免费资源 第17页

全国30个省份政府干预程度数据2000-2017

包含：地区，编码，年份，财政收入，财政支出，政府干预程度

跨度：2013年6月-2020年11月（花旗共享单车）、2013-2020年11月（Divvy共享单车）

区域范围：数据附经纬度

指标说明（1）纽约花旗共享单车轨迹数据

花旗自行车是纽约市首位的自行车共享计划，拥有12000辆自行车和750个车站

使用者可以使用花旗自行车1天或3天通行证租赁自行车。该项目除了设计用来方便短途旅行，也是一个四处闲逛时有趣并且较为划算的选择方式。使用者可以在节省时间和享受乐趣的同时游览整个城市的景点。该项目于2013年5月正式运行，虽历经波折，如今仍正常运行、魅力不减。

数据指标：骑行时间，开始时间，结束时间，开始站点名称，终站点名称，站点ID，站点经纬度，自行车ID，是否会员，出生年月，性别。

（2）芝加哥Divvy共享单车

Divvy是芝加哥最大的共享单车系统，拥有6000余辆单车及600余处自行车站点，和纽约的Citi Bike（花旗）以及旧金山的Ford GoBike一样，是本市市内交通的重要方式。目前其业务已拓展至纽约、华盛顿、波士顿等城市。

数据指标：自行车ID，开始时间，结束时间，开始站点名称，终站点名称，站点ID，站点经纬度，是否会员

全国省市县地方官员任期数据1949-2019

数据范围：3034个地区(包括省市县)

样本量：共计2w+

数据年份：1949-2019年

用途：1.衡量官员任期对地方经济和政策影响 2.工具变量

wenxian
[1]周黎安.中国地方官员的晋升锦标赛模式研究[J].经济研究,2007(07):36-50.
[2]张军,高远.官员任期、异地交流与经济增长——来自省级经验的证据[J].经济研究,2007(11):91-103.
[3]钱先航,曹廷求,李维安.晋升压力、官员任期与城市商业银行的贷款行为[J].经济研究,2011,46(12):72-85.

指标

数据指标：官员姓名、官员职位、所在地区、地区类别、任期起始时间、任期结束时间

python爬虫视频包含程序、操作详细步骤

视频讲解清晰，零基础也可以。

主要包括：

【python 语法入门】

1、Python跟英语一样是一种语言

2、数据类型之字符串

3、 数据类型之列表元组集合

4、 数据类型之字典

5、数据类型之布尔值、None

6、逻辑语句(if&for&tryexcept)

7、列表推导式

8、理解函数

9、常用的内置函数

10、文件路径库os库

11、数据清洗re库

12、数据存储csv库

13、初学python常出错误汇总

【数据采集】

1、网络爬虫原理

2、发现网址规律

3、网络访问requests库

4、网页解析pyquery库

5、实战：大众点评

6、如何解析json数据

7、实战: 知乎

8、实战: 微博

9、实战: 批量下载多媒体文件

10、实战: 批量下载上市公司定期报告pdf

11、实战: 各种宏观经济、金融、政治数据下载

12、爬虫知识点总结

【文本处理入门】

1、文本分析概述

2、读取文件中数据(pdf、docx、txt、excel)

3、中文分词及数据清洗

4、实战: 词频统计(词云图制作)

5、实战: 中文情感分析(词典法)

6、实战: 将多文件数据汇总到一个excel

7、数据分析pandas库快速入门

8、实战: 对excel中的文本进行情感分析

9、从pdf中提取表格数据

10、共现法扩展情感词典(领域词典)

11、从非结构化文本数据中提取结构化数据(文本数据清洗re库)

【文本分析进阶】

1、了解机器学习

2、使用机器学习做文本分析的流程

3、scikit-learn机器学习库简介

4、文本特征抽取(特征工程)

5、实战：在线评论情感分析(机器学习法)

6、文本相似性(cos/编辑距离/jaccard)

7、实战: 使用文本相似性自动识别冲击(改变的)时间点

8、Kmeans聚类算法

9、LDA话题模型

10、文本分析在经管研究中的应用

金融机构涉农贷款2009-2018

金融机构:本外币涉农贷款余额:农林牧渔业贷款

金融机构:本外币农林牧渔业贷款余额:农业

金融机构:本外币农林牧渔业贷款余额:林业贷款

金融机构:本外币农林牧渔业贷款余额:畜牧业

金融机构:本外币农林牧渔业贷款余额:渔业

金融机构:本外币农林牧渔业贷款余额:农林牧渔服务业

金融机构:本外币农林牧渔业贷款余额:农户

金融机构:本外币农林牧渔业贷款余额:非农户个人

金融机构:本外币农林牧渔业贷款余额:农村企业

金融机构:本外币农林牧渔业贷款余额:农村各类组织

金融机构:本外币农林牧渔业贷款余额:城市企业

金融机构:本外币农林牧渔业贷款余额:城市各类组织

金融机构:本外币涉农贷款余额:农用物资和农副产品流通贷款

金融机构:本外币涉农贷款余额:农村基础设施建设贷款

金融机构:本外币涉农贷款余额:农产品加工贷款

金融机构:本外币涉农贷款余额:农业生产资料制造贷款

金融机构:本外币涉农贷款余额:农田基本建设贷款

金融机构:本外币涉农贷款余额:农业科技贷款

金融机构:本外币涉农贷款余额:其他

金融机构:本外币涉农贷款余额:农村贷款

金融机构:本外币涉农贷款余额:农村贷款:农户贷款

金融机构:本外币涉农贷款余额:农村贷款:农村企业及各类组织贷款

金融机构:本外币农村贷款余额:农村企业及各类组织贷款:农村企业

金融机构:本外币农村贷款余额:农村企业及各类组织贷款:农村各类组织

金融机构:本外币农村贷款余额:农村农林牧渔业

金融机构:本外币农村贷款余额:农田基本建设

金融机构:本外币农村贷款余额:农产品加工

金融机构:本外币农村贷款余额:农业生产资料制造

金融机构:本外币农村贷款余额:农用物资和农副产品流通

金融机构:本外币农村贷款余额:农业科技

金融机构:本外币农村贷款余额:农村基础设施建设

金融机构:本外币农村贷款余额:农户消费

金融机构:本外币农村贷款余额:其他

金融机构:本外币涉农贷款余额:城市涉农贷款

金融机构:本外币涉农贷款余额:非农户个人农林牧渔业贷款

金融机构:本外币涉农贷款余额:城市企业及各类组织涉农贷款

金融机构:本外币涉农贷款余额:个人涉农贷款

金融机构:本外币涉农贷款余额:企业涉农贷款

金融机构:本外币涉农贷款余额:企业涉农贷款:农村企业贷款

金融机构:本外币涉农贷款余额:企业涉农贷款:城市企业涉农贷款

金融机构:本外币涉农贷款余额:各类非企业组织涉农贷款

金融机构:本外币涉农贷款余额:各类非企业组织涉农贷款:农村各类组织贷款

金融机构:本外币涉农贷款余额:各类非企业组织涉农贷款:城市各类组织涉农贷款

金融机构:本外币涉农贷款余额占各项贷款比重:合计

金融机构:本外币涉农贷款余额占各项贷款比重:农林牧渔业贷款

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:农业

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:林业

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:畜牧业

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:渔业

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:农林牧渔服务业

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:农户

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:非农户个人

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:农村企业

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:农村各类组织

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:城市企业

金融机构:本外币农林牧渔业贷款余额占各项贷款比重:城市各类组织

金融机构:本外币涉农贷款余额占各项贷款比重:农用物资和农副产品流通贷款

金融机构:本外币涉农贷款余额占各项贷款比重:农村基础设施建设贷款

金融机构:本外币涉农贷款余额占各项贷款比重:农产品加工贷款

金融机构:本外币涉农贷款余额占各项贷款比重:农业生产资料制造贷款

金融机构:本外币涉农贷款余额占各项贷款比重:农田基本建设贷款

金融机构:本外币涉农贷款余额占各项贷款比重:农业科技贷款

金融机构:本外币涉农贷款余额占各项贷款比重:其他

金融机构:本外币涉农贷款余额占各项贷款比重:农村贷款

金融机构:本外币涉农贷款余额占各项贷款比重:农村贷款:农户贷款

金融机构:本外币涉农贷款余额占各项贷款比重:农村贷款:农村企业及各类组织贷款

金融机构:本外币农村贷款余额占各项贷款比重:农村企业及各类组织贷款:农村企业

金融机构:本外币农村贷款余额占各项贷款比重:农村企业及各类组织贷款:农村各类组织

金融机构:本外币农村贷款余额占各项贷款比重:农村农林牧渔业

金融机构:本外币农村贷款余额占各项贷款比重:农田基本建设

金融机构:本外币农村贷款余额占各项贷款比重:农产品加工

金融机构:本外币农村贷款余额占各项贷款比重:农业生产资料制造

金融机构:本外币农村贷款余额占各项贷款比重:农用物资和农副产品流通

金融机构:本外币农村贷款余额占各项贷款比重:农业科技

金融机构:本外币农村贷款余额占各项贷款比重:农村基础设施建设

金融机构:本外币农村贷款余额占各项贷款比重:农户消费

金融机构:本外币农村贷款余额占各项贷款比重:其他

金融机构:本外币涉农贷款余额占各项贷款比重:城市涉农贷款

金融机构:本外币涉农贷款余额占各项贷款比重:非农户个人农林牧渔业贷款

金融机构:本外币涉农贷款余额占各项贷款比重:城市企业及各类组织涉农贷款

金融机构:本外币涉农贷款余额占各项贷款比重:个人涉农贷款

金融机构:本外币涉农贷款余额占各项贷款比重:企业涉农贷款

金融机构:本外币涉农贷款余额占各项贷款比重:企业涉农贷款:农村企业贷款

金融机构:本外币涉农贷款余额占各项贷款比重:企业涉农贷款:城市企业涉农贷款

金融机构:本外币涉农贷款余额占各项贷款比重:各类非企业组织涉农贷款

金融机构:本外币涉农贷款余额占各项贷款比重:各类非企业组织涉农贷款:农村各类组织贷款

金融机构:本外币涉农贷款余额占各项贷款比重:各类非企业组织涉农贷款:城市各类组织涉农贷款

金融机构:本外币涉农贷款新增额:合计

金融机构:本外币涉农贷款新增额:农林牧渔业贷款

金融机构:本外币农林牧渔业贷款新增额:农业

金融机构:本外币农林牧渔业贷款新增额:林业

金融机构:本外币农林牧渔业贷款新增额:畜牧业

金融机构:本外币农林牧渔业贷款新增额:渔业

金融机构:本外币农林牧渔业贷款新增额:农林牧渔服务业

金融机构:本外币农林牧渔业贷款新增额:农户

金融机构:本外币农林牧渔业贷款新增额:非农户个人

金融机构:本外币农林牧渔业贷款新增额:农村企业

金融机构:本外币农林牧渔业贷款新增额:农村各类组织

金融机构:本外币农林牧渔业贷款新增额:城市企业

金融机构:本外币农林牧渔业贷款新增额:城市各类组织

金融机构:本外币涉农贷款新增额:农用物资和农副产品流通贷款

金融机构:本外币涉农贷款新增额:农村基础设施建设贷款

金融机构:本外币涉农贷款新增额:农产品加工贷款

金融机构:本外币涉农贷款新增额:农业生产资料制造贷款

金融机构:本外币涉农贷款新增额:农田基本建设贷款

金融机构:本外币涉农贷款新增额:农业科技贷款

金融机构:本外币涉农贷款新增额:其他

金融机构:本外币涉农贷款新增额:农村贷款

金融机构:本外币涉农贷款新增额:农村贷款:农户贷款

金融机构:本外币涉农贷款新增额:农村贷款:农村企业及各类组织贷款

金融机构:本外币农村贷款新增额:农村企业及各类组织贷款:农村企业

金融机构:本外币农村贷款新增额:农村企业及各类组织贷款:农村各类组织

金融机构:本外币农村贷款新增额:农村农林牧渔业

金融机构:本外币农村贷款新增额:农田基本建设

金融机构:本外币农村贷款新增额:农产品加工

金融机构:本外币涉农贷款余额:总行

金融机构:本外币涉农贷款余额增速:总行

金融机构:本外币涉农贷款占各项贷款比重:总行

金融机构:本外币农林牧渔业贷款占各项贷款比重:总行

金融机构:本外币农村贷款占各项贷款比重:总行

金融机构:本外币农户贷款占各项贷款比重:总行

部分指标年份缺失

A股价崩盘风险扩展指数Stata代码和数据2000-2020年

中国分省分行业出口月度数据2010-2019年

stata多对多数据合并教程

我们在数据处理时，经常需要对文件进行横向合并，我们知道merge 1:1 varlist using filename [, options]可以进行一对一合并；merge 1:m varlist using filename [, options]可以进行一对多合并；merge m:1 varlist using filename [, options]可以进行多对一合并，然而在使用merge m:m varlist using filename [, options]进行多对多合并是有问题的，那么问题在哪？如何解决？这篇推文将会给大家解释清楚。

1.生成两个dta文件：

clear

input id str3 v1

1 “a”

1 “b”

1 “c”

1 “d”

1 “e”

end

save 1.dta, replace

clear

input id str3 v2

1 “d”

1 “e”

1 “f”

end

save 2.dta, replace

接着，我们将两个文件进行横向合并，可以看到，由于两个文件中id不是唯一识别的，属于多对多合并

2.直接用merge m:m横向合并数据

use 1.dta, clear

merge m:m id using 2.dta

drop _m

可以看到，直接使用merge m:m进行多对多合并时，第一，并不是1.dta的观测值分别对应2.dta的每一条观测值；第二，当某个文件的观测值少时，将会以该文件中的最后一条观测值对另一个文件中的观测值进行合并，如上图第4、5行。那么怎么得到我们想要的结果呢？

3.先扩展，再合并

整体思路是，把多对多合并变为一对多或多对一合并。首先，我们在1.dta中生成变量n，等于所在行行号，然后求出n的最大值，放在局部宏中，并保存为3.dta文件，程序如下：

use 1.dta, clear

bysort id: gen n = _n

sum n

local max = r(max)

save 3.dta, replace

这样，把id和n两个变量作为合并依据就变成唯一的了，可以看到，n最大值为5。接着在2.dta中，对数据进行扩充相应的倍数，即1.dta中变量n的最大值：

use 2.dta,clear

expand `max’

bysort id v2 : gen n = _n

sort n v2

扩充后的数据，id和n作为合并依据的话，每个都为3个，所以可以与3.dta进行多对一合并，程序和结果如下:

merge m:1 id n using 3.dta

order id v1

sort id v1 v2

drop n _m

实例演练

我们在做事件研究时，如果某个事件发生在上市公司停牌期间，我们往往需要把其剔除掉，那么首先，我们需要按照股票代码把事件列表和停复牌时间进行横向合并，由于同一个公司可能对应多个时间，也可能多次停牌，因此应该进行多对多合并，为了方便大家操作，我们手动生成一个事件列表：

clear

set more off

input Stkcd str15 date

000001 “2006-03-01”

000001 “2007-06-05”

000001 “2007-05-05”

000001 “2010-03-01”

000001 “2013-05-06”

000002 “2003-07-25”

000002 “2009-08-16”

000002 “2010-05-09”

end

save 事件列表,replace

我们截取Stkcd为000001和000002公司的停复牌日期

其中，startdate为停牌日期，enddate为复牌日期，合并之后，如果date，即时间发生日在停复牌时间之间，就剔除掉。

接下来，横向合并两个文件，程序如下：

use 事件列表, clear

bysort Stkcd : gen n = _n

sum n

local max = r(max)

save 事件列表1,replace  

use停复牌,clear

expand `max’

bysort Stkcd startdate enddate : gen n = _n

merge m:1 Stkcd n using 事件列表1

keep if _m == 3

drop _m n

这样，每一个事件都对应所有的停复牌日期，接着将发生在停复牌的事件删除即可，程序如下：

gen date1 = date(date,”YMD”)

gen num = 1 if date1 >= startdate & date1 <= enddate

keep Stkcd date num

duplicates drop

sort Stkcd date num

bysort Stkcd date :carryforward num,replace

drop if num == 1

drop num

中国基金管理公司外资持股情况截至2019年

序号	公司名称	境外股东	入资机构国别	出资比例（%）	成立时间
1	国泰基金管理有限公司	意大利忠利集团 Assicurazioni Generali S.P.A	意大利	30	1998年3月5日
2	华夏基金管理有限公司	加拿大鲍尔公司 Power Corporation of Canada 万信投资公司 Mackenzie Financial Corporation	加拿大	13.9   　13.9	1998年3月9日
*3	鹏华基金管理有限公司	意大利欧利盛资本资产管理股份公司 Eurizon Capital SGR S.P.A.	意大利	49	1998年12月22日
4	嘉实基金管理有限公司	德意志资产管理（亚洲）公司 （新加坡注册） Deutsche Assets Management	新加坡	30	1999年3月25日
5	长盛基金管理有限公司	新加坡星展银行有限公司  DBS  BANK LTD.	新加坡	33	1999年3月26日
6	富国基金管理有限公司	加拿大蒙特利尔银行 BMO	加拿大	27.78	1999年5月13日
7	融通基金管理有限公司	日兴资产管理公司 Nikko Asset Management Co., Ltd.	日本	40	2001年5月22日
*8	国投瑞银基金管理有限公司	瑞士银行有限公司 UBS AG	瑞士	49	2002年6月13日
*9	泰达宏利基金管理有限公司	宏利资产管理（香港）有限公司 Manulife Asset anagement (Hongkong) Limited	中国香港	49	2002年7月4日
*10	华宝基金管理有限公司	华平资产管理合伙 Warburg Pincus Asset Management, L.P.	美国	49	2003年2月7日
11	摩根士丹利华鑫 基金管理有限公司	摩根士丹利国际控股公司 Morgan Stanley International Holdings Inc.	美国	44	2003年3月3日
*12	国联安基金管理有限公司	德国安联集团 Allianz Group	德国	49	2003年3月25日
*13	海富通基金管理有限公司	法国巴黎投资管理BE控股公司  BNPP IP BE Holding	比利时	49	2003年5月1日
*14	景顺长城基金管理有限公司	美国景顺资产管理公司（英国注册)  Invesco Asset Management	英国	49	2003年6月12日
*15	兴全基金管理有限公司	荷兰全球人寿保险国际公司 AEGON International B.V.	荷兰	49	2003年9月30日
16	申万菱信基金管理有限公司	三菱UFJ信托银行株式会社 　  SWS MU Fund Management Co., Ltd.	日本	33	2003年12月15日
17	中海基金管理有限公司	法国爱德蒙得洛希尔银行 股份有限公司 Lacompagnie Financiere Edmond De Rothschild Banque	法国	25	2004年3月18日
*18	上投摩根基金管理有限公司	摩根富林明资产管理有限公司 J.P. Morgan Asset Management (U.K.) Limited	英国	49	2004年5月12日
19	光大保德信 基金管理有限公司	保德信投资管理有限公司 Pramerical Investment Management	美国	45	2004年5月22日
20	中银基金管理有限公司	贝莱德投资管理（英国）有限公司 Blackrock Investment Management (UK) ltd	英国	16.5	2004年6月12日
*21	国海富兰克林 基金管理有限公司	美国坦伯顿国际股份有限公司  Templeton International Inc.	美国	49	2004年9月15日
*22	华泰柏瑞基金管理有限公司	柏瑞投资有限责任公司 PineBridge Investments LLC	美国	49	2004年11月18日
23	工银瑞信基金管理有限公司	瑞士信贷银行股份有限公司 Credit Suisse AG	瑞士	20	2005年6月21日
24	交银施罗德 基金管理有限公司	施罗德投资管理公司 Schroder Investment Management Limited	英国	30	2005年7月26日
*25	中信保诚基金管理有限公司	英国保诚集团股份有限公司 Prudential Group	英国	49	2005年8月22日
26	建信基金管理有限责任公司	美国信安金融服务公司 Principal Financial Services, Inc.	美国	25	2005年9月9日
*27	汇丰晋信基金管理有限公司	汇丰环球投资管理（英国）有限公司 HSBC Investments (UK) Limited	英国	49	2005年10月1日
28	中邮创业 基金管理股份有限公司	三井住友银行股份有限公司 Sumitomo Mitsui Banking Corporation	日本	24	2006年2月14日
29	信达澳银基金管理有限公司	康联首域集团有限公司 （Colonial First State Group Ltd.）	澳大利亚	46	2006年5月17日
30	中欧基金管理有限公司	意大利意联银行股份合作公司 Unione di Banche Italiane S.c.p.a	意大利	25	2006年7月30日
31	浦银安盛基金管理有限公司	法国安盛投资管理公司 AXA Investment Managers	法国	39	2007年7月17日
32	农银汇理基金管理有限公司	东方汇理资产管理公司 Credit Agricole Asset Management	法国	33.33	2008年2月25日
33	民生加银基金管理有限公司	加拿大皇家银行（Royal Bank of Canada）	加拿大	30	2008年10月15日
34	平安基金管理有限公司	大华资产管理有限公司 (UOB Asset Management Ltd.)	新加坡	17.51	2010年12月28日
35	方正富邦基金管理有限公司	富邦证券投资信托股份有限公司  Fubon Asset Management Co.,Ltd	中国台湾	33.3	2011年6月30日
36	华宸未来基金管理有限公司	未来资产基金管理公司 Mirae Asset Global Investments Co., Ltd.	韩国	25	2012年3月21日
37	太平基金管理有限公司	安石投资管理有限公司 Ashmore Investment Management Limited	英国	8.5	2012年12月20日
*38	华润元大基金管理有限公司	元大证券投资信托股份有限公司 Yuanta Securities Investment Trust Co., Ltd.	中国台湾	49	2012年12月26日
39	中加基金管理有限公司	加拿大丰业银行Bank of Nova Scotia	加拿大	28	2013年3月14日
40	国开泰富 基金管理有限责任公司	国泰证券投资信托股份有限公司 Cathay Securities Investment Trust Co., Ltd.	中国台湾	33.3	2013年6月28日
41	永赢基金管理有限公司	利安资金管理公司 Lion Global Investors Limited	新加坡	28.51	2013年10月8日
42	国寿安保基金管理有限公司	安保资本投资有限公司 AMP Capital Investors Limited	澳大利亚	14.97	2013年10月15日
*43	圆信永丰基金管理有限公司	永丰证券投资信托股份有限公司SinoPac Securities Investment Trust Co., Ltd.	台湾	49	2013年11月28日
*44	恒生前海基金管理有限公司	恒生银行有限公司 Hang Seng Bank Limited	香港	70	2016年6月16日

上市公司数据库数据下载后excel自动转换面板回归格式vba代码

说明：从金融数据库导出来的数据做面板回归时，基础数据不是按Stata面板数据格式排版的，
这个代码可以将下载到excel中的数据自动转化为stata面板排版格式。