一、数据简介
--------------------------------------------------------------------------------
本数据集用于衡量各城市政府对污染转移问题的重视程度，并将市级指标匹配到
A股上市公司层面。通过分析各地级市政府工作报告中污染转移相关关键词的出现
情况，构建了"污染转移重视度"指标。


数据来源：
1. 各地级市政府工作报告词频统计数据
2. 上市公司行业与地区信息数据
3. 上市公司基本信息数据（含公司详细信息、多级行业分类等）


时间范围：2003年 - 2024年
空间范围：中国各地级市







二、核心指标说明
--------------------------------------------------------------------------------
【指标1】污染转移重视度attention（虚拟变量）

【计算公式】
污染转移重视度attention = 1如果 污染转移关键词总词频 > 0
污染转移重视度attention = 0如果 污染转移关键词总词频 = 0

【指标含义】
该指标为0-1虚拟变量，取值为1表示该城市当年政府工作报告中出现了污染转移
相关关键词，说明地方政府对污染转移问题有所关注；取值为0则表示未提及。


--------------------------------------------------------------------------

【指标2】污染转移关键词总词频（连续变量）

【计算公式】
污染转移关键词总词频 = 污染转移相关关键词出现次数的总和

【关键词范围】
包括从"污染转移"到"异地排放"之间的所有污染转移相关关键词。

【指标含义】
该指标为连续变量，数值越大表明该城市政府对污染转移问题的关注程度越高。








三、数据描述性统计
--------------------------------------------------------------------------------
根据数据质量评估报告，上市公司层面数据的描述性统计如下：


【污染转移关键词总词频】
- 样本量（Obs）：58,706
- 均值（Mean）：0.0392
- 标准差（Std. Dev.）：0.2325
- 最小值（Min）：0
- 最大值（Max）：3
- 中位数（P50）：0
- 25%分位数（P25）：0
- 75%分位数（P75）：0
- 99%分位数（P99）：1
- 偏度（Skewness）：6.59
- 峰度（Kurtosis）：49.87


【污染转移重视度attention】
- 样本量（Obs）：58,706
- 均值（Mean）：0.0312（即约3.12%的观测值为1）
- 标准差（Std. Dev.）：0.1739
- 最小值（Min）：0
- 最大值（Max）：1


【数据特征说明】
- 大部分城市的政府工作报告中未提及污染转移相关关键词
- 指标呈现明显的右偏分布
- 约96.88%的观测值污染转移重视度为0




四、数据文件说明
--------------------------------------------------------------------------------
本数据包包含以下文件：


【原始数据文件】
1. 污染转移词频原始数据.dta
- 内容：各地级市历年政府工作报告中污染转移相关关键词的词频统计
- 变量：文件名（含城市和年份信息）、各污染转移关键词词频


2. 城市编码.dta
- 内容：城市名称与标准城市代码的对照表
- 用途：用于城市名称标准化和匹配


3. 上市公司行业与地区信息数据.dta
- 内容：A股上市公司的基本信息和所属地区
- 变量：证券代码、证券简称、所属城市、所属城市代码、行业代码等


4. 行业代码/上市公司基本信息数据.dta
- 内容：上市公司的详细基本信息
- 变量：公司名称、上市日期、多级行业分类、经营范围、注册资本等


【计算结果文件】
1. 计算结果未剔除未缩尾版本（市级）.dta / .xlsx
- 内容：市级污染转移重视度数据
- 观测单位：城市-年份
- 主要变量：
· 城市：城市名称
· 城市编码：标准城市代码
· 年份：数据年份（2003-2024）
· 污染转移重视度attention：虚拟变量（0/1）
· 污染转移关键词总词频：关键词出现次数合计


2. 计算结果未剔除未缩尾版本（匹配上市公司）.dta / .xlsx
- 内容：上市公司层面的污染转移重视度数据
- 观测单位：公司-年份
- 样本量：58,706条记录
- 主要变量：
· 证券代码：上市公司证券代码
· 证券简称：上市公司证券简称
· 公司名称：上市公司全称
· 公司中文简称：公司中文简称
· 公司英文名称：公司英文全称
· 所属城市：公司注册所在城市
· 所属城市代码：城市标准代码
· 年份：数据年份（2003-2024）
· 污染转移重视度attention：虚拟变量（0/1）
· 污染转移关键词总词频：关键词出现次数合计
· 行业代码/行业名称：证监会行业分类代码及名称
· 行业代码A-D/行业名称A-D：多级行业分类
· 上市日期：公司上市日期
· 股票类型：A股/B股等
· ABH股交叉码：交叉上市代码
· 成立日期：公司成立日期
· 退市日期：退市日期（如适用）
· 注册资本：公司注册资本
· 经营范围：公司经营范围描述
· 公司沿革：公司发展历史沿革


【代码文件】
1. 上市公司污染转移重视度计算代码.do
- Stata版本计算代码


2. 上市公司污染转移重视度计算代码.py
- Python版本计算代码


3. 上市公司污染转移重视度评估代码.do
- Stata版本数据质量评估代码


4. 上市公司污染转移重视度评估代码.py
- Python版本数据质量评估代码


【评估报告】
数据质量评估报告_YYYYMMDD/
- 数据分布分析/：描述性统计、频率分布、缺失值统计
- 分布图/：直方图、箱线图、核密度图、时间趋势图
- 异常值检验/：IQR法、Z-score法异常值检测结果
- 逻辑合理性验证/：时间序列连续性、指标范围检验
- 稳健性测试/：不同样本期、不同处理方式对比







五、变量详细说明（上市公司版本）
--------------------------------------------------------------------------------
变量名称 变量类型 变量说明
--------------------------------------------------------------------------
证券代码 字符串 6位数字的股票代码
证券简称 字符串 上市公司股票简称
公司名称 字符串 上市公司注册全称
公司中文简称 字符串 公司中文简称
公司英文名称 字符串 公司英文注册名称
所属城市 字符串 公司注册所在城市
所属城市代码 数值 城市标准代码
年份 数值 数据年份（2003-2024）
污染转移重视度attention 数值 虚拟变量，0或1
污染转移关键词总词频 数值 污染转移关键词出现次数合计
行业代码 字符串 证监会行业分类代码
行业名称 字符串 证监会行业分类名称
行业代码A/行业名称A 字符串 一级行业分类
行业代码B/行业名称B 字符串 二级行业分类
行业代码C/行业名称C 字符串 三级行业分类
行业代码D/行业名称D 字符串 四级行业分类
上市日期 日期 股票上市日期
股票类型 字符串 A股/B股等类型标识
ABH股交叉码 字符串 交叉上市股票代码
成立日期 日期 公司成立日期
退市日期 日期 退市日期（如适用）
注册资本 数值 公司注册资本（万元）
经营范围 字符串 公司经营范围描述
公司沿革 字符串 公司发展历史沿革







六、数据处理说明
--------------------------------------------------------------------------------
【数据生成流程】
1. 从原始词频数据中提取城市和年份信息
- 文件名格式："YYYY城市名,..."
- 提取年份：文件名最后4位数字
- 提取城市：文件名除年份外的部分

2. 计算市级污染转移指标
- 汇总各污染转移关键词词频
- 生成虚拟变量（词频>0则为1）

3. 匹配城市编码
- 将城市名称与标准城市代码进行匹配

4. 匹配上市公司数据
- 根据上市公司所属城市代码和年份进行匹配
- 匹配条件：年份 + 所属城市代码

5. 完善上市公司基本信息
- 进一步匹配上市公司基本信息数据


【数据筛选标准】
1. 保留2003年及以后的数据
2. 剔除未能成功匹配市级数据的公司记录
3. 保留所有A股上市公司


【特别说明】
- 数据文件名标注"未剔除未缩尾版本"，表示该数据未经过异常值剔除和缩尾处理
- 研究者可根据需要自行进行数据清洗和缩尾处理