 scale(.213 .217)'%3EM%3C/text%3E%3Ctext class='c2' transform='translate(71.47 34) scale(.213 .217)'%3EK%3C/text%3E%3Ctext class='c1' transform='translate(32.956 26.401) scale(.213 .217)'%3EA%3C/text%3E%3Ctext class='c2' transform='translate(52.926 26.401) scale(.213 .217)'%3ER%3C/text%3E%3C/svg%3E)
01
趋势分析
折线为年度均值
2023
2,930.83
2024
2,276.43
02
样例数据
样例数据（前 10 行）
支持复制到 Excel
| 年份 | 省份 | 城市 | 客运量(公路+水路)(万人次) |
|---|---|---|---|
| 2023 | 北京市 | 北京市 | 25720.0 |
| 2023 | 天津市 | 天津市 | 8056.0 |
| 2023 | 河北省 | 石家庄市 | 1570.0 |
| 2023 | 河北省 | 唐山市 | 799.0 |
| 2023 | 河北省 | 秦皇岛市 | 464.0 |
| 2023 | 河北省 | 邯郸市 | 944.0 |
| 2023 | 河北省 | 邢台市 | 117.0 |
| 2023 | 河北省 | 保定市 | 1928.0 |
| 2023 | 河北省 | 张家口市 | 313.0 |
| 2023 | 河北省 | 承德市 | 527.0 |
根据《中国城市统计年鉴》整理。覆盖 285 个地级市、2 年连续面板，适用于面板回归、政策评估与综合评价研究。
03
指标详情
指标解释
指标定义根据《中国城市统计年鉴》整理
数据类型城市级面板数据，覆盖285个地级市。
时间跨度2023-2024年，共2年连续面板数据。
应用场景
- 作为被解释变量或核心解释变量进行面板回归分析
- 结合其他指标做相关性与多元回归研究
- 分析时间趋势与区域差异
- 政策评估（DID、PSM-DID 等准自然实验）
- 构建综合评价指标体系（熵值法等）
04
技术文档
数据说明书（Data Dictionary）
数据来源
数据整理自《中国城市统计年鉴》。经人工校验与交叉比对，确保数据准确性。
部分缺失值已通过线性插值补齐，原始数据与插值数据均可分别下载。
| 变量名 | 中文名称 | 类型 | 说明 |
|---|---|---|---|
| year | 年份 | int | 2023-2024 |
| province | 省份 | string | 省/自治区/直辖市 |
| city | 城市 | string | 地级市名称 |
| city-25abcb2e70a975-keyunlianggonglushuilu-3d9713 | 客运量(公路+水路) | float | 根据《中国城市统计年鉴》整理 |
引用格式（Citation）
[1] 马克集数. 客运量(公路+水路)面板数据(2023-2024)[EB/OL]. https://s.macrodatas.cn/article/indicator/city-25abcb2e70a975-keyunlianggonglushuilu-3d9713, 2026-03-16.
可直接复制上方引用格式至论文参考文献
Stata 读取代码
下载数据后，可使用以下 Stata 代码快速读取并设定面板结构：
* 读取数据
use "city_keyunlianggonglushuilu__2023_2024.dta", clear
* 查看变量与前几行
describe
list in 1/10
* 编码城市变量（如尚未编码）
encode city, gen(city_id)
* 设定面板数据结构
xtset city_id year
* 描述性统计
summarize city_keyunlianggonglushuilu_, detail
* 简单面板回归示例
xtreg city_keyunlianggonglushuilu_ x1 x2, fe
estimates store fe_model如下载的是 Excel 格式，请先在 Stata 中使用 import excel "city-25abcb2e70a975-keyunlianggonglushuilu-3d9713_2023_2024.xlsx", firstrow clear 导入。
05
相关指标推荐