


核心就是地级市层面的 5G 示范城市双重差分(DID)数据,时间跨度从 2014 年到 2025 年,把 5G 试点的全阶段都覆盖到了:从 2018 年批的 “5+12” 试点,到 2019 年正式实施扩到 40 个城市,再到 2024 年 3 月人民网更新的 100 + 个 “5G-A” 城市,所有名单都不用自己扒!
变量给得巨贴心,完全不用瞎猜定义:
基础信息:省份、省份代码、市名、市级代码、年份,面板数据的底子直接有
关键处理变量 Treat:1 = 该城市在 5G 试点名单上,0 = 不在,一眼分清实验组对照组
时间变量 Post_2019/Post_2024:2019 年及之后 Post_2019=1(对应首次正式实施),2024 年及之后 Post_2024=1(对应 5G-A 更新),精准卡政策节点
交互项直接算好:Treat_Post_2019(Treat×Post_2019)、Treat_Post_2024(Treat×Post_2024),甚至还有综合项 Treat_Post—— 只要前两个交互项有一个是 1,它就为 1!比如上海 2025 年 Treat_Post=1,就是说那年上海是 5G 城市,直接代入模型超省事儿~
?数据来源 + 价值?这波稳了!
来源超靠谱
不是瞎凑的数据!参考的是微信公众号「国事直通车」、「观察者网」的公开信息,最后由数据皮皮侠团队统一整理成 Excel 格式 —— 下载直接导 Stata/Excel,不用自己转格式、补缺失值,省了至少 3 天数据清洗时间!
价值直接戳实证党痛点
做 5G 相关研究的宝子都懂,手动搜试点名单、核对每年城市是否在列、算交互项有多麻烦… 这个数据直接把 “变量定义 + 阶段划分 + 核心交互项” 全弄好,博士生写论文、青年老师做课题都能直接用,不用重复造轮子!
#一二线城市 #论文 #学术 #期刊 #数据 #数字化 #高密度城市 #数据可视化 #信息化时代 #数字化发展
变量给得巨贴心,完全不用瞎猜定义:
基础信息:省份、省份代码、市名、市级代码、年份,面板数据的底子直接有
关键处理变量 Treat:1 = 该城市在 5G 试点名单上,0 = 不在,一眼分清实验组对照组
时间变量 Post_2019/Post_2024:2019 年及之后 Post_2019=1(对应首次正式实施),2024 年及之后 Post_2024=1(对应 5G-A 更新),精准卡政策节点
交互项直接算好:Treat_Post_2019(Treat×Post_2019)、Treat_Post_2024(Treat×Post_2024),甚至还有综合项 Treat_Post—— 只要前两个交互项有一个是 1,它就为 1!比如上海 2025 年 Treat_Post=1,就是说那年上海是 5G 城市,直接代入模型超省事儿~
?数据来源 + 价值?这波稳了!
来源超靠谱
不是瞎凑的数据!参考的是微信公众号「国事直通车」、「观察者网」的公开信息,最后由数据皮皮侠团队统一整理成 Excel 格式 —— 下载直接导 Stata/Excel,不用自己转格式、补缺失值,省了至少 3 天数据清洗时间!
价值直接戳实证党痛点
做 5G 相关研究的宝子都懂,手动搜试点名单、核对每年城市是否在列、算交互项有多麻烦… 这个数据直接把 “变量定义 + 阶段划分 + 核心交互项” 全弄好,博士生写论文、青年老师做课题都能直接用,不用重复造轮子!
#一二线城市 #论文 #学术 #期刊 #数据 #数字化 #高密度城市 #数据可视化 #信息化时代 #数字化发展


