Advertisement

1984年各城市数字金融工具变量：固定电话与邮局数量

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

简介：
本文研究1984年中国各城市的固定电话和邮局数量作为数字金融的早期指标，采用工具变量法分析其对经济发展的影响。 时间维度为2014年至2020年，以及固定的时间点1984年的数据包括各城市中的固定电话数量和邮局数量。此外，在同一时间段内还涉及到了数字金融工具的变量分析，并且考虑了上一年全国互联网用户的统计数据（单位：万人），具体覆盖时间为2013年至2019年。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 1984年各城市数字金融工具变量：固定电话与邮局数量
    优质
    本文研究1984年中国各城市的固定电话和邮局数量作为数字金融的早期指标，采用工具变量法分析其对经济发展的影响。 时间维度为2014年至2020年，以及固定的时间点1984年的数据包括各城市中的固定电话数量和邮局数量。此外，在同一时间段内还涉及到了数字金融工具的变量分析，并且考虑了上一年全国互联网用户的统计数据（单位：万人），具体覆盖时间为2013年至2019年。
  • 1984年邮政局数量及固定电话数量.xlsx
    优质
    该Excel文件包含1984年中国邮政局的数量及其分布详情，以及同年全国各地区的固定电话安装情况的数据统计。 在数字经济领域的研究中，固定电话数量和邮局数量曾被广泛用作工具变量。然而，随着互联网技术的迅速发展及信息技术的不断变革，这些传统通信手段对制造业企业生产率的影响正在逐渐消失。目前来看，固定电话与邮局的数量已难以对企业层面的实际产出产生显著影响。因此，在控制其他相关因素后，选取历史上固定电话数量和邮局数量作为工具变量在一定程度上满足了排他性要求。
  • 工具变量：1984年邮局数量、邮电业务量及固定电话数减去互联网用户数加信息技术服务
    优质
    本研究运用1984年的邮局数量和邮电业务数据作为工具变量，分析了固定电话普及率与互联网用户减少以及信息技术服务业增长之间的关系。 各地区1984年每万人电话数与上一年全国互联网用户数量的交互项作为工具变量（IV），替代数字经济使用两阶段最小二乘估计（2SLS）解决内生性问题。
  • 互联网发展指标的工具变量：1984年的百万人邮局数量与每百人的固定电话数量
    优质
    本文探讨了使用1984年每百万人口中邮局的数量和早期固定电话普及率作为互联网发展的工具变量，分析其对当前互联网影响的效果及机制。 本段落参考黄群慧（2019）的研究，收集了31个省的互联网发展指数工具变量数据，即通过1984年的百万人邮局数和每百人固定电话数构建的互联网发展指数工具变量。由于缺乏互联网投资额的数据，借鉴孙伟增（2021）的方法，使用全国信息技术服务收入来替代互联网投资额进行计算。同时收集了2010年至2020年间的互联网用户数量指标。
  • 数字经济的工具变量：1984年邮局电话机数量与互联网用户数（时间序列）
    优质
    本文探讨了使用1984年的邮局电话机数量作为工具变量来分析其后互联网用户增长的时间序列数据，探究两者间的因果关系。 根据黄慧群等人文章的参考，数字经济的工具变量可以通过以下两个数据来构造：1984年的邮局或电话机数量（这是一个截面数据）；以及互联网用户数（这是一个时间序列数据）。将这两个数据相乘后可以得到一个面板数据，即为用于分析的数字经济工具变量。大家可以根据需要自行选取这些数据进行研究。
  • GE新至2022：助力数字经济的实用工具变量！涵盖地级市及省级，1984年的固定电话与邮局数据
    优质
    GE新至2022提供实用工具变量，支持中国各省市数字经济发展研究。包含详尽的地级市及省级1984年固定电话与邮局统计数据，助力深入分析和洞察。 更新至2022年：数字经济常用工具变量！包括1984年起的地级市固定电话数量、邮局数量、邮电业务总量及年末总人口数据，并计算了每百人拥有固定电话数和每百人拥有的邮局数量，涵盖全国所有31个省份的296个地级市，无缺失值。附赠各地市级层面交乘项（即10-22年*上一年全国互联网用户数）及省级层面交乘项（即11-20年*上一年全国信息技术服务收入），可以直接使用。 参考文献：赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10):65-76.
  • 2011-2021年上市公司数字金融指数匹配数据（“第四期”基于城市的数字普惠金融与上市公司匹配）.zip
    优质
    这份资料包含了从2011年至2021年间中国上市公司在数字金融领域的详细指数，特别聚焦于城市层面的数字普惠金融发展，并进行了深入的数据匹配研究。 2011-2021年“第四期”数字普惠金融与上市公司匹配（根据城市匹配） 时间：2011-2021年 指标： - 股票代码 - 年份 - 行政区划代码 - 行业名称 - 行业代码 - 所属省份 - 所属城市 - 数字普惠金融指数（包括覆盖广度、使用深度和数字化程度） 样本量：34468 来源：北京大学数字普惠金融指数（第四期） 参考文献： 郭峰, 王靖一, 王芳, 孔涛, 张勋, 程志云. 测度中国数字普惠金融发展: 指数编制与空间特征[J]. 经济学(季刊), 2020, 19(04): 1401-1418. 格式：dta和excel两种格式
  • 2011-2021年间数字普惠金融指数分析及Bartik工具变量法应用（附原始数据与代码）
    优质
    本研究通过分析2011至2021年间的中国数字普惠金融发展状况，并采用Bartik工具变量法，评估其经济影响。包含详尽的数据集和代码供学术探讨。 时间范围：2011-2020年（省级、城市），2014-2020年（区县） 原始数据来源：北京大学金融研究中心 指标： - year（年度） - county（地区名称） - county_code（地区代码） - index_aggregate（综合指数） - coverage_breadth（覆盖面广度） - usage_depth（使用深度） - payment（支付手段） - insurance（保险服务） - monetary_fund（货币基金服务） - investment（投资服务） - credit（信贷服务） - credit_investigation（信用调查服务） - digitization_level（数字化水平） Bartik工具变量和代码： - bartik_index_aggregate - bartik_coverage_breadth - bartik_usage_depth - bartik_payment - bartik_insurance - bartik_monetary_fund - bartik_investment - bartik_credit - bartik_credit_investigation - bartik_digitization_level 数据内容：涵盖了省级行政区、城市和区县三个层次的数字普惠金融指数及其各个子指标原始数据，以及根据这些原始数据计算得出的Bartik工具变量和代码。