北京市 2019 88.00 天津市 2019 53.00 河北省 2019 120.00 山西省 2019 66.00 内蒙古自治区 2019 45.00 辽宁省 2019 102.00 吉林省 2019 58.00 黑龙江省 2019 77.00 上海市 2019 60.00 江苏省 2019 164.00 浙江省 2019 103.00 安徽省 2019 114.00 福建省 2019 88.00 江西省 2019 90.00 山东省 2019 126.00 河南省 2019 98.00 湖北省 2019 97.00 湖南省 2019 94.00 广东省 2019 148.00 广西壮族自治区 2019 73.00 北京市 2019 88.00 天津市 2019 53.00 河北省 2019 120.00 山西省 2019 66.00 内蒙古自治区 2019 45.00 辽宁省 2019 102.00 吉林省 2019 58.00 黑龙江省 2019 77.00 上海市 2019 60.00 江苏省 2019 164.00 浙江省 2019 103.00 安徽省 2019 114.00 福建省 2019 88.00 江西省 2019 90.00 山东省 2019 126.00 河南省 2019 98.00 湖北省 2019 97.00 湖南省 2019 94.00 广东省 2019 148.00 广西壮族自治区 2019 73.00
Panel Dataset — 省份级面板数据

中国省份学校数面板数据(2009-2019)

学校数面板数据。数据整理自《中国科技统计年鉴》。

VIP数据 省份 更新 2026-05-08 2009-2019 · 11年 Excel / Stata
2019
覆盖年份
2009–2019
共 11 年连续面板
有效样本
341
缺失率 0.0%
覆盖主体
31
省份数量
指标类型
VIP
支持预览与下载
01 趋势分析
77 65 54 42 31 2009 2011 2013 2015 2017 2019
折线为年度均值
2009
30.77
2011
76.35
2012
35.16
2014
49.68
2016
70.94
2017
75.00
2019
76.65
02 样例数据
样例数据(前 10 行) 支持复制到 Excel
年份 省份 学校数(个)
2009 北京市 59.0
2009 天津市 19.0
2009 河北省 31.0
2009 山西省 18.0
2009 内蒙古自治区 12.0
2009 辽宁省 43.0
2009 吉林省 31.0
2009 黑龙江省 34.0
2009 上海市 30.0
2009 江苏省 48.0
学校数面板数据。覆盖 31 个省份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

学校数面板数据

数据类型

省份级面板数据,覆盖31个省份。

时间跨度

2009-2019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《中国科技统计年鉴》。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 2009-2019
province 省份 string 省/自治区/直辖市
prov-8468c03d8a6a5b22f7f40573fa54-xuexiaoshu-251690 学校数 float 学校数
引用格式(Citation)
[1] 马克集数. 学校数面板数据(2009-2019)[EB/OL]. https://s.macrodatas.cn/article/indicator/prov-8468c03d8a6a5b22f7f40573fa54-xuexiaoshu-251690, 2026-05-08.
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:

Stata 复制代码
* 读取数据
use "prov_xuexiaoshu_251690_2009_2019.dta", clear

* 查看变量与前几行
describe
list in 1/10

* 编码省份变量(如尚未编码)
encode province, gen(prov_id)

* 设定面板数据结构
xtset prov_id year

* 描述性统计
summarize prov_xuexiaoshu_251690, detail

* 简单面板回归示例
xtreg prov_xuexiaoshu_251690 x1 x2, fe
estimates store fe_model

如下载的是 Excel 格式,请先在 Stata 中使用 import excel "prov-8468c03d8a6a5b22f7f40573fa54-xuexiaoshu-251690_2009_2019.xlsx", firstrow clear 导入。

05 相关指标推荐
数据预览
加载中...