2025-2000年县域返乡创业试点县DID数据、县域返乡试点数据

小木头333 · 发表于 2024-12-11 12:05:56

1、资料名称：2025-2000年国家返乡创业试点县DID数据

2、测算方式：

参考史新杰等《返乡创业可以缩小城乡收入差距吗——来自国家返乡创业试点县的经验证据》（《农业技术经济》）对国家返乡创业试点县政策虚拟变量的构建方法，把国家发展改革委等部门分三批推行的「结合新型城镇化开展支持农民工等人员返乡创业试点」这一政策冲击构造为准自然实验，生成渐进（交错）双重差分（DID）变量。核心操作步骤：

① 政策背景：国家发展改革委等部门为支持农民工等人员返乡创业，分三批批复返乡创业试点县——第一批发改就业〔2016〕395 号（2016 年 2 月，90 个县）、第二批发改就业〔2016〕2640 号（2016 年 12 月，116 个县）、第三批发改就业〔2017〕1848 号（2017 年 10 月，135 个县），三批合计 341 个试点县，覆盖 28 个省级行政区；

② 依据上述批复通知及中国政府网、发展改革委政务公开等官方公开信息，逐条整理出 341 个试点县的批次、批复年月、政策年份与来源网址（见「返乡创业试点县名单.csv」）；

③ 从「县列表」中取 2,979 个区县的省份、地级市、行政区划代码，把试点县名单按「同省 + 基础名」逐条匹配到现行区县代码（去行政级别后缀，兼容撤县设市/设区改写、民族自治县全名与个别别名），确保每个试点县都落到唯一的现行区县上；

④ 把区县列表按年份展开为「区县 × 年份」平衡面板（2,979 × 26 = 77,454 个观测），与试点县映射按区县代码逐年对应；

⑤ 生成 Treat（该区县是否为返乡创业试点县，是=1、否=0）、批次、批复年月与政策年份（第一批、第二批为 2016，第三批为 2017）；

⑥ 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，非试点县该列为空；

⑦ 以「该县已被列为试点县、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，与政策时点严格对应。

我们多做了几个变量，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：

2,979 个区县，77,454 个区县—年度观测值，年份跨度 2000-2025 年，其中处理组区县 341 个（第一批 90、第二批 116、第三批 135）、Treat=1 的观测 8,866 个、DID=1 的观测 3,275 个。

包括原始数据（带政府正式批示的文件，非用ai人工智能生成，有据可查）、计算代码（stata 和 python 代码都有，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链接对应的，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]史新杰, 等. 返乡创业可以缩小城乡收入差距吗——来自国家返乡创业试点县的经验证据[J]. 农业技术经济, 2025(4).

政策文件：

[2]国家发展改革委等. 关于结合新型城镇化开展支持农民工等人员返乡创业试点工作的通知（发改就业〔2016〕395 号），2016.

[3]国家发展改革委等. 第二批结合新型城镇化开展支持农民工等人员返乡创业试点名单（发改就业〔2016〕2640 号），2016.

[4]国家发展改革委等. 第三批结合新型城镇化开展支持农民工等人员返乡创业试点名单（发改就业〔2017〕1848 号），2017.

此数据为科研课题组自用数据，根据真实的国家发展改革委等部门返乡创业试点县批复文件与现行行政区划代码一步步做出来的，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（根据参考文献瞎编结果根本就没有研究价值，不能反映真正的返乡创业政策试点布局水平，实证围绕着错的结果根本就毫无意义浪费大家时间），真正的原创一手认真整理数据，数据处理较为复杂。