 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
2015
1,159,604.5000
2017
956,539.1176
2018
717,426.5926
2020
1,156,809.3492
2022
1,200,634.9048
2023
1,595,374.1270
2025
2,003,558.6545
02
样例数据
样例数据（前 10 行）
支持复制到 Excel
| 年份 | 省份 | 城市 | 地方政府债券-本级发行额-专项(万元) |
|---|---|---|---|
| 2015 | 江苏省 | 南京市 | 2107209.0 |
| 2015 | 山东省 | 青岛市 | 212000.0 |
| 2016 | 天津市 | 天津市 | 2986300.0 |
| 2016 | 江苏省 | 南京市 | 1704200.0 |
| 2016 | 浙江省 | 杭州市 | 1339450.0 |
| 2016 | 山东省 | 青岛市 | 723000.0 |
| 2016 | 河南省 | 郑州市 | 231520.0 |
| 2016 | 湖南省 | 长沙市 | 2617931.0 |
| 2016 | 广东省 | 珠海市 | 230310.0 |
| 2016 | 广东省 | 清远市 | 662804.0 |
地方政府债券-本级发行额-专项指标。覆盖 47 个地级市、11 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
指标定义地方政府债券-本级发行额-专项指标
数据类型城市级面板数据，覆盖47个地级市。
时间跨度2015-2025年，共11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
数据整理自各地方统计局、地方统计年鉴。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 | 2015-2025 |
| province | 省份 | string | 省/自治区/直辖市 |
| city | 城市 | string | 地级市名称 |
| city-e895d58c6f2a23-difangzhengfuzhaiquanbenjifaxingezhuanxiang-88b770 | 地方政府债券-本级发行额-专项 | float | 地方政府债券-本级发行额-专项指标 |
数据出处
本数据来自马克集数（s.macrodatas.cn）。
引用或转载请注明来源
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_difangzhengfuzhaiquanbe_3_2015_2025.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_difangzhengfuzhaiquanbe_3, detail
* 简单面板回归示例
xtreg city_difangzhengfuzhaiquanbe_3 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-e895d58c6f2a23-difangzhengfuzhaiquanbenjifaxingezhuanxiang-88b770_2015_2025.xlsx", firstrow clear 导入。
05
相关指标推荐