 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
1949
184.00
1961
2,007.71
1974
3,812.89
1987
9,471.49
1999
12,910.30
2011
29,465.79
2024
35,861.90
02
样例数据
样例数据（前 10 行）
支持复制到 Excel
| 年份 | 铁路货物周转量(亿吨公里) |
|---|---|
| 1949 | 184.0 |
| 1950 | 394.06 |
| 1951 | 515.55 |
| 1952 | 601.6 |
| 1953 | 781.39 |
| 1954 | 932.4 |
| 1955 | 981.51 |
| 1956 | 1203.51 |
| 1957 | 1345.9 |
| 1958 | 1855.25 |
铁路货物周转量指一定时期内使用铁路货车完成的货物运量与运送距离的乘积之和。计算公式为：货物周转量(吨公里)=∑(每批货物重量×该批货物的运送距离)=实际运送货物吨数×货物平均运程2020年起，沿海和远洋合并为海洋；2019年及以前年份为远洋运输数据。||2020年起，沿海和远洋合并为海洋；2019年及以前年份为远洋运输数据。。覆盖 1 个全国、76 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
指标定义铁路货物周转量指一定时期内使用铁路货车完成的货物运量与运送距离的乘积之和。计算公式为：货物周转量(吨公里)=∑(每批货物重量×该批货物的运送距离)=实际运送货物吨数×货物平均运程2020年起，沿海和远洋合并为海洋；2019年及以前年份为远洋运输数据。||2020年起，沿海和远洋合并为海洋；2019年及以前年份为远洋运输数据。
数据类型宏观级面板数据，覆盖1个全国。
时间跨度1949-2024年，共76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
数据整理自国家统计局。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 | 1949-2024 |
| hg-eae13c27b09638267d269-tieluhuowuzhouzhuanliang-2f0073 | 铁路货物周转量 | float | 铁路货物周转量指一定时期内使用铁路货车完成的货物运量与运送距离的乘积之和。计算公式为：货物周转量(吨公里)=∑(每批货物重量×该批货物的运送距离)=实际运送货物吨数×货物平均运程2020年起，沿海和远洋合并为海洋；2019年及以前年份为远洋运输数据。||2020年起，沿海和远洋合并为海洋；2019年及以前年份为远洋运输数据。 |
引用格式（Citation）
[1] 马克集数. 铁路货物周转量面板数据(1949-2024)[EB/OL]. https://s.macrodatas.cn/article/indicator/hg-eae13c27b09638267d269-tieluhuowuzhouzhuanliang-2f0073, 2026-02-23.
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 "hg_tieluhuowuzhouzhuanliang__1949_2024.dta", clear
* 查看变量与前几行
describe
list in 1/10
* 描述性统计
summarize hg_tieluhuowuzhouzhuanliang_, detail如下载的是 Excel 格式，请先在 Stata 中使用 import excel "hg-eae13c27b09638267d269-tieluhuowuzhouzhuanliang-2f0073_1949_2024.xlsx", firstrow clear 导入。
05
相关指标推荐