167 0

[经管数据集] 【2024】地级市人才引进强度数据、城市人才引进强度数据2024-2000年 [推广有奖]

  • 0关注
  • 0粉丝

已卖:4份资源

本科生

32%

还不是VIP/贵宾

-

威望
0
论坛币
0 个
通用积分
0.0028
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
920 点
帖子
36
精华
0
在线时间
38 小时
注册时间
2025-1-31
最后登录
2025-12-5

楼主
学习学习实证 发表于 2025-10-19 10:28:41 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币

测算方式:

参考c刊地方政府的人才引进政策一般 “自上而下” 推广施行, 部分地方政府并未或公开人才引进政策文件, 致使选取人才引进政策的实施信号具有一定主观性①

。同时, 部分地方政府制定引进人才层级的认定标准具有一定模糊性, 难以从全国层面客观衡量各城市的人才引进强度②。地方政府工作报告涵盖了过去人才引进政策的评价和成效, 以及今后人才引进政策出台的方向和力度。由于政府工作报告从编撰到公布具有严格的程序, 其内含的政府决策信息显著干预了城市未来一年具体的政策与战略倾向。因此, 依据政府工作报告提取关于人才引进的相关词汇能够侧面表征地方政府执行人才引进政策的强度。同时, 选取关键词的方式可进一步克服传统双重差分模型不能表征引进强度的弊端, 一定程度上能够避免内生性问题。鉴于此, 本文参考李磊和王天宇 (2023)  以及毛丰付和郑芳  的处理方式, 以政府工作报告中的关键词次数为依据构建测量指标, 避免因主观偏好导致选取政策实施城市不一致的问题。基于各地方政府发布的具体人才政策, 本文首先使用 Python 调取 Jieba 库进行文本分词处理, 提取各地方政府工作报告总词数与高频词汇。其次, 参考现有学者构建的 “人才关注度” 关键词频进行完善和补充(孙锐和孙雨洁, 2021) [32], 最终从政策倾向、 引进类型、 引进服务与引进方式层面设定关键词。同时, 程度副词或情感词的强度暗含了地方政府实施人才引进政策的决心与力度。在处理人才引进关键词过程中, 已有学者较少考虑到政府工作报告中涉及的强调性词汇。本文参考张同斌和王蕾(2024) [33] 的处理方法, 以中国知网 HowNet 情感词典中的程度词语为依据, 对本文设定的关键词前后 30 个字符进行检索, 并依据关键词前后出现不同程度的强调性词汇进行赋权, 具体强调性词汇如表 1 所示。考虑到政府工作报告的篇幅影响实证结果, 本文将加权关键词数与工作报告总词数相除, 获得各城市历年的人才引进强度。


资料范围:300个地级市,5700个样本,具体指标为 省份   城市   年份   总词数 政策倾向   引进类型   引进服务   引进方式   加权关键词数  人才引进强度


1.jpg


参考文献:

陈曦,吴英巨,朱建华.新质生产力视角下地方人才引进与全要素生产率[J].经济管理,2024,46(12):104-120.DOI:10.19616/j.cnki.bmj.2024.12.006.


2024-2000年地级市人才引进强度数据.zip (257.41 KB, 需要: RMB 29 元)

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:人才引进 地级市 政府工作报告 双重差分模型 python

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
jg-xs1
拉您进交流群
GMT+8, 2025-12-5 22:51