<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[paperdata666的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/paperdata666</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; paperdata666]]></copyright><item><title><![CDATA[2000-2026年地级市数字化政府建设数据]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166846561</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166846561</guid><author>paperdata666</author><pubDate>Tue, 29 Sep 2026 17:30:14 +0800</pubDate><description><![CDATA[来源： Paper 数据分析。]]></description><category></category></item><item><title><![CDATA[2001-2024年地级市医疗资源数据]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166846538</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166846538</guid><author>paperdata666</author><pubDate>Tue, 29 Sep 2026 17:29:19 +0800</pubDate><description><![CDATA[来源： Paper 数据分析。]]></description><category></category></item><item><title><![CDATA[2013-2025地级市商品供需适配程度面板数据+Stata代码]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166830947</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166830947</guid><author>paperdata666</author><pubDate>Tue, 29 Sep 2026 09:36:32 +0800</pubDate><description><![CDATA[评估一个地区的经济循环质量，只看"生产了多少"或"消费了多少"都不够：产值高不等于供给对路，消费旺也可能只是外品流入的结果。在扩大内需、畅通国内大循环的背景下，更值得关注的变量是——这正是"商品供需适配程度"指标所要刻画的内容。本数据借鉴谢贞发等（2026）的指标构建与测算方法，利用地区产值、居民消费、收入水平、人口规模及产业结构等统计数据，构建了覆盖297个地级及以上城市、2013—2025年共3861条观测的城市层面面板，并附原始数据、处理代码与测算结果（Excel、Stata双格式），全流程可复现。]]></description><category></category></item><item><title><![CDATA[2011-2025年上市公司重点产业政策虚拟变量面板]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166829888</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166829888</guid><author>paperdata666</author><pubDate>Tue, 29 Sep 2026 09:20:20 +0800</pubDate><description><![CDATA[研究产业政策的企业级效应，最大的难点在于“政策落地”如何度量：五年规划纲要里的扶持表述是宏观文本，而企业创新、投资与绩效是微观数据，两者之间需要一座可验证的桥。本数据集提供的正是这座桥——一套覆盖中国沪深A股上市公司、按企业—年度组织的重点产业政策虚拟变量（Policy），时间跨度为2011—2025年。数据参照《科研管理》刊载研究的做法，基于五年规划纲要文本解析与双重匹配构建：某家上市公司在某个年度是否落入中央层面选择性重点产业政策的覆盖范围，最终以0/1形式记录在面板中。]]></description><category></category></item><item><title><![CDATA[2001-2025年上市公司客户与供应商集中度面板数据]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166730138</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166730138</guid><author>paperdata666</author><pubDate>Sun, 27 Sep 2026 10:16:36 +0800</pubDate><description><![CDATA[一家企业对少数大客户的销售依赖有多深、对少数关键供应商的采购依赖有多强，直接决定了它在供应链网络中的议价能力、交易话语权与经营韧性，因此供应链集中度长期是公司金融与产业经济研究中的高频变量。在具体研究中，若需要单一的供应链集中度综合指标，常见的做法有两种：取客户集中度与供应商集中度的。信息为基础，构建了覆盖全部A股上市公司的企业—年度面板，同时提供采购端与销售端两个维度的集中度测度，可直接用于供应链关系、议价能力、经营风险等主题的实证研究。本数据集以A股上市公司年度报告披露的。]]></description><category></category></item><item><title><![CDATA[（2026年更新）高新企业数据]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166729953</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166729953</guid><author>paperdata666</author><pubDate>Sun, 27 Sep 2026 10:13:17 +0800</pubDate><description><![CDATA[1.高新技术企业取消资格情况表 2.高新技术企业附属公司情况表 3.高新技术企业更名情况表 4.高新技术企业基本信息表 5.高新技术企业认定情况表 6.高新技术企业异地搬迁情况表 7.高新技术企业主要财务指标表 8.高新技术企业主要股东情况表 9.高新技术企业主要管理人员信息表 10.高新技术企业专利情况表 11.各地区高新技术企业人员情况表 12.各地区高新技术企业收入情况表 13.各地区高新技术企业主要经济指标表 14.各地区高新技术企业RD活动与研究开发情况表。来源： Paper 数据分析。]]></description><category></category></item><item><title><![CDATA[2002-2025年上市公司真实盈余管理（REM）数据+stata代码]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166729736</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166729736</guid><author>paperdata666</author><pubDate>Sun, 27 Sep 2026 10:10:41 +0800</pubDate><description><![CDATA[ASC(i,t) 为真实盈余管理的销售操控程度，即经营活动中因销售产生的异常经营活动现金净流量；：Roychowdhury 借用 Dechow 等提出的模型，推导出计算经营现金流量的销售操控、酌量性费用的费用操控以及制造成本生产操控的正常预期水平，并利用实际偏离预期的操控值计算上市公司的真实盈余管理程度。李彬和张俊瑞认为，Roychowdhury 模型在计算销售操控时是以产品销售流程为基础的，但预期模型中并没有考虑固定成本对预期的影响，因此他们以经营活动现金流量产生的流程为基础，改进了销售操控的估计模型。]]></description><category></category></item><item><title><![CDATA[2000–2025年上市公司债务违约风险Z-score数据+stata代码]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166596712</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166596712</guid><author>paperdata666</author><pubDate>Thu, 24 Sep 2026 16:45:27 +0800</pubDate><description><![CDATA[整体计算流程为：先基于上市公司财务报表字段计算营运资本（流动资产 − 流动负债），再按上述加权公式逐样本计算债务违约风险 Z-score；对组成指标中缺失的样本予以剔除，并剔除证券代码以「200」「900」开头的 B 股样本；随后保留证券代码、证券简称、stkcd、year、债务违约风险 Zscore 及行业、省份、城市等匹配维度；分别保存为未剔除未缩尾版本，并在此基础上生成剔除金融业（STPT）的未缩尾与已缩尾版本，最终以 Dta 与 Xlsx 双格式输出。]]></description><category></category></item><item><title><![CDATA[2010-2025年A股高科技上市公司关键核心技术创新专利面板数据]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166562690</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166562690</guid><author>paperdata666</author><pubDate>Thu, 24 Sep 2026 08:48:59 +0800</pubDate><description><![CDATA[这套数据正是针对这一问题构造的：它把 A 股高科技上市公司的专利申请，按关键核心技术领域重新筛选和汇总，形成企业—年度层面的面板指标，时间覆盖 2010—2025 年，方法上参照《中国软科学》刊载研究的识别思路。这一构造方式的直接好处，是给研究外部制裁冲击、产业政策与企业研发投入对核心技术突破的影响，提供了一个可以直接放入回归方程的被解释变量——配套多时点 DID、中介效应、异质性分析等设计都很顺手。：与企业财务、研发投入、公司治理等微观数据合并，检验内外部因素作用于关键核心技术突破的机制；]]></description><category></category></item><item><title><![CDATA[2012-2025年各省市区县逐日平均夜间灯光亮度面板数据]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166562476</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166562476</guid><author>paperdata666</author><pubDate>Thu, 24 Sep 2026 08:47:49 +0800</pubDate><description><![CDATA[2012-01-19～2025-12-31各省份日度平均夜间灯光亮度面板数据.dta。2012-01-19～2025-12-31各城市日度平均夜间灯光亮度面板数据.dta。2012-01-19～2025-12-31各区县日度平均夜间灯光亮度面板数据.dta。区县级：省、省代码、市、市代码、县、县代码、日期、平均夜间灯光亮度。省市区县逐日平均夜间灯光亮度面板数据2012-2025。城市级：省、省代码、市、市代码、日期、平均夜间灯光亮度。省份级：省、省代码、日期、平均夜间灯光亮度。数据范围：省、市、县区、]]></description><category></category></item><item><title><![CDATA[2000-2025年上市公司应计盈余管理-修正的琼斯模型数据+Stata代码]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166365685</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166365685</guid><author>paperdata666</author><pubDate>Tue, 22 Sep 2026 15:28:14 +0800</pubDate><description><![CDATA[（因为是分年度分行业回归，所以需要哪几年的结果可以直接使用）（2）将估计出来的回归系数代入以下公式，估计出操控性应计利润/应计盈余管理DA。行业包含以2012年的证监会行业标准，制造业使用二级分类，其他行业使用大类，本文。剔除了行业观察值小于10（具体可以根据需要调整）的样本，以便有效估计盈余管理。字段包含是否ST、PT的虚拟变量（以当年是否ST、PT为判断标准），示例。，如果不需要可以把对应代码删掉即可。（使用当年的证监会行业，每年变动）代码格式：do文件（Stata14/15/16/17/18）]]></description><category></category></item><item><title><![CDATA[2008-2025年各省市县移动通信基站统计面板数据]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166337778</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166337778</guid><author>paperdata666</author><pubDate>Tue, 22 Sep 2026 09:20:42 +0800</pubDate><description><![CDATA[在数字经济与数字基础设施相关议题的实证研究中，移动通信网络密度正被越来越多地用作刻画地区信息化水平的基础变量。但研究者长期面临一个现实困难：公开可得、空间分辨率足够细的基站数据很难获取——多数研究只能退而求其次，用省级或市级的相关代理指标，难以回答"一个城市内部哪些区县的通信基础设施更密集"这类问题。围绕这一痛点，有几个问题值得关注：• 一个地区的移动通信基础设施到底有多密集？• 2G、3G、4G、5G 四代网络的布局在不同区域之间呈现怎样的差异？]]></description><category></category></item><item><title><![CDATA[2000-2025年上市公司碳排放权交易试点DID面板数据+stata代码]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166337315</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166337315</guid><author>paperdata666</author><pubDate>Tue, 22 Sep 2026 09:17:45 +0800</pubDate><description><![CDATA[交付文件构成（9 件）：碳排放权交易是中国重要的市场化减排政策工具。参考文献原文对政策背景的表述为：“国家发改委于 2011 年批准北京、天津、上海、重庆、湖北、广东和深圳七省市开展碳交易试点工作，并计划在 2017 年启动全国碳排放权交易市场……”。虽然各试点省市到 2013 年 6 月才陆续开始实际试行碳排放权交易，但政策正式批准的时间为 2011 年 10 月；原文进一步指出，“由于企业的行为决策存在一定的前瞻性，不能排除企业在 2012 年的时候就做出相应的反应，因此本文将 2012 年及以后年份作]]></description><category></category></item><item><title><![CDATA[2000-2025年地级市国家信息消费试点政策DID]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166096065</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166096065</guid><author>paperdata666</author><pubDate>Sun, 20 Sep 2026 09:09:46 +0800</pubDate><description><![CDATA[为落实这一部署，工业和信息化部按照"先试点、后示范"的原则启动了国家信息消费试点城市建设，并于2013年、2015年分两批共遴选出104个试点市（县、区）：首批68个（北京市等，2013年确定），第二批36个（上海市等，2015年确定）。由于试点名单的确定时点外生于单个城市的经济表现，这场分批推进的试点为研究数字消费政策的因果效应提供了理想的准自然实验场景。字段共10个：年份、省份、城市、省份代码、城市代码、所属地域、胡焕庸线、信息消费城市试点年份、是否试点城市、DID。工业和信息化部（试点名单公开文件）]]></description><category></category></item><item><title><![CDATA[2014-2025年各省市大数据管理机构改革DID]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/166095499</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/166095499</guid><author>paperdata666</author><pubDate>Sun, 20 Sep 2026 09:06:48 +0800</pubDate><description><![CDATA[在数字政府研究领域，如何为"政府组织变革→经济效应"这类问题找到可信的因果识别策略，一直是实证研究的难点。这套数据提供了一条可行的路径：以省级大数据管理机构的设立作为外生政策冲击，在中国城市层面构造双重差分（DID）所需的处理变量，时间覆盖2014—2025年。所谓大数据管理机构改革，是指依托新一代数字技术，对政府的组织架构、运作程序与管理流程进行优化调整，从而重塑政务服务模式、提升政务服务效率的过程。省级层面的大数据管理机构集中体现了政府的数据制度基础与数据管理职能，是观察这一轮改革落地的关键抓手。]]></description><category></category></item><item><title><![CDATA[2026年7月全国铁路客运列车时刻表]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/165884096</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/165884096</guid><author>paperdata666</author><pubDate>Fri, 18 Sep 2026 16:16:18 +0800</pubDate><description><![CDATA[全国铁路客运列车时刻表（2026年7月）来源： Paper 数据分析。]]></description><category></category></item><item><title><![CDATA[2012-2024年上市公司工业机器人渗透率]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/165884027</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/165884027</guid><author>paperdata666</author><pubDate>Fri, 18 Sep 2026 16:14:47 +0800</pubDate><description><![CDATA[上市公司工业机器人渗透率（2012-2024），参考王永钦等（2020）计算方法，具体分为三个步骤：首先，计算行业层面的工业机器人渗透度指标；最后，利用美国行业层面的工业机器人数据来建立中国企业层面机器人渗透度的工具变量。[1]王永钦,董雯.机器人的兴起如何影响中国劳动力市场?——来自制造业上市公司的证据[J].经济研究,2020,55(10):159-175。[2]王永钦,董雯.人机之间:机器人兴起对中国劳动者收入的影响[J].世界经济,2023,46(07):88-115.国际机器人联合会（IFR）]]></description><category></category></item><item><title><![CDATA[1985-2025年地级市专利申请与获得面板数据+stata代码]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/165834773</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/165834773</guid><author>paperdata666</author><pubDate>Fri, 18 Sep 2026 08:41:25 +0800</pubDate><description><![CDATA[清洗脚本中，上述两式以 Stata 的按行求和（rowtotal）方式实现，等价于对六个分量字段做横向加总，并对分量字段中可能存在的字符串型数值先作类型转换。——该地区当年提交的专利申请总数，等于该地区当年申请的发明数量、当年申请的实用新型数量与当年申请的外观设计数量三者之和。——该地区当年获得授权的专利总数，等于该地区当年获得的发明数量、当年获得的实用新型数量与当年获得的外观设计数量三者之和。表 6　六分量明细节选（仅用于展示格式，部分文字**遮蔽，实际数据为完整值）的六个基础分量为：发明申请量。]]></description><category></category></item><item><title><![CDATA[1985-2024年工商注册信息与专利数据匹配结果]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/165834254</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/165834254</guid><author>paperdata666</author><pubDate>Fri, 18 Sep 2026 08:38:31 +0800</pubDate><description><![CDATA[数据为「专利申请人 ↔工商注册企业」的匹配结果，企业（专利申请人）层面，附省份/城市/区县地理位置以及工商注册的企业类型、行业小类、成立日期、注册资本、实缴资本、统一社会信用代码等标识。以 2020 年为例，单年约 466.7 万条匹配记录。年份、newipzlid、申请人、newgcid、企业名称、成立日期、注册资本、实缴资本、行业小类代码、省份、城市、区县、统一社会信用代码、纳税人识别号、组织机构代码、企业类型。工商注册信息与专利数据匹配结果1985-2024。来源： Paper 数据分析。]]></description><category></category></item><item><title><![CDATA[2011-2024年全国各省份、地市、区县气象气候数据]]></title><link>https://blog.youkuaiyun.com/paperdata666/article/details/165613493</link><guid>https://blog.youkuaiyun.com/paperdata666/article/details/165613493</guid><author>paperdata666</author><pubDate>Wed, 16 Sep 2026 14:52:51 +0800</pubDate><description><![CDATA[它不仅帮助规划者理解城市的微气候，指导合理的城市布局和建筑设计，还为城市绿地规划提供了科学依据，优化了绿地的分布和规模。面对全球气候变暖带来的极端天气挑战，气象数据更是城市规划者制定有效防灾减灾措施的关键。我们整理了全国范围的气象气候数据，旨在助力科研人员评估气候变化，分析极端事件，为城市规划和气候变化适应提供数据支持。Htmpt[最高气温]-当天天气最高气温，单位：℃。Ltmpt[最低气温]-当天天气最低气温，单位：℃。字段： Prvn[所属省份]-城市所属的省份。Date[日期]-天气数据发布的时间。]]></description><category></category></item></channel></rss>