本数据基于地级市政府工作报告文本数据,运用TF-IDF加权词频法计算
融资问题重视度(Emph_D)与行动力(Action_D)指标。这两个指标分别反映
地方政府对融资问题的关注程度和采取行动的力度。
二、核心指标及计算方法
【计算方法】TF-IDF加权词频法
【计算公式】
TF-IDF = [(1 + log(词频)) / (1 + log(文档总字数))] × log(N/df)
其中:N = 语料库文档总数(5844个)
df = 包含该词的文档数
【指标一】融资问题重视度(Emph_D)
基于"缓解企业融资"到"融资额"等重视度词汇组计算
【指标二】融资问题行动力(Action_D)
基于"引导金融机构"到"金融科技"等行动力词汇组计算
三、数据范围
【时间跨度】2003年 - 2024年
【地域范围】中国地级市层面
【数据来源】地级市政府工作报告
四、变量说明
序号 变量名称 变量类型 说明
1 城市 字符型 地级市名称
2 城市编码 数值型 城市唯一标识码
3 年份 数值型 数据年份(2003-2024)
4 融资问题重视度Emph_D 数值型 核心指标,TF-IDF加权值
5 融资问题行动力Action_D 数值型 核心指标,TF-IDF加权值
五、参考文献
《官员企业经历能降低公司债务融资成本吗?》
六、文件清单
文件名称 说明
融资问题重视度与行动力(市级).dta 计算结果(Stata格式)
融资问题重视度与行动力(市级).xlsx 计算结果(Excel格式)
市级政府工作报告词频数据.dta 原始数据(Stata格式)
市级政府工作报告词频数据.xlsx 原始数据(Excel格式)
城市编码数据.dta 城市编码匹配表
市级融资问题重视度与行动力数据计算代码.do Stata计算代码
市级融资问题重视度与行动力数据计算代码.py Python计算代码
市级融资问题重视度与行动力数据评估代码.do Stata评估代码
市级融资问题重视度与行动力数据评估代码.py Python评估代码
市级融资问题重视度与行动力数据2003-2024年.zip
(2.45 MB, 需要: RMB 32 元)


雷达卡



京公网安备 11010802022788号







