跨境电子商务综合试验区DID（内含七批试验区名单）

原创 于 2025-12-21 21:45:00 发布 · 276 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#数据分析 #数据库

数据简介

跨境电子商务综合试验区作为一类独具特色的经济功能区域，其核心使命在于加速国际跨境电子商务领域的拓展步伐与创新进程。这类试验区一般由国家或地方政府主导设立，致力于推动电子商务贸易、数字经济及国际贸易的整体跃升。

跨境电子商务综合试验区的建设，不仅为全球电子商务的蓬勃发展注入新动能，更为企业拓展国际贸易版图、提升经济效益创造了有利条件，同时有力推动了数字经济与创新生态的繁荣兴盛。

数据名称：跨境电子商务综合试验区DID（内含七批试验区名单）

数据年份：2015、2016、2018、2019、2020、2022.1、2022.11

数据指标

地级市、treat、time。

数据截图

【下载→

方式一（推荐）：主页 ↓个人↓简介

经管数据库-优快云博客

方式二：数据下载地址汇总_-优快云博客

最新-常用匹配数据（DID大合集、DID模型）-社科数据
paofuluolijiang的博客
12-11 681
在社会科学研究中，数据匹配是一项关键技术，它允许研究者将不同来源的数据集根据特定标准进行合并，以便进行更深入的分析。此外，`pd.merge`函数则类似于SQL中的JOIN操作，能够根据共同的键将两个数据集的行连接起来。通过指定不同的参数，如`how='inner'`或`how='outer'`，研究者可以选择内连接或外连接，以适应不同的数据分析需求。在使用VLOOKUP时，需要确保输入的符号是英文状态下的，并且所匹配的数据需要和当前数据不在同一个表格中，以避免匹配错误。
精选资源
最新-常用匹配数据（DID大合集）.zip
06-23
绿色信贷与上市公司匹配数据、中国各省市级社会信用体系建设匹配数据、中国...跨境电子商务综合试验区“匹配数据”、中国各省市级是否属于“宽带中国”试点名单及“千兆城市”匹配数据、中国各省市级是否属于“知识产权...
各地跨境电子商务示范区工具变量DID数据（2010-2022年）
T0620514的博客
07-17 456
参考李震等（2023）的做法，从官方网站上搜集整理了我国跨境电子商务示范区名单与上市公司进行匹配制作。：2010-2022年。
最新版DID匹配数据和模型大全 （2024年）
xiaozhuzhu1995的博客
11-13 582
这类政策往往是在一些地区或者行业做政策试点，如果试点的效果比较理想，则可以在全国层面推广，反之则不推广，一次性全铺开的政策并不适用于DID分析。做政策评估之前首先要知晓政策的类型，我们需要根据不同的数据结构和政策类型采用不同的评估方法，并反复检验该方法的适用性。8. 中国各省市级是否属于“智慧城市”“智能建造城市”试点城市匹配数据。6. 中国各省市级是否属于“宽带中国”试点名单及“千兆城市”匹配数据。2. 中国各省市级是否属于“低碳城市”“碳达峰”试点城市匹配数据。10. 绿色信贷与上市公司匹配数据等。
数字人民币试点城市DID(2007-2024)
2501_91959248的博客
05-07 2123
曹惠芳等（2023）基于数字人民币试点的准自然实验，通过双重差分模型验证了试点政策对普惠金融水平的显著促进作用，并揭示其作用机制主要源于支付业务效率的提升，且对中西部金融基础薄弱地区效果更显著。数字人民试点地区中，雄安新区，西双版纳傣族自治州由于不属于市级范畴，东方市，琼海市，文昌市，万宁市，三沙市属于县级市，此数据仅针对地级市，故上述地区没有整合进表格中，另外，本数据集同时参照上述论文中的方法，选取31个省份（剔除香港特别行政区、澳门特别行政区和台湾地区）。
2007-2024年数字人民币试点城市DID
paperdata666的博客
06-07 988
早在2014年，中国人民银行便着手开展数字人民币（e-CNY）的研发工作，并于五年后进入实际测试阶段，试图通过技术创新优化金融服务的包容性与支付系统效能。数据来源：2019年-2024年间中国人民银行关于数字人名币试点城市情况陆续发布的函数字人民试点地区中，雄安新区，西双版纳傣族自治州由于不属于市级范畴，东方市，琼海市，文昌市，万宁市，三沙市属于县级市，此数据仅针对地级市，故上述地区没有整合进表格中，另外，本数据集同时参照上述论文中的方法，选取31个省份（剔除香港特别行政区、澳门特别行政区和台湾地区）。
最新-常用匹配数据（DID大合集、DID模型）
2401_84585615的博客
10-26 555
DID技术的核心优势在于其去中心化的特性。通过DID，用户可以在不泄露个人敏感信息的前提下，建立自己独立且可验证的数字身份。这种身份标识技术让用户能够更好地掌握自己信息的主动权，实现数据所有权和隐私保护。这个数据集合覆盖了从2000年到2024年的广泛数据，包括但不限于绿色信贷与上市公司的匹配数据、社会信用体系建设数据、低碳城市和碳达峰试点城市数据、国家级大数据综合试验区数据等。最新-常用匹配数据（DID大合集）.zip资源-优快云文库。
各地级市含直辖市政策DID数据 2000-2025
ppmandata的博客
09-08 632
《2000-2025年地级市数字政策DID数据集》摘要 该数据集系统收录了2000-2025年我国各地级市（含直辖市）实施的30余项数字化相关政策，包括智慧城市、数字人民币试点、公共数据开放等典型政策。数据来源于政府官网公开信息，经人工核验确保真实有效，采用DID（双重差分）形式呈现，涵盖科技金融、低碳城市、大数据试验区等重点领域指标。该数据为研究数字中国战略的地方实践效果、破解"数据孤岛"等执行难题、平衡技术效率与伦理风险提供了实证基础，适用于数字经济政策效果评估研究。数据集由数据皮皮
2007-2024年地级市数字人民币试点DID数据
xiaozhuzhu1995的博客
08-14 1246
早在2014年，中国人民银行便着手开展数字人民币（e-CNY）的研发工作，并于五年后进入实际测试阶段，试图通过技术创新优化金融服务的包容性与支付系统效能。数据来源：2019年-2024年间中国人民银行关于数字人名币试点城市情况陆续发布的函数字人民试点地区中，雄安新区，西双版纳傣族自治州由于不属于市级范畴，东方市，琼海市，文昌市，万宁市，三沙市属于县级市，此数据仅针对地级市，故上述地区没有整合进表格中，另外，本数据集同时参照上述论文中的方法，选取31个省份（剔除香港特别行政区、澳门特别行政区和台湾地区）。
DID匹配数据和模型大全2.0
xiaozhuzhu1995的博客
02-19 271
数据来源：国家发改委、工信部、住建部、国家铁路局、国家知识产权局。做政策评估之前首先要知晓政策的类型，我们需要根据不同的数据结构和政策类型采用不同的评估方法，并反复检验该方法的适用性。我们可以将一个国家或地区的政策分为以下几种，不同的政策类型刚好对应了不同的评估方法：其中双重差分法应用时，这类政策往往是在一些地区或者行业做政策试点，如果试点的效果比较理想，则可以在全国层面推广，反之则不推广，一次性全铺开的政策并不适用于DID分析。方式一（推荐）：主页 ↓个人↓简介。二、DID数据大合集。
精选资源
DID工具变量合集.txt
01-08
5.“跨境电子商务综合试验区”匹配数据：2010-2023年 6.“知识产权示范区”匹配数据：2010-2024年 7.“国家智慧城市”“智能建造城市”匹配数据：2000-2023年 8.“宽带中国”“千兆城市”匹配数据：2010-2023年 9....
精选资源
最新整理-双重差分法（DID）最全数据和模型代码大全
12-16
中国各省市级是否属于“跨境电子商务综合试验区“匹配数据”6.中国各省市级是否属于“宽带中国”试点名单及“千兆城市”匹配数据7，中国各省市级是否属于“知识产权示范区”匹配数据8.中国各省市级是否属于“智慧...
精选资源
双重差分法（DID）最全数据和模型代码大全(全新整理)
07-31
中国各省市级是否属于“跨境电子商务综合试验区“匹配数据”6.中国各省市级是否属于“宽带中国”试点名单及“千兆城市”匹配数据7，中国各省市级是否属于“知识产权示范区”匹配数据8.中国各省市级是否属于“智慧...
昆明天气数据分析与挖掘（三）- 昆明天气数据可视化分析
最新发布
zcs2312852665的博客
12-20 579
本文详细介绍了昆明天气数据的预处理与可视化分析过程。首先在FineBI中完成数据上传、字段设置等准备工作，将气温、风向等字段转换为中文并设置合适的数据类型。随后通过折线图、柱形图、饼图等多种可视化形式，对气温变化趋势、风向风力分布、天气类型等维度进行多角度分析，并构建了集成筛选功能的动态分析大屏。分析结果表明，昆明及下属区域气候特征存在差异：主城区气温波动平缓、风力温和，而东川区温差更大、风向集中性显著。该可视化系统有效呈现了区域气象规律，为气候分析提供了直观的数据支撑。
技术实践：用大模型平台重构医疗数据分析Pipeline
2501_93763751的博客
12-15 996
本文从一线开发者的角度，分享如何利用六行神算API（https://grok-aic.com/）重构一个传统的医疗数据分析工作流。通过具体场景对比，详细阐述其在降低开发维护成本、提升分析灵活性及促进跨领域协作方面的技术优势。
基于 Python 实现亚马逊销售数据分析
yousuotu的博客
12-19 322
【代码】基于 Python 实现亚马逊销售数据分析。
数据分析三剑客：NumPy、Pandas、Matplotlib
m0_73456341的博客
12-16 544
数据分析工具链的核心三件套：NumPy提供高效的数值计算基础，支持多维数组和数学运算；Pandas构建在NumPy之上，提供Series和DataFrame数据结构，便于结构化数据处理；Matplotlib则负责数据可视化。NumPy擅长数组创建与操作，Pandas专注于数据清洗和分析，Matplotlib用于绘制折线图、散点图等基础图表。三者从底层计算到中层处理再到上层展示形成完整工作流，NumPy负责"算得快"，Pandas实现"用得顺"，Matplotlib确保
【Python】家庭用电数据分析Prophet预测
Frost_Descent的博客
12-16 2288
摘要：该研究基于Kaggle家庭用电数据集（2007年1-6月，26万条记录），通过Prophet模型预测电力消耗趋势。数据集包含有功/无功功率、电压等7个特征。经数据清洗和探索性分析后，研究抽取1万样本进行预测建模，结果显示未来半年的功率和电压变化趋势。Prophet模型整合了趋势函数、季节性和节假日效应，具有自动检测趋势变化、处理缺失值等优势。通过可视化预测结果，验证了模型在电力消费预测中的有效性。
数据分析（一）
weixin_43008312的博客
12-16 846
统计学不研究统计，研究！！！最近在工作中遇到了需要数据分析的工作，下面对数据分析中遇到的一些统计学知识点进行总结。首先，分析一张数据表时，先对表中的各特征用柱状图、折线图大致看一下数据的分布情况，比如说在分析正常电芯和异常电芯在N个特征上有何不同时，可以用正常电芯的各项特征均值代表正常电芯的整体水平，由于异常电芯数量较少，所以可以全部展示出来在每个特征它们的概况。将这张表送入模型时，在这过程中会遇到一些缺失值，需要对；
大数据综合试验区PSM-DID检验
08-15
在大数据综合试验区中应用 **PSM-DID（Propensity Score Matching - Difference in Differences）** 方法，是评估政策干预效果的一种常用手段，尤其适用于处理组和对照组之间存在非随机选择偏差的情况。该方法结合了倾向得分匹配（PSM）与双重差分法（DID），以控制可观测和不可观测的混杂因素。 ### 1. 方法原理 **PSM（倾向得分匹配）** 是通过协变量（如经济水平、人口结构、产业结构等）估计个体被纳入处理组的概率（即倾向得分），并为每个处理组个体在对照组中找到一个或多个得分相近的“匹配”个体，从而构造出一个近似随机实验的样本集。 **DID（双重差分）** 则用于估计政策干预的因果效应，其基本思想是比较处理组和对照组在政策实施前后的变化差异： $$ Y_{it} = \alpha + \beta (Treat_i \times Post_t) + \gamma X_{it} + \epsilon_{it} $$ 其中： - $ Treat_i $：个体是否属于处理组（即是否在试验区） - $ Post_t $：时间是否在政策实施之后 - $ X_{it} $：协变量（如GDP、人口、财政支出等） - $ \beta $：政策效应的估计值 ### 2. 实施步骤 #### （1）数据准备 收集试验区（处理组）和非试验区（对照组）在政策实施前后若干年的面板数据，包括： - 政策实施年份（如2017年为大数据综合试验区设立年份） - 政策效果指标（如数字经济规模、财政透明度、企业创新投入等） - 控制变量（如人均GDP、教育水平、基础设施投资等） #### （2）倾向得分匹配（PSM） 使用逻辑回归或Probit模型估计倾向得分，例如： ```stata logit treat x1 x2 x3, vce(robust) predict pscore, xb ``` 其中 `treat` 表示是否为试验区，`x1-x3` 为协变量。 随后进行匹配，推荐使用1:1最近邻匹配或核匹配： ```stata psmatch2 treat, outcome(Y) covariates(x1 x2 x3) logit common ``` 匹配完成后，需检验协变量的平衡性，确保匹配后的协变量在两组之间无显著差异。 #### （3）构建DID模型 在匹配后的样本上构建双重差分模型： ```stata xtset id year xtreg Y i.treat##i.post x1 x2 x3, fe vce(cluster id) ``` 其中 `i.treat##i.post` 表示交互项，用于捕捉政策效应。 ### 3. 应用场景与意义 在大数据综合试验区中，PSM-DID方法可用于评估以下政策效应： - 数字经济发展对财政透明度的影响[^1] - 政策试点对区域创新能力的提升作用 - 数据开放对政府治理效率的促进 由于试验区的设立往往不是随机的，存在样本选择偏差，因此使用PSM可有效缓解这一问题；而DID则能控制时间趋势和固定效应，从而更准确地识别政策的真实影响。 ### 4. 注意事项 - **政策实施时间需明确**：如引用[2]所述，某些政策的DID变量可能从实施后几年开始计算，应根据实际政策生效时间调整变量构造[^2]。 - **平行趋势假设**：DID方法依赖于处理组与对照组在政策前趋势一致的假设，需通过图形或统计检验验证。 - **匹配变量选择**：PSM中协变量应选择与政策结果相关的变量，避免遗漏重要混杂因素。 - **稳健性检验**：可通过更换匹配方法、加入协变量、使用Bootstrap方法等方式进行稳健性分析。 ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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