使用ZF工作报告中环境词汇出现频数来度量地方环境治理,是目前环境经济学研究中一种非常主流且有效的文本量化方法,在《经济研究》、《管理世界》等高水平期刊中屡见不鲜。接下来,本文将为大家介绍这种方法的逻辑、操作步骤和代码,并提供一份整理好的2003-2026年各省份ZF工作报告中环境词汇出现频数的数据。
此方法不仅可以用于度量环境治理,其他领域指标测度也是“一通百通”,例如协同治理、数字经济关注度、融资平台重视程度等。
1.数据来源与文本处理数据获取:从各省(自治区、直辖市)ZF官网、公报收集整理了2003-2026年31个省级行政区ZF工作报告的文本。其中,部分年份工作报告未公布在网上或者网上版本不全,本文选择从各省《政报》获取,通过PDF转成txt格式,如山西省2004年、西藏自治区2006年等。
文本清洗与分词:使用 Python中jieba库对文本进行分词处理,并进行清洗,去除停用词。其中,停用词是指在自然语言处理中,为提升处理效率与结果精度而被过滤或忽略的常见词语(如中文的“的”、“是”、“在”),本文在此使用的是学界常用的哈工大停用词表(hit_stopwords)。可以比较下原始分词结果和去除停用词后的分词结果!
原始分词结果
去除停用词后分词结果
2.构建环境词汇词典
不同研究的侧重点不同,环境词汇词典也各有不同。除此之外,政策文本具有时代特征,例如,2018年之前应重点关注“减排、治污”,2018年之后应纳入“环保督察、河湖长制”,2020年之后则应加入“碳达峰、碳中和”。为了尽可能涵盖污染防治、生态保护、绿色低碳、环境制度等环境治理相关的各个方面,本文选择的环境词汇详见附件中EXCEL和代码,大家可以根据自己的研究需要补充和修改。
3.指标计算与度量根据分词结果,分别统计各个环境相关词汇出现的频次,而后计算环境相关词汇出现的总频次占工作报告全文总词频的比例,以此来度量环境治理力度。
如是,就处理好了一份各省份ZF工作报告中环境词汇出现频数统计结果,包含省份、年份、各个环境词汇出现频数、环境词汇词频数加总以及报告全文总词频数等信息。
ZF工作报告文本、代码和处理好的环境词汇词频统计结果
(85 Bytes, 需要: RMB 10 元)
链接内压缩包包含了本文使用的2003-2026省级ZF工作报告文本、代码和处理好的环境词汇出现频数统计结果。


雷达卡




京公网安备 11010802022788号







