发帖
雷达卡
该文通过手工整理了2011-2017年金融科技相关关键词在各个省份的百度搜索指数，并将其汇总成金融科技指数，以衡量各省小微企业信贷相关的金融科技发展水平。整理方式分为以下步骤：首先，基于商业银行小微企业信贷业务实践，并参考学者沈悦和郭品（2015）以及Jagtiani和Lemieux（2017）的研究成果，结合百度搜索指数的数据可得性，确定了与银行小微企业信贷业务相关且与金融科技相关的主要关键词。这些关键词包括基本技术角度如“大数据、云计算、人工智能、区块链、生物识别”；资金支付角度如“在线支付、移动支付、第三方支付”；金融科技中介服务模式角度如“网贷、网上融资、网络融资、网络小额贷款、网络贷款、网银、网络银行、电子银行、在线银行、开放银行、互联网银行、直销银行”；以及金融科技的直接称呼角度如“互联网金融、金融科技”。
其次，对上述各关键词的百度搜索指数进行采集，并按照技术角度、资金支付角度、中介服务模式角度和直接称呼角度进行汇总。为确保合理权衡各指标的重要性，采用熵值法确定了权重，最终将多个指数合成为综合指数。
最后，综合指数经过熵值法合成后，再除以各省常住人口数，以此来衡量各省小微企业信贷相关的金融科技发展水平。这样的数据整理方式有助于客观评估不同省份金融科技发展的差异，为研究人员和政策制定者提供了有用的参考，推动金融科技在小微企业信贷领域的应用与发展。
一、数据介绍
数据名称：金融科技水平-根据百度指数构建-数据+dofile（2011-2022年）
数据年份：2011-2022年
样本数量：372条
数据格式：面板数据
二、指标说明
共计30个指标：省份、year、金融科技、互联网金融、Fintech、人工智能、大数据、云计算、区块链、生物识别、移动支付、在线支付、第三方支付、网贷、网络贷款、网上贷款、网上银行、电子银行、互联网银行、直销银行、金科_1、金科_2、金科_3、金科_4、金科_5、金科_6、金科_7、金科_8、常住人口、lnpeople
三、数据文件
金融科技指数.dta； 金融科技指数（考虑人口因素）.dta；Fintech.xlsx； 云计算.xlsx； 互联网金融.xlsx； 互联网银行.xlsx； 人工智能.xlsx； 区块链.xlsx； 在线支付.xlsx； 大数据.xlsx； 常住人口面板数据.xlsx； 数据处理dofile.do； 生物识别.xlsx； 电子银行.xlsx； 百度搜索指数.dta； 直销银行.xlsx； 省份.dta； 移动支付.xlsx； 第三方支付.xlsx； 网上贷款.xlsx； 网上银行.xlsx； 网络贷款.xlsx； 网贷.xlsx； 金融科技.xlsx；参考文献-金融科技、最优银行业市场结构与小微企业信贷供给_盛天翔.pdf
注意：是数据处理dofile，不是爬取的
金融科技指数-根据百度指数构建（2011-2022年）.zip
(638.85 KB, 需要: RMB 36 元)
京公网安备 11010802022788号
