|
|
1、资料名称：2025-2000年地级市国家大数据综合试验区DID数据、城市国家大数据综合试验区、Treat、试验区名称、批复年月、政策年份、相对时间、DID、所属省份、所属地域、胡焕庸线
2、测算方式：
参考《经济研究》林伯强老师的做法，以地级市为观测单位构造双重差分（DID）变量。核心操作步骤：
① 依据国务院《促进大数据发展行动纲要》及国家发展改革委、工业和信息化部、中央网信办批复文件，逐条整理出国家级大数据综合试验区名单及其覆盖区域、批复年月，并整理各试验区覆盖的地级及以上城市，逐条附来源网址；
② 以 297 个地级市的省份、6 位行政区划代码、所属地域与胡焕庸线为基础，按年份展开为「城市 × 年份」平衡面板（297 × 26 = 7,722 个观测）；
③ 把地级市与试验区名单匹配：省（自治区、直辖市）口径的试验区按所属省份匹配，该省（自治区、直辖市）全部地级及以上城市均为处理组；市口径的试验区按城市匹配；据此生成 Treat（是否属于国家大数据综合试验区，是=1、否=0）、试验区名称与批复年月；
④ 政策年份取批复当年，即批复当年即进入政策实施期，各试验区的政策年份按批复文件确定（2015 年、2016 年两种）；
⑤ 生成相对时间 = 年份 − 政策年份，即事件时间（event time），用于事件研究法刻画政策前后的动态效应，非试验区城市该列为空；
⑥ 以「该城市属于试验区、且当年已进入政策实施期」生成 DID，即DID = 1 当且仅当 Treat = 1 且 年份 >= 政策年份。
本资料为交错DID（staggered DID）：各试验区政策年份为 2015 年与 2016 年两种，处理时点不一致，故按交错DID要求保留「相对时间」列，可直接用于事件研究、Goodman-Bacon 分解与 CSDID 估计。
我们多做了几个变量，如下图所示，包括核心变量或者稳健性检验及过程变量，数据全流程公开，每个原始数据及过程都清晰可查（非主观编造），大家可以做核心变量或者稳健性检验，多个数据更加容易显著！
3、资料范围：
297 个地级市，7,722 个城市—年份观测值（297 × 26），年份跨度 2000-2025 年，其中处理组城市 57 个、处理组观测 1,482 个、DID=1 的城市—年份观测 576 个。具体数据分布情况如下方描述性统计。包括原始数据、计算代码（真实代码，可以向期刊公布，每一步都可以复现和做重复实验）、完整的复现说明（教大家一步步复现，做法过程全部公开，无数据黑箱，并且对复现过程常见问题做了解答）及最终结果（最终结果格式是excel电子表格格式，非常方便大家导入到自己数据里面），大家可以验证一下确保准确性！
需要说明的是我们did的每个地区的设立都是有政府官方文件对应的，非用人工智能ai直接生成，现在互联网的噪音比较多，人工智能ai会将其他不相关的内容都放入进去使其不准确！
4、参考文献：
[1]林伯强等. 大数据政策的绿色效应：碳回弹风险及其缓释机制[J]. 经济研究, 2026(8).
此数据为科研课题组自用数据，根据真实原始数据一步步做出来的，每一步都可以复现和做重复实验，非仅仅只有一堆文件胡编乱造（根据参考文献编造代码和结果根本就没有研究价值，不能反映真正的国家级大数据综合试验区布局水平，实证围绕着错的结果根本就毫无意义浪费大家时间），原始数据保证真实，就算数据源获取成本很高，也不删减简化；数据加工的每一步质控，绝不图省事偷减工序。修合无人见，存心有天知！
|
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有帐号？ 建议用  立即注册
x
|
[复制链接]
窥视卡
雷达卡
发表于 2023-6-10 10:23:24
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
楼主
