Advertisement

中国全球投资数据（2005-2023年）追踪报告。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
1、本资源的内容可查阅于：博客园文章详情页（ 2、数据呈现出诸多显著特性：它属于最新发布，经过手工的细致整理与编纂，用户可放心进行引用。数据来源于可靠的权威渠道，并且明确标示了《数据来源》，相较于其他同类数据集，其控制变量的准确性更为可信，特别适合用于学术论文的实证研究，从而有效避免了数据造假的可能性。 3、本资源的使用对象广泛，包括大学生、本科生以及研究生等初学者，操作起来非常简便易上手！ 4、本课程所引用的学科领域涵盖经济学、地理学、城市规划与城市研究、公共政策与管理以及社会学和商业管理等多个方面。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 2005-2023年中国全球投资数据追踪
    优质
    该报告详尽记录并分析了中国自2005年至2023年期间在全球范围内的投资动态与趋势，涵盖各主要经济体的投资流向、行业分布及政策影响。 《中国全球投资追踪》是一份关于中国在全球范围内投资活动的综合报告。该报告主要通过收集和分析各种数据，提供有关中国海外投资的趋势、规模、主要领域和地区的信息。这份报告是政策制定者、学者、企业和公众理解中国在全球经济中角色的重要资源。通过对这些数据进行分析，可以更好地了解中国的全球战略和经济目标。 相关数据显示包括以下字段：年份（Year）、月份（Month）、投资者名称（Investor）、投资金额（以百万计）（Quantity in Millions）、股份比例（Share Size）、交易方信息（Transaction Party）、行业分类（Sector及Subsector、所在国家/地区（Country及其所属大洲Region），是否涉及“一带一路”倡议项目(BRI)以及绿地投资项目(Greenfield)。
  • 2005-2020年中国全球投资数据追踪
    优质
    本报告详尽记录并分析了中国自2005年至2020年在全球范围内的直接投资动态，涵盖各主要经济体的投资流量与存量变化。 2005-2020年中国全球投资追踪数据显示了中国在这段时间内的对外投资情况。
  • 中国全国及各省全社会固定资产投资数据（1982-2023年）.xlsx
    优质
    该Excel文件收录了自1982年至2023年中国全国及各省份的社会固定资产投资年度数据，涵盖房地产、基础设施等多个领域。 年份：1982-2023年（自2018年起的数据为比上年增长情况计算得出） 格式：EXCEL表格面板数据 缺失： 南省：1982-1987年（海南省于1988年设立） 重庆市：1982-1996年（重庆在1997年成为直辖市） 不分地区：自2018年起无数据提供 省份包括： 全国,北京,天津,河北,山西,内蒙古,辽宁,吉林,黑龙江,上海,江苏,浙江,安徽,福建,江西,山东,河南,湖北,湖南,广东,广西,海南，重庆，四川，贵州，云南，陕西，甘肃，青海，宁夏，新疆，“不分地区”
  • 2023年全球碳中和研究报告.pdf
    优质
    本报告深入分析了2023年全球碳排放趋势与减排措施，探讨主要经济体的碳中和路径及面临的挑战，并提出可行建议。 2023全球碳中和研究报告分析了当前全球在实现碳中和目标方面所面临的挑战与机遇，并提出了相应的策略建议。报告涵盖了不同国家和地区在减排技术、政策制定以及国际合作等方面的最新进展，旨在为政府机构、企业和社会各界提供参考依据，共同推动可持续发展目标的实现。
  • 全球各国面板数据（1960-2023年）
    优质
    本数据库收录了自1960年至2023年的全球各国面板数据，涵盖经济、社会与政治等多方面指标，为学术研究和政策分析提供详实的数据支持。 世界各国面板数据（1960-2023年）
  • 2016年中国家庭追踪调查数据库
    优质
    2016年中国家庭追踪调查数据库是中国特色社会科学数据中心提供的大型数据资源，涵盖了全国范围内的家庭和个人信息，为学术研究提供了详实的数据支持。 中国家庭追踪调查（China Family Panel Studies, CFPS）旨在通过收集个体、家庭及社区层面的数据来反映中国的社会变迁、经济发展、人口变化、教育进步以及健康状况，并为学术研究与公共政策分析提供坚实的数据支持。CFPS主要关注居民的经济和非经济福利，涵盖如劳动参与情况、学业成就、人际关系与发展动态、人口流动性和健康管理等多个主题领域，是一项全面且大规模的社会跟踪调查项目。 该项目样本覆盖25个省份和地区，目标规模为16000户家庭，并包括这些家中的所有成员。CFPS于2008年和2009年在北京、上海及广东进行了初步访问与后续追踪的试点调研工作，并自2010年起正式开始实施调查活动。 根据2010年的基线调查，被认定的所有核心家庭及其后代将作为永久性跟踪对象。CFPS使用的问卷分为社区、家庭、成人和少儿四种主要类型，在此基础上还开发了适用于不同类型受访者的长问卷、短问卷等多样化形式的补充版本。 该研究项目由北京大学中国社会科学调查中心负责执行，并采用计算机辅助访问技术以满足多样化的设计需求，提高数据采集效率并确保高质量的数据输出。该项目的资金支持来自于北京大学985工程计划的支持。
  • 2023年全球地震数据集
    优质
    2023年全球地震数据集收录了当年世界各地发生的地震详细记录，包括时间、地点、震级等信息，为科研和灾害预警提供重要参考。 数据集“2023 年全球地震”提供了关于 2023 年全球地震的重要信息。该数据集中包含了时间、位置（纬度和经度）、深度、震级以及震级类型等参数。 - 时间：记录了地震事件发生的时间戳。 - 纬度：表示南北方向的位置坐标。 - 经度：标识东西方向的地理位置。 - 深度：以公里为单位，显示地震发生的深度。 - Mag（震级）：反映地震强度的数据值。 - MagType（幅度测量类型）：描述了用于确定Mag的具体方法或标准。 - Nst（台站数）：指参与报告此次地震的监测站点数量。 - Gap（间隔角度）：表示不同观测点之间覆盖的角度差，影响震级计算准确性的一个因素。 - Dmin（最小距离）：指的是最近一个记录此地震事件的监测站与震中之间的最短直线距离。 - Rms（均方根误差）：是用于衡量所有在给定时间段内从特定位置接收到的数据的一致性的统计量，它可以帮助评估测量结果的质量和可靠性。 - 网络：指提供这些数据资料的具体网络机构或组织名称。 - Id（事件标识符）：每个地震记录都有一个独一无二的编号以供识别。 - 更新时间戳：表明该条目最近一次被修改的时间点。 - 地点描述：提供了关于震中位置的文字说明，便于定位和理解背景信息。 - 类型：分类指示了此次事件属于哪种类型（例如“地震”）。 - 横向误差与深度误差：表示地理位置确定及地震发生深度的不确定性范围。 - 震级测量中的可能偏差也被记录下来，并且还提供了用于计算震级时所依据的数据点数量信息。 - 状态字段则表明了该条目目前的状态或审核情况（例如“已验证”）。 此外，数据集还包括有关地震位置来源和震级报告源的信息。
  • 中国能源大数据报告(2023).pdf
    优质
    《中国能源大数据报告(2023)》全面解析了过去一年我国能源行业的数据趋势和关键指标，深入探讨了新能源发展、节能减排等热点话题。 第一章 能源发展综述 一、宏观经济形势 （一）2022年国民经济保持增长态势，国内生产总值同比增长3.0%。 （二）产业发展水平提升，新产业新业态新模式快速发展。 （三）固定资产投资稳步增加，高技术产业投资表现良好。 二、能源生产及供应 （一）能源生产持续增长，保供成效显著。 （二）煤炭增产保供取得明显成果。 （三）能源进口量有所下降。 三、能源消费 （一）能源消费需求增幅收窄。 （二）能源消费结构向清洁低碳方向加快转变。 四、能源投资 （一）国内投资情况良好。 （二）涉外投资稳步进行。 五、节能降碳 （一）能源利用效率不断提升。 （二）万元国内生产总值二氧化碳排放持续下降。 （三）能源消费弹性系数上升。 （四）碳市场建设不断完善。 六、能源政策 （一）《十四五现代能源体系规划》发布 （二）《能源碳达峰碳中和标准化提升行动计划》出台 （三）《关于完善能源绿色低碳转型体制机制和政策措施的意见》印发 （四）能耗双控制度进一步优化。 （五）有序推进全国统一能源市场建设。 第二章 煤炭行业发展 煤炭供需情况： （一）原煤产量同比增长10.5%，创历史新高。 （二）煤炭生产布局持续优化。
  • 2023年全球生成式AI产业发展报告-中国互联网协会.pdf
    优质
    本报告由中國互聯網協會編制，全面分析了2023年全球生成式人工智能產業的發展趨勢、技術進展和市場應用，特別聚焦于中國市場的獨特現象與挑戰。 【生成式AI产业概况】 生成式人工智能是当前最热门的人工智能领域之一，它利用机器学习模型自动生成文本、图像、音频等各种类型的数据。2022年发布的ChatGPT是一个重要的里程碑，在短短两个月内达到了1亿月活跃用户，这体现了生成式AI的巨大潜力和市场需求。全球各大科技公司纷纷加大研发投入，以推动技术创新和商业化应用。 【生成式AI基础设施】 生成式AI的基础设施主要包括高性能计算平台、大规模数据集和高效的算法模型。高性能计算平台是运行复杂模型的基础，如GPU集群和云计算服务，它们能够处理海量数据并加速训练过程。大规模数据集是训练高质量生成模型的关键，这些数据集通常包含各种类型和来源的信息，用于模型学习语言和其他模式的规律。此外，优化算法也是基础设施的一部分，例如Transformer架构显著提升了自然语言处理任务中的表现。 【生成式AI算法模型】 深度学习算法模型构成了生成式AI的核心部分，包括但不限于Transformer、GPT系列以及BERT等。这些模型通过自我监督或强化学习方法从大量数据中获取模式，并能够生成新的类似的数据。ChatGPT就是基于Transformer架构的预训练语言模型，在对话理解和生产方面表现出色，开创了新的应用场景。 【生成式AI场景应用】 生成式AI的应用范围广泛： 1. 自然语言处理：智能客服、机器翻译、文本摘要和情感分析等。 2. 内容创作：自动写稿、歌词生成及剧本创作等。 3. 图像生成：艺术作品创作，图像合成以及虚拟现实内容制作等。 4. 音频生成：音乐创造，语音合成与音频剪辑等。 【生成式AI机遇与挑战】 尽管面临巨大的商业机会，如提高工作效率和降低创作门槛，推动内容生产创新。但同时也要面对一系列挑战： 1. 法律及伦理问题：包括版权侵权、隐私保护以及数据安全。 2. 技术成熟度：虽然取得显著进步但仍需提升模型的准确性和稳定性。 3. 社会影响：可能影响传统行业的就业情况，需要适应性政策和培训支持。 4. 用户接受度：尽管ChatGPT等应用程序受到欢迎但长期用户习惯培养与信任建立仍需时间。 【总结】 生成式AI作为语言技术发展的最新阶段正在以前所未有的速度改变人类的生产和生活方式。从科研到商业、教育乃至娱乐，其影响无处不在。为了把握这一技术的巨大潜力，政府、行业领导者以及公众需要深入了解生成式AI的发展现状及趋势，并制定相应的策略和措施推动该领域健康发展同时应对可能出现的社会经济挑战。随着技术的进步，生成式AI将在未来的各个领域发挥更大的作用持续推动人类社会的创新与进步。