（二）经济增加值创造力的度量方法
在经过上述4个标准筛选出的上市公司样本中，研究团队采用经济增加值创造力指标——净资产经济增加值回报率（EVAOE）来进行排序，最终确定榜单各个年份的EVA Top99名单。
榜单年度的EVAOE =自公司IPO上市年度（借壳年度）至T年末的年均经济增加值/年均合并净资产
净资产经济增加值回报率是站在长时间窗口的上市公司*价值创造视角看公司的经济增加值创造力，较好地保证了同一个榜单年度上市公司之间的可比性，即采用上市公司自IPO上市年度（或借壳上市年度，下同，后面予以省略）至某个榜单年度末（T年末）所创造的累计经济增加值除以其统计年份数，得到其长时间窗口来看的年均经济增加值；然后进一步测算上市公司的年均净资产；两者相除得到EVAOE。
其中，自公司IPO上市年度至T年末的年均经济增加值=（自公司IPO上市年度至T年末累计的合并净利润-自公司IPO上市年度至T年末累计的股权资本成本）/自公司IPO上市年度至T年末的年份数
年均合并净资产=自公司IPO上市年度至T年末的年末合并净资产之和/自公司IPO上市年度至T年末的年份数
T年股权资本成本=T年股权资本成本率（Re）×T年末合并净资产
关于股权资本成本率（Re）的测算说明：
（1）由于金融学目前尚未发展出唯一权威的测算股权资本成本率的方法，故本团队参考现有文献，选取学术界和业界广泛应用的Easton ( 2004) PEG模型、MPEG模型、Ohlson and Juettner-Nauroth (2005) OJ模型、Claus and Thomas (2001) CT模型、Gebhardt et al. (2001) GLS模型分别估算Re，并将估算所得的五种模型结果（至少有2种模型、取值在0~1之间的估计值）取平均值作为每个上市公司当年的Re。
（2）由于GLS模型、OJ模型和CT模型运用到分析师预测数据，本文采用WIND分析师年末一致预测，而这一数据始于2004年度。
（3）对于未能通过上述5种模型估算得到的股权资本成本率数据，本文采用同一年度内Fama-French 3因子（市值MV、市账比MB、风险Beta）三重排序（triple sorting）进行配对，并只选取至少有2个公司与之配对成功的情况，进而取平均值作为其当年公司的Re。
（4）若Re无法通过以上方法得到，则依次按MB和MV双重排序、MB和Bata双重排序、MV和Beta双重排序、当年行业均值来进行类似操作得到。
（5）对于2003年度及以前年度的Re，我们用各该公司2004年度的Re通过平减无风险利率差（即减去2004年度的无风险利率加回对应年度的无风险利率）外推得到。
由于不存在负的股权资本成本，当某个公司年末合并净资产为负值时，我们将其设为缺失值，因此会中断EVA的累加过程。只有当该公司净资产重新出现正值时，才会将该年度设定为该公司的第一个统计年度，重新计算其年份以及对其EVA重新进行累加。
本榜单测算EVAOE时采用的合并净资产包含纳入合并财务报表的子公司少数*权益，但不含合并净资产中的优先股和永续债。正如谢德仁（2021）所指出的，从合并净资产口径来测算上市公司的相关指标，会更加客观和可比，避免了上市公司在母公司和子公司之间腾挪或者“操纵”各类会计业绩指标所导致的弱可比性。当然，也使得EVAOE指标和基于同一逻辑测算的净资产现金增加值回报率（CVAOE）更可比。
需指出的是，类似于现金增加值，经济增加值作为一个考核指标，其自身应该是绝对的规模越大越好，其要求企业规模扩张到边际利润等于边际股权资本成本为止，故本不应该采用其相对于净资产或者总资产的回报比率进行考察。但是，本报告的目的不是为了前瞻性地测算企业的经济增加值的绝对规模，而是回溯企业的历史，观察企业在历史上利用*所提供的资本（净资产）而创造的经济增加值之多寡，以从经济增加值视角反映企业实际的股权资本利用效率和*价值创造能力，为此，可以计算EVAOE，并基于之来分析企业的*价值创造能力和进行榜单编制。
（三）数据来源
本报告的研究完全基于上市公司公开披露的财务报表数据以及其他公开数据。股权资本成本率和股权资本成本数据由本研究团队自己测算所得，其余数据取自CSMAR、RESSET和Wind三个公开数据库。
对2016-2021年EVA Top99公司的初步分析
（一）连续六年入榜EVA Top 99的公司
（二）EVA Top99公司的EVAOE趋势统计
（三）EVA Top99公司的产权性质
从表9可以看出，自2017年度开始，EVA Top99公司中，非国有控股公司入榜家数开始超过了国有控股公司，并在2020年度和2021年度较大幅度地超过了国有控股公司。在国有控股公司中，商业一类的入榜公司远远超过商业二类和公益类的入榜公司。
（四）EVA Top99公司的行业分布
