paofuluolijiang的博客

数据通过高德地图数据动态信息融合计算，形成标准化指数体系，为城市交通治理提供量化依据。2015-2018年中国重要城市交通拥堵指数数据集记录了。2015-2018年 重要城市交通拥堵指数-社科数据。

首先，人工智能企业存量指标可量化城市技术集聚效应，如北京2023年人工智能企业达16,927家（对数值9.74），显著高于全国平均水平。例如，人工智能发展水平采用$ln(企业数量+1)$公式计算，工业机器人渗透率则通过$机器人应用数/制造业企业总数$的比值衡量。行政区划代码 年份 城市 所属省份 长江经济带 人工智能企业存量 人工智能企业存量对数 工业机器人渗透率（存量计算） 工业机器人渗透率对数（存量计算） 工业机器人渗透率（增量计算） 工业机器人渗透率对数（增量计算）作为新兴产业的重要衡量指标，

年份、股票代码、股票简称、行业名称、行业代码、省份、城市、区县、区县代码、上市状态、上游供应商、供应商股票代码、供应商关联-股票代码、供应商采购额_万元、供应商采购额占比、下游客户、客户股票代码、客户关联-股票代码、客户销售额_万元、客户销售额占比。部分样本延伸至新三板企业，补充了2017-2022年前五大客户销售信息表，涉及医药制造、电子信息等18个行业大类。此数据集涵盖2003-2023年A股上市公司供应链上下游关系数据，包含373,313条样本记录，主要从企业年报中提取供应商采购与客户销售明细信息。

此外，电子、电池等行业近年利用率提升明显，如某晶圆企业2024年第二季度达85.2%。此数据集涵盖2000年至2023年中国A股上市公司的产能利用率数据，通过量化企业实际产出与设计产能的比率，反映生产资源的配置效率。产能利用率的计算公式为$CU = \frac{实际产出}{设计产能} \times 100\%$，其中实际产出通常以营业收入或产品数量计量，设计产能则基于设备、人员等资源的最大理论产出值。数据统计字段包括股票代码、年份、证券代码、资产总计、营业收入、员工人数、资产周转率、产能利用率水平变量。

其次，刘冰冰（2023）验证了制度对企业技术创新的正向影响，而李靖（2025）则证实其能有效推动僵尸企业出清。数据涵盖沪深A股上市公司20年间的面板数据，包含股票代码、行业分类、地区分布、产权性质等核心字段，并依据刘冰冰（2023）、王菁华（2023）等四类权威文献构建了差异化处理组变量（treat1-treat4）和政策时点虚拟变量（post1-post4），形成多维度的DID交互项（did1-did4）。上市公司-企业公平竞争审查制度-双重差分模型构建（2003-2022年）-社科数据。

该数据集对多领域研究具有参考价值。例如，中商产业研究院连续多年跟踪发布的广告花费排行榜显示，2023年伊利股份以139.91亿元位列榜首，上汽集团、上海医药分别以114.18亿元和64.07亿元紧随其后。行业分布上，中药、汽车制造、白酒等消费领域的企业广告投入最为集中，其中中药行业在2023年百强榜单中上榜企业数量最多。此数据集涵盖2001至2023年中国A股上市公司的广告支出数据，记录了企业在品牌推广、市场营销活动中的资金投入情况。数据字段包括代码、年份、广告支出、广告支出比例。

此数据集涵盖1991年至2023年中国A股市场重污染行业上市公司的经营与环境数据，涉及煤炭、石油、化工、火电等16个行业，依据《上市公司环保核查行业分类管理名录》和《上市公司行业分类指引》进行行业分类标注（polute字段值为1表示重污染企业）。数据包含股票代码、证券代码、证券简称、年份、行业代码、行业名称、是否重污染企业、交易状态 、上市板块、上市日期、所属省份、所属省份代码、所属城市、所属城市代码数据。上市公司-重污染企业数据（1991年-2023年）-社科数据。

该数据集对三类研究具有直接价值：其一，评估区域绿色技术扩散效率，如长三角地区企业更倾向联合申请专利；其二，验证政策工具效果，如绿色信贷对重污染行业创新质量的促进作用；其三，构建企业可持续发展指数，引用量指标（$\ln Cite$）可反映技术成果的市场转化潜力。此数据集涵盖2000至2023年中国A股上市公司的绿色创新活动数据，聚焦绿色技术研发的量化评估与质量分析。数据主要整合自知识产权局专利数据库、CSMAR金融经济数据库及上市公司年报。上市公司-绿色创新相关数据（2000-2023年）-社科数据。

SSRN（Social Science Research Network）作为社会科学领域的重要学术平台，一直致力于推动社会科学研究的交流与传播。其发布的“社会科学研究Top 10,000 Papers”榜单，是评估社会科学领域内研究成果影响力的重要参考。该榜单通过具体的数据指标，如下载次数、引用次数等，全面展示了在全球范围内受到广泛关注的学术论文，揭示了当前社会科学研究的热点话题、研究方法以及未来可能的发展趋势。可以更好地了解当前社会科学研究的热点话题和未来趋势，推动学术交流和合作。

此数据集涵盖2003至2023年中国A股上市公司异质性机构投资者的持股信息，包含原始数据、参考文献、代码do文件、最终结果。机构投资者指通过专业管理集中社会资金进行证券投资的实体，如养老基金、保险公司等，其异质性体现在投资动机、持股周期、资金来源等维度差异上。首先，通过分析不同机构投资者的持股偏好，可揭示其对上市公司战略决策的影响机制，例如稳定型机构更倾向抑制盈余管理行为。此外，数据包含的行业分类和时间跨度支持纵向比较研究，如高科技行业与传统行业的机构投资者行为差异分析。

此数据集涵盖2001-2022年中国A股上市公司的历史业绩预期差距（Hps）与行业业绩预期差距（Ips）指标。数据字段包括股票代码、年份、证劵代码、证劵简称、行业代码、ROA、历史业绩预期差距HPS、行业业绩预期差距IPS。其中历史预期业绩采用$Hps_{i,t} = (1-α) \cdot Actual_{i,t-1} + α \cdot Hps_{i,t-1}$计算（α取0.6），行业预期业绩则采用同行业企业实际业绩中位数加权计算，两者均对负向差距取绝对值处理。

通过长周期观测，可分析不同行业技术演进路径的差异——如高科技行业更依赖突破性创新，而传统制造业侧重渐进性改进。实证研究显示，渐进性创新企业市场适应性强于突破性创新企业20%，但后者在成熟市场中的份额增长潜力更大。数据采用专利维度作为核心衡量标准，其中突破性创新以发明专利为表征，反映企业基于全新科学原理实现技术轨道跃迁的能力；渐进性创新则通过实用新型和外观设计专利体现，强调对现有技术体系的持续优化。在指标构建上，采用自然对数处理缓解专利数据的右偏分布问题，加权指标则反映不同类型专利的技术含量差异。

数据涵盖股票代码、年份、行业代码、行业名称、销售收入、行业大类、industry_code、firm_id、销售收入的平均值、非正常销售收入的标准差、未经行业调整的环境不确定性、行业环境不确定性、行业调整后的环境不确定性。[1] 申慧慧, 于鹏, 吴联生. 国有股权、环境不确定性与投资效率[J]. 经济研究, 2012(7):113-126.[2] 花冯涛, 徐飞. 环境不确定性如何影响公司特质风险[J]. 南开管理评论, 2018(4):122-133.

year、Growth、AssetGrowth、股票简称、行业代码、行业名称、Industry2、当年是否stpt、样本区间内是否stpt、是否金融、是否制造业、是否沪深上市、是否北证上市、重污染分组1、重污染分组2、重污染分组3、所属省份代码、所属省份、所属城市代码、所属城市、是否属于西部、是否属于东部、是否属于中部、产权性质、负债合计、是否资不抵债、ind、e、mean、过度自信_投资决策等指标。盈利预测偏差则采用实际EPS与管理层预测值的偏离度计算，正值连续三年出现即判定为系统性高估。

其三，指导投资决策，KV指数等衍生指标能有效衡量信息不对称程度，帮助投资者识别潜在风险。数据字段包括证券代码、年度、证券简称、上市板块、行业代码及名称等基础信息，核心指标为信息披露考评结果（A/B/C/D四级）及与上年对比变化。其中A级代表优秀，D级为不合格，参考《金融研究》林长泉(2016)的研究方法，将等级转化为4-1分的数值化指标以支持量化分析。2022年数据显示32.99%的上市公司主动发布ESG报告，环境信息披露指数较前一年增长1.7%，但行业差异显著，金融业表现优于房地产。

GMM方法适用于动态面板模型，FE法则控制个体固定效应，不同方法各有侧重：OP法适合存在投资波动的企业，LP法更适应中间投入稳定的行业。其二，政策效果评估，包括排污权交易等环境政策对生产率的影响；此数据集涵盖1999-2023年中国上市公司全要素生产率（TFP）测算结果，采用OLS、FE、LP、OP、GMM五种主流方法计算，包含53,943条企业级观测值。证券代码、股票代码、年份、股票简称、行业名称、行业代码、Y、K、L、M、I、TFP_OP、TFP_LP、TFP_OLS、TFP_FE、TFP_GMM。

此数据集涵盖1995-2023年中国A股上市公司股价崩盘风险的量化指标，采用学术界广泛认可的负收益偏态系数（NCSKEW）、收益波动比率（DUVOL）和崩盘事件虚拟变量（CRASH）作为核心测度标准。DUVOL则通过比较下跌周与上涨周收益率波动幅度的对数差异，捕捉股价下跌时的波动聚集特征。数据构建方法参考了Hutton等（2009）的信息隐藏假说及许年行（2013）的中国市场适应性模型。研究实践表明，该数据对识别财务重述企业的风险累积效应、分析管理层权力寻租导致的崩盘概率提升具有显著解释力。

研究显示，2022年全市场上市公司研发投入达1.66万亿元，研发人员257万人，高技术制造业研发强度达6.71%，印证该数据集对创新要素的捕捉能力。资本要素投入（K）通过企业购建固定资产、无形资产和其他长期资产支付的现金与总资产的比值测算，反映新增资本配置强度；股票简称、年份、ST或PT为1，否则为0、金融业为1，否则为0、总负债大于总资产为1，否则为0、资本要素投入、劳动要素投入、总资产、购建固定资产、无形资产和其他长期资产支付的现金、员工人数、行业名称、行业代码、制造业取两位代码，其他行业用大类。

实证分析表明，当股权激励占比超过30%时，薪酬粘性系数下降约21%，这为优化薪酬结构提供了量化依据。同时，数据揭示独立董事比例每提高10%，国有企业的薪酬粘性会降低6.5%，凸显治理机制改进对抑制代理成本的作用。在实践层面，该数据可辅助监管部门识别"业绩降薪酬反升"的异常样本，也为学术界研究制度环境与契约效率的关系提供了纵向分析基础。研究显示，国有企业的薪酬粘性系数平均比民营企业高38%，地方控股企业较中央企业表现出更显著的粘性特征。上市公司-高管薪酬粘性（2009-2023年）-社科数据。

研究显示，石油石化、信息技术等行业粘性特征显著，且与内部控制质量、管理者能力存在关联。该数据集为分析企业成本行为异质性提供基础支撑，适用于公司治理、成本管控等领域的实证研究。Weiss模型由Dan Weiss提出，通过比较企业销售额上升与下降时成本变动幅度的非对称性来量化成本粘性。具体表现为：当销售额增加时成本的增加幅度大于销售额同比例减少时的成本降低幅度，此时STICKY值为负且绝对值越大粘性越强；本数据包含原始数据、参考文献、代码do文件、最终结果，可复现耿云江等学者在《会计研究》中采用的实证方法。

数据字段包含股票代码、证券简称、年份、预测第1年每股收益（EPS1）、预测第2年每股收益（EPS2）、年度收盘价及PEG模型计算结果。其中EPS1和EPS2采用分析师预测均值，计算方法遵循Easton(2004)提出的标准公式：$$r_{PEG}=\sqrt{\frac{eps_2-eps_1}{p_0}}$$，其中$p_0$为当期股价。在学术研究中，该指标常被用于分析信息披露质量、分析师预测行为对企业融资成本的影响机制。上市公司-权益资本成本-PEG模型（2001-2023年）-社科数据。

在行业层面，数据可识别产能过剩风险，如2015年火电行业羊群行为测度降至0.12（全行业均值0.21），提前6个月预警了后续产能闲置危机。数据统计字段包含证券代码、年份、企业投资水平（Inv）、行业领导者投资水平及羊群行为测度（Herdinv）。其中企业投资水平通过（期末固定资产+在建工程+无形资产净增加值）/上期末总资产计算得出，行业领导者指标取规模前10%公司的加权平均投资水平。羊群行为测度采用企业投资水平与行业领导者水平的绝对离差，该值越小表明从众程度越高。企业投资羊群效应-社科数据。

研究显示，企业实际税负受增值税、所得税等主体税种影响显著，2012年行业平均税负达峰值26.98%，2017年降至24.8%，大型企业税负普遍高于中小企业。证券代码、证券简称、收到的税费返还、支付的各项税费、年份、营业收入 税收负担 id STPT 金融业 资不抵债 沪深上市 北京上市 IndustryName Industry1 Industry2 PROVINCECODE PROVINCE CITYCODE CITY East West Mid mean_税收负担 Adj_税收负担。

数据主要源自中国音像与数字出版协会游戏工委（GPC）与伽马数据（CNG）联合发布的年度产业报告，部分历史数据参考了《中国游戏产业报告》系列文献。其中2024年最新数据显示，国内游戏市场实际销售收入达3257.83亿元，同比增长7.53%，用户规模6.74亿人创历史新高。值得注意的是，主机游戏市场同比增长55.13%，现象级产品的涌现推动该细分领域快速扩张。此数据集涵盖了2004年至2024年3月期间全球及国内游戏市场的指标数据：年份、市场规模、增幅。

研究显示，该数据对以下领域具有指导价值：其一，为监管机构优化政策提供依据，例如新《公司法》实施后需细化审计委员会职能替代监事会的操作细则；年份、行业代码、证券代码、Mana_Pay、Mana_Share、Outratio 、Board、Inst_Share、Share_Balance、Dual、企业治理水平。此数据集聚焦于2003至2023年中国上市公司的企业治理水平评估，基于南开大学中国公司治理研究院发布的CCGI$^{NK}$指数（中国上市公司治理指数）构建。

该系统自2013年起分阶段在全国推广，至2016年完成全面覆盖，标志着税收征管模式从“以票控税”向“以数治税”的转型。作为政策评估的典型工具，双重差分模型（DID）通过对比实验组（受政策影响地区/企业）与对照组在政策实施前后的差异，有效剥离其他干扰因素，量化政策净效应。三是“征税效应”，提升税收征管精度，降低企业避税动机。股票代码、股票简称、行业名称、行业代码、所属省份代码、所属省份、所属城市代码、所属城市、金税三期实施年份、是否处理组、是否处于实施后 、金税三期。金税三期-双重差分模型-社科数据。

剑桥大学发布的GVAR（Global Vector Autoregression）数据集是社会科学领域的重要资源，旨在为宏观经济、金融政策等研究提供多国时间序列数据支持。GVAR模型扩展了传统VAR框架，通过纳入全球变量交互效应，能够更精准地分析跨国经济联动性，例如货币政策溢出、贸易链波动等复杂动态关系。数据集涵盖GDP增长率、通货膨胀率、利率、汇率、贸易收支等核心宏观经济指标，同时整合了能源价格、地缘政治风险指数等全球性变量。其全局变量设计还能辅助研究气候变化、公共卫生事件等非经济冲击的跨区域效应。

数字经济发展指标：年份 地区 互联网宽带接入端口(十万个) 长途光缆线路长度(万公里) 域名数/万 网页数/千万 IPv4地址数/百万 邮政业务总量/亿元 电信业务总量/百亿元 快递量(百万件) 专利申请数/千项 互联网普及率/% 移动电话普及率(部/百人) 线性插值R&D经费支出/十亿元 产业结构升级指数 1/HL 产业结构高级化 R&D经费支出/十亿元。id、地区、年份、RE（实体经济发展水平）、Deg（数字经济发展水平）、sqrtRE sqrtDeg、O、Z、XT（数实融合水平）。

数据主要来源于学术论坛公开投稿案例、期刊官网发布的审稿流程说明，以及《经济研究》《管理世界》等顶刊近年收录论文的选题分析。其中，政策导向型期刊（如《中国工业经济》）偏好“双碳目标”“共同富裕”等本土化议题，而方法论强刊（如《统计研究》）则注重DID、RDD等因果推断技术的应用。学科名称、期刊名称、CN 号/ ISSN、发表难度、月均经管类文章刊发情况、月均经管类文章刊发量、序号、刊名、学科、备注、证书、学科门类、学科代码、学科、排序（排名）、中文刊名、变化情况、发表难度等。

数据包含五类核心指标：年份、省份、科学三项支出、农业机械化程度、研究与试验发展(R&D)经费投入强度、国内专利申请受理量、单位面积农业GDP产值、财政支农力度、农村恩格尔系数、农村居民消费水平、产业协调水平、农业产业结构调整指数、单位面积化肥使用量、单位面积农药使用量、单位面积农膜使用量、森林覆盖率、农产品出口依存度、农产品进口依存度、城乡居民收入比、农村居民人均可支配收入、农村居民生活水平、城乡消费差距、村卫生室数量。原始数据主要源自农村统计年鉴》《统计年鉴》及地方财政公报，

关键字段包括：行政区划代码、年份、地区、进口额（百万美元）、出口额（百万美元）、 贸易差额（百万美元）、 进口额（百万美元）、 出口额（百万美元）、 贸易差额（百万美元）。1. **区域经济研究**：可分析外贸依存度与GDP增长的关联性，如苏州、东莞等外向型城市的经济模式。2. **政策效果评估**：对比不同时期贸易政策（如自贸区试点）对地级市进出口结构的影响。4. **学术实证基础**：适用于国际贸易理论验证，如汇率波动对贸易差额的动态影响。$$贸易差额 = 出口额 - 进口额$$

该数据集对区域经济研究、公共政策制定具有多重参考价值。数据字段具体包括地区、年份、城镇居民人均消费支出（元）、农村居民人均消费支出（元）、城乡消费差距（计算公式为城镇居民支出/农村居民支出）以及全体居民人均消费支出（元）。数据主要来源于GJ统计局官方发布的年度统计报告、省级国民经济和社会发展统计公报，例如，2023年全国居民人均消费支出达26796元，其中城镇与农村居民支出分别为32994元和18175元，城乡差距倍数为1.82。省级-居民人均消费支出（2000-2023年）-社科数据。

原始数据主要源自《ZG城市统计年鉴》《ZG区域经济统计年鉴》及各地级市统计公报，缺失值通过地方年鉴、统计年报进行补充。此数据集涵盖2003-2023年全国地级市城镇化率面板数据，以城镇常住人口占总人口比重为核心指标，采用双口径计算方式：主流为（城镇常住人口/常住总人口）×100%，部分城市采用（非农人口/年末总人口）×100%作为补充。统计字段包含行政区划代码、年份、地区、所属省份、所属地域、城镇化率，部分版本提供经插值处理的完整序列数据。地级市-城镇化率（2003-2023年）-社科数据。

数据字段包含省份、行政区划代码、年份、地区、行政区划级别、城市建设用地面积、工业用地面积、仓储用地面积、物流仓储用地面积、对外交通用地面积、道路交通设施用地面积指标。物流仓储用地指用于货物存储、分拣、加工等活动的土地，对外交通用地包括铁路、公路、航空等跨区域交通设施用地，道路交通设施用地则涉及城市内部道路、桥梁、隧道等基础设施用地。省级、直辖市、地级市、县级市-物流仓储用地面积、对外交通用地面积、道路交通设施用地面积数据（2002-2022年）-社科数据。

该数据集对区域经济研究具有多重价值：其一，通过分析东部沿海（如杭州、深圳）与中西部（如成都、郑州）的GMV差异，可评估基础设施、政策支持对电商发展的影响；其三，基于快递权重法的数据重构思路，为中小城市数字经济统计提供方法论参考。数据构建方法参考黄赜琳（2022）与方福前（2015）的研究，通过地级市快递业务量占本省比重作为权重，将省级数据分解至地级市层面。此数据集统计了2011至2022年全国286个地级市的电子商务交易额（GMV），涵盖商品销售、服务提供及数字产品交易等全品类线上交易总额。

其二，财政支出分项数据可作为公共服务均等化研究的核心指标，例如教育支出与地区人力资本积累的关联性；其三，面板数据特性支持构建财政分权、政府债务风险等计量模型，已有研究将其用于地方政府财政透明度评估和政策效应检验。此数据集涵盖2003至2023年全国294个地级市的财政收支明细数据，包括一般公共预算收入与支出及其分项指标，计量单位统一为百万人民币。数据字段包含一般公共预算支出、一般公共预算收入、城市、单位、年份。地级市-财政收入和财政支出（2003-2023年）-社科数据。

其中，乡村创新涵盖技术创新、品牌创新、绿色创新和数字创新；具体数据字段涵盖省份代码、省份名称、地市代码、地市名称、县市代码、县市名称、年份、乡村创业指数、乡村创新指数、总指数，样本量超1.7万条，以面板数据形式呈现。中国乡村创新创业指数（China Rural Entrepreneurship Index, CREI）由浙大卡特-企研乡村产业研究团队构建，涵盖2014-2021年省级、地市级和县级行政区的乡村创新与创业发展水平。省、市、县级乡村创新指数、乡村创业指数（2014-2021年）-社科数据。

其三，探究数字金融发展对缓解金融错配的作用机制，可与北京大学数字普惠金融指数进行匹配分析。此数据集涵盖1999-2023年沪深A股上市公司的金融错配程度指标，采用企业资本成本偏离行业平均水平的测算方法，为研究金融资源配置效率提供微观数据支持。测算方法源自邵挺（2010）与周煜皓、张胜勇（2014）的研究框架，参考《科研管理》赵晓鸽（2021）提出的资本成本偏离度模型。数据统计字段包括证券代码、证券简称、股票代码、年份、金融错配程度、行业代码、行业名称、所属省份、所属省份代码、所属城市、所属城市代码，

此数据集涵盖1990年至2022年31个省份的基尼系数面板数据，包括城镇居民基尼系数、农村居民基尼系数及城乡整体基尼系数。基尼系数是衡量收入分配差异的核心指标，其取值范围为0到1，数值越大表示不平等程度越高。数据中具体统计了年份、基尼系数、城市基尼系数、农村基尼系数字段，其中城市基尼系数反映城镇内部收入差距，农村基尼系数则聚焦农村地区收入分配状况。例如，2010年后全国基尼系数普遍超过0.5，而2020年疫情后部分省份数值回升至0.7以上，这种波动可为社会保障政策调整提供量化依据。

例如，消费者和社会维度采用行业排名（资产/收入/净利润）、企业治理维度结合可持续增长率与审计质量（是否四大会计师事务所审计）等指标。企业声誉（REP）作为反映利益相关者对企业认知的核心概念，其量化方法参考了管考磊和张蕊（2019）在《会计研究》提出的因子分析法，通过12项关键指标计算得分并划分为1-10级。数据字段：代码、企业简称、年份、企业声誉。原始数据来源于上市公司公开披露的年报、审计报告及行业排名，经标准化处理后形成面板数据集，包含5.3万个样本量，覆盖5348家A股非金融类企业。