکی از مهم‌ترین شاخص‌ها برای درک اندازه واقعی یک بنگاه اقتصادی است. برخلاف متغیر «کل دارایی‌ها» که ممکن است تحت تأثیر تورم و تجدید ارزیابی قرار گیرد، تعداد کارکنان یک شاخص عینی از حجم فعالیت و بدنه عملیاتی شرکت ارائه می‌دهد.

برای پژوهشگران، دسترسی به داده‌های تعداد کارکنان شرکت‌های بورسی ابزاری کلیدی جهت محاسبه شاخص‌های بهره‌وری (مانند فروش به ازای هر کارکن) و همچنین بررسی پدیده «چسبندگی هزینه‌ها» در مواجهه با نوسانات فروش است.

در این دیتاست، اطلاعات مربوط به نیروی انسانی به صورت تفکیک‌شده و سالانه گردآوری شده است. این مجموعه، بازه زمانی ۱۳ ساله (۱۳۹۱ تا ۱۴۰۳) را پوشش می‌دهد که طولانی‌ترین و منسجم‌ترین بازه زمانی موجود برای تحلیل‌های سری زمانی و مقطعی در ایران است.

هدف گروه داده‌پردازی ایران آمار از تدوین داده‌های تعداد کارکنان شرکت‌های بورسی، حذف فرآیند طاقت‌فرسای استخراج دستی از فایل‌های PDF کدال است تا محققان بتوانند با اطمینان کامل، مستقیماً وارد فاز پردازش آماری شوند.

برای برقراری ارتباط با گروه داده پردازی ایران آمار جهت سفارش داده‌های پژوهش خود از طریق لینک‌های زیر اقدام نمایید.

محتوای فایل داده‌های تعداد کارکنان شرکت‌های بورسی شامل چیست؟

📊 فایل اکسل این محصول شامل ستون‌های استاندارد و بهینه شده برای نرم‌افزارهای Stata، EViews و Python است:

• نام شرکت و نماد معاملاتی (Ticker Mapping)
• صنعت و بازار (بورس)
• سال مالی (۱۳۹۱ تا ۱۴۰۳)
• تعداد کل پرسنل (EMP)

این فایل به صورت Long Format طراحی شده است؛ یعنی شما می‌توانید به راحتی لیست شرکت‌های مورد نظر خود را فیلتر کرده و تنها با یک کپی-پیست ساده، تحلیل‌های رگرسیونی خود را آغاز کنید.

همچنین یک شیت اختصاصی با عنوان «شناسنامه داده‌ها» در فایل قرار دارد که شامل:

۱. تعریف عملیاتی متغیر EMP مطابق استانداردهای حسابداری.

۲.حذف سیستماتیک

۳. راهنمای تبدیل لگاریتمی برای استفاده در مدل‌های رگرسیون خطی.

لیست شرکت‌ها و نمادهای تحت پوشش در این فایل

یکی از مزایای اصلی این دیتاست، پوشش گسترده شرکت‌های تولیدی، صنعتی و دارویی است. در ادامه لیست برخی از مهم‌ترین نمادهایی که داده‌های تعداد کارکنان آن‌ها در این فایل موجود است، آورده شده است:

آبسال، آذراب، البرزدارو، الکتریک خودرو شرق، آما، ایران تایر، ایران مرینوس، ایرکا پارت صنعت، باما، بهنوش، بیسکویت گرجی، پارس الکتریک، پارس خزر، پارس سوئیچ، پارس مینو، پتروشیمی خارک، پتروشیمی شازند، پتروشیمی شیراز، پشم شیشه ایران، پلاسکوکار سایپا، تامین ماسه ریخته گری، تاید واتر خاورمیانه، تراکتورسازی، تکنوتار، جام دارو، چادرملو، چرخشگر، حمل و نقل توکا، خاک چینی ایران،

خدمات انفورماتیک، داده پردازی ایران، دارو ابوریحان، دارو اکسیر، دارو امین، دارو رازک، دارو فارابی، داروسازی کوثر، دوده صنعتی پارس، ذغالسنگ نگین، رادیاتور ایران، روز دارو، ریخته گری تراکتور، رینگ سازی مشهد، زاگرس فارمد پارس، زامیاد، سازه پویش، سالمین، سایپا، سایپا آذین، سایپا شیشه، سبحان دارو، سیمان ارومیه، سیمان اصفهان، سیمان بجنورد، سیمان تهران، سیمان خاش، سیمان خزر، سیمان داراب،

سیمان شاهرود، سیمان صوفیان، سیمان قائن، سینادارو، شهید قندی، شیشه دارویی رازی، شیشه و گاز، شیمیایی سینا، شیمیایی فارس، صنعتی بارز، صنعتی بوتان، فرآورده تزریقی، فرآورده های نسوز ایران، فرآوری مواد معدنی، فروسیلیس ایران، فنرسازی زر، فولاد امیرکبیر کاشان، فولاد مبارکه اصفهان، قطعات اتومبیل، قند اصفهان، قند قزوین، کارتن ایران، کارخانجات داروپخش، کاشی تکسرام، کاشی حافظ، کاشی سعدی،

کاشی سینا، کاغذ سازی کاوه، کالسیمین، کربن ایران، کشت و صنعت پیاذر، کمباین سازی، کمک فنر ایندامین، گروه بهمن، گل گهر، لامپ پارس شهاب، لبنیات پاک، لبنیات کالبر، لعابیران، لنت ترمز، لوله و ماشین سازی، محورخودرو، محورسازان، مس باهنر، معادن روی ایران، معادن منگنز ایران، معدنی املاح ایران، مگسال، ملی سرب و روی، ملی صنایع مس ایران، مهرام، مهرکام پارس، مهندسی حمل و نقل پتروشیمی،

مواد داروپخش، موتورسازان تراکتور، نصیر ماشین، نفت بهران، نفت پارس، نورد آلومینیوم، نورد قطعات فولادی، نوش مازندران، نیرو ترانس، نیرو محرکه.

کاربردهای پژوهشی و علمی داده‌های تعداد کارکنان شرکت‌های بورسی

🧪 این مجموعه داده در مدل‌سازی‌های نوین مالی و مدیریتی به عنوان یکی از ارکان اصلی زیر به کار می‌رود:

۱. متغیر کنترلی اندازه (Firm Size Control): در بسیاری از مقالات معتبر، لگاریتم تعداد کارکنان به عنوان کنترل‌کننده اثر اندازه شرکت بر بازده و ریسک استفاده می‌شود.

۲. سنجش بهره‌وری (Productivity Analysis): ترکیب این داده‌ها با خروجی‌های سود و زیانی برای محاسبه کارایی نیروی کار.

۳. تحلیل مدیریت هزینه: بررسی رابطه بین تغییرات تعداد پرسنل و هزینه‌های اداری و عمومی (تحلیل چسبندگی).

اگر به دنبال درک این موضوع هستید که آیا بزرگتر شدن بدنه انسانی شرکت‌ها باعث افزایش سودآوری آن‌ها شده است یا خیر، داده‌های تعداد کارکنان شرکت‌های بورسی کلید اصلی پاسخ به این سوال است. شرکت‌های تولیدی بزرگ مانند فولاد مبارکه، ملی مس و خودروسازان، به دلیل حجم بالای نیروی انسانی، در این دیتاست تحلیل‌های بسیار جذابی را رقم می‌زنند.

بسیاری از اساتید راهنما در فصل چهارم پایان‌نامه، بر استفاده از تعداد کارکنان به عنوان متغیر جایگزین (Proxy) برای ظرفیت تولید تاکید دارند. این داده‌ها به دلیل عبور از فیلترهای صحت‌سنجی ایران آمار، بالاترین ضریب اطمینان را در آزمون‌های آماری فراهم می‌کنند.

📈 ویژگی‌های فنی و کیفیت داده‌های تعداد کارکنان شرکت‌های بورسی

در تدوین داده‌های تعداد کارکنان شرکت‌های بورسی، تمامی تغییرات نام نمادها و ادغام شرکت‌ها لحاظ شده است. ما با دقت بالا، داده‌های شرکت‌هایی که سال مالی نامنظم داشته‌اند را تفکیک کرده‌ایم تا پنل دیتای نهایی شما دارای «همگنی» لازم برای آزمون‌های F لیمر و هاسمن باشد.

سؤالات متداول (FAQ) درباره داده‌های تعداد کارکنان شرکت‌های بورسی

❓ آیا تعداد کارکنان شامل نیروهای پیمانی هم می‌شود؟

در این فایل، عدد گزارش شده دقیقاً مطابق با سرفصل «تعداد کارکنان» در یادداشت‌های همراه صورت‌های مالی است که معمولاً شامل کارکنان رسمی، قراردادی و پیمانی مستقیم می‌باشد.

❓ چرا در برخی سال‌ها تعداد کارکنان با کاهش ناگهانی مواجه شده است؟

این موضوع معمولاً ناشی از طرح‌های بازنشستگی پیش از موعد یا واگذاری برخی واحدهای تابعه است.

❓ بهترین راه برای استفاده از این داده در رگرسیون چیست؟

با توجه به بزرگ بودن اعداد پرسنل، پیشنهاد تخصصی ما استفاده از لگاریتم طبیعی متغیر یعنی LN(EMP) است تا از بروز مشکل ناهمسانی واریانس در مدل جلوگیری شود.