2487 地级市人工智能创新控制变量(2000-2024)
| 数据来源 | 由数据皮皮侠团队进行人工整理和核对,全部内容真实有效。 |
| 时间跨度 | 2000—2024年。 |
| 区域跨度 | 298个地级市地级市及以上城市(包含直辖市、省会城市及普通地级市) |
| 数据格式 | Excel |
本数据为中国地级市层面的人工智能创新及区域宏观经济社会发展的核心控制变量测度数据。为了更准确地识别试点政策对地区的影响,本文对如下可能影响人工智能创新的变量进行控制:经济发展水平(AGDP),使用城市人均GDP的自然对数予以控制;财政收入水平(Fiscal),采用对数化处理后的城市财政收入衡量;产业结构升级(Structure),采用第三产业增加值与第二产业增加值之比进行衡量;金融发展水平(Finance),采用对数化处理后的城市年末金融机构贷款余额衡量;工业发展基础(Firmnum),采用对数化处理后的规模以上工业企业数量衡量;人力资本水平(Human),采用普通高等学校在校学生人数与城市人口之比进行衡量;科教资源水平(Education),采用对数化处理后的城市普通高等学校数量衡量。
本数据可用于开展以下多维度研究。一是可用于控制城市宏观经济、财政金融、产业结构及科教资源等基础条件,评估人工智能创新对区域经济增长、全要素生产率提升等宏观经济社会发展的影响效应。二是可用于分析人工智能创新对微观企业行为、劳动力就业结构及居民收入等经济主体福利的赋能作用。三是可用于考察人工智能创新通过推动产业结构升级、优化资源配置等渠道产生间接影响的机制检验。四是可用于探究人工智能创新效应的资本禀赋异质性、产业基础异质性、地理区位异质性等差异化规律。
鉴于数据的可获得性以及部分地级市统计年鉴披露的滞后性,本数据存在部分年份或地区的数值缺失。具体表现为:2000-2002年部分地级市的财政、金融和规上企业数据因早期统计口径不全或未披露而缺失;2022-2024年部分地级市的“规模以上工业企业数量”因国家统计口径调整(规上企业起点标准变化及部分企业退库)和年度数据尚未完全公布而存在缺失;同时,部分城市由于行政区域调整、人口普查数据衔接(如2020年)或高校合并/更名,导致个别年份的人口、高校数量及在校学生数出现空白。为保持数据的原始真实性与科学性,上述缺失值均以空白形式保留,未进行人为插补,研究者在使用时可根据自身模型需要进行相应剔除或插补处理。
| 原始指标名称 | 变量符号 | 计算方法与说明 |
| 城市 | City | 地级市名称 |
| 年份 | Year | 数据所属年份(2000-2024) |
| 人均GDP(元) | AGDP | 区域人均国内生产总值 |
| AGDP_ln人均GDP | AGDP_ln | 人均GDP的自然对数 |
| 财政收入(万元) | Fiscal | 地方一般公共预算收入 |
| Fiscal_ln财政收入 | Fiscal_ln | 财政收入的自然对数 |
| 年末金融机构贷款余额(万元) | Finance | 金融机构本外币各项贷款余额 |
| Finance_ln贷款余额 | Finance_ln | 贷款余额的自然对数 |
| 规模以上工业企业数(个) | Firmnum | 年主营业务收入达到规定标准的工业企业数量 |
| Firmnum_ln规上企业数 | Firmnum_ln | 规上企业数的自然对数 |
| 普通及职业高校在校学生数(人) | Human | 高等学校(含普通及职业)在校生总数 |
| 普通及职业高校数量(所) | Education | 城市拥有的普通及职业高等学校总数 |
| Education_ln高校数量 | Education_ln | 高校数量的自然对数 |
| 年末户籍人口(万人) | Pop | 城市年末户籍总人口 |
| Human_在校学生占总人口比 | Human | 人力资本水平:在校学生数 / 户籍人口 |
| Structure_第三产业/第二产业增加值 | Structure | 产业结构升级:第三产业增加值 / 第二产业增加值 |