分省创新能力面板数据 - 含专利数、成交额等多指标数据(2008-2019年)

1、数据来源:各省统计年鉴

2、数据年份:2008-2019

3、数据范围:全国31个省份

4、指标说明:

地区年份规模以上工业企业R&D人员全时当量(人年)规模以上工业企业R&D经费(万元)国内专利申请授权量(项)技术市场成交额(亿元)规模以上工业企业新产品销售收入(万元)

部分数据如下:

 

5、填补说明:

线性插值。利用数据的线性趋势,对各年份中间的缺失部分进行填充,得到线性插值版数据,这也是学者最常用的插值方式。

ARIMA填补。基于ARIMA模型,利用同一地区的时间序列数据,对缺失值进行预测填补。
(注:由于该方法填补数据较多,不能完全反应地区真实情况,谨慎使用。)

相关文献:

[1]徐宁. 高科技公司高管股权激励对R&D投入的促进效应——一个非线性视角的实证研究[J]. 科学学与科学技术管理, 2013, 34(002):12-19.

[2]周孝华, 柏骥, 吴江林. 创业板高科技公司估值与定价[J]. 统计与信息论坛, 2010, 25(011):46-50.

[3]周孝华, 卢露, 唐健. 基于EVA的高科技公司IPO定价研究[J]. 经济与管理研究, 2010(02):53-57.

[4]李经路, 郭静. 智力资本影响了高新技术公司的贝塔系数吗?——基于2011—2014年的数据检验[J]. 华东经济管理, 2017.

下载链接创新评价数据集.zip-数据集文档类资源-CSDN下载

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
在Python中,可以使用插值法来填充缺失值。一种常用的插值方法是拉格朗日插值。引用中提供了一个使用拉格朗日插值法填补缺失值的示例代码。该代码使用了scipy库的lagrange函进行插值计算。步骤如下: 1. 导入必要的库和函:`from scipy.interpolate import lagrange` 2. 定义一个列向量s,表示需要进行插值的列 3. 定义ployinterp_column函,该函接受列向量s、插值位置n和取前后数据k作为参 4. 在ployinterp_column函中,根据插值位置n和取前后数据k,提取需要进行插值的数据 5. 剔除空值,使用lagrange函进行插值计算,并返回插值结果 6. 定义data_lagrange函,该函接受一个DataFrame对象data作为参 7. 在data_lagrange函中,遍历data的每一列,并判断是否存在缺失值,如果存在则进行插值填补 8. 返回填补完缺失值的DataFrame对象data 使用插值法填充缺失值的示例代码如下: ```python from scipy.interpolate import lagrange def ployinterp_column(s, n, k=5): y = s.iloc[list(range(n-k, n)) + list(range(n+1, n+1+k))] # 取 y = y[y.notnull()] # 剔除空值 return lagrange(y.index, list(y))(n) # 插值并返回插值结果 def data_lagrange(data): for i in data.columns: for j in range(len(data)): if data[i].isnull()[j]: data.loc[j,i = ployinterp_column(data[i], j) return data ``` 你可以将你的数据存储在一个DataFrame对象中,然后调用data_lagrange函来填充缺失值。填充后的数据将会替换原始的缺失值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

samFuB

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值