 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
1990
655,174.2222
1996
2,015,783.4618
2002
3,188,033.1968
2008
3,159,924.8742
2013
7,783,903.1686
2019
18,671,682.0076
2025
21,363,874.5176
02
样例数据
样例数据（前 10 行）
支持复制到 Excel
| 年份 | 省份 | 城市 | 消费品零售-批发零售业(万元) |
|---|---|---|---|
| 1990 | 北京市 | 北京市 | 2779000.0 |
| 1990 | 天津市 | 天津市 | 1226481.0 |
| 1990 | 上海市 | 上海市 | 2656700.0 |
| 1990 | 江苏省 | 苏州市 | 654249.0 |
| 1990 | 浙江省 | 绍兴市 | 255828.0 |
| 1990 | 浙江省 | 台州市 | 338638.0 |
| 1990 | 浙江省 | 丽水市 | 111117.0 |
| 1990 | 福建省 | 泉州市 | 277000.0 |
| 1990 | 江西省 | 南昌市 | 280964.0 |
| 1990 | 山东省 | 济南市 | 382047.0 |
消费品零售-批发零售业指标。覆盖 117 个地级市、36 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
指标定义消费品零售-批发零售业指标
数据类型城市级面板数据，覆盖117个地级市。
时间跨度1990-2025年，共36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 | 1990-2025 |
| province | 省份 | string | 省/自治区/直辖市 |
| city | 城市 | string | 地级市名称 |
| city-e895d58f828c36-xiaofeipinlingshoupifalingshouye-ac442c | 消费品零售-批发零售业 | float | 消费品零售-批发零售业指标 |
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_xiaofeipinlingshoupifal_1990_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_xiaofeipinlingshoupifal, detail
* 简单面板回归示例
xtreg city_xiaofeipinlingshoupifal 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-e895d58f828c36-xiaofeipinlingshoupifalingshouye-ac442c_1990_2025.xlsx", firstrow clear 导入。
05
相关指标推荐