北京市 2014 0.12 辽宁省 2014 0.06 黑龙江省 2014 2.29 山东省 2014 3.59 云南省 2014 1.20 北京市 2014 0.12 辽宁省 2014 0.06 黑龙江省 2014 2.29 山东省 2014 3.59 云南省 2014 1.20
Panel Dataset — 省份级面板数据

中国省份地方铁路旅客周转量面板数据(1990-2014)

铁路旅客周转量指一定时期内使用铁路客车运送的旅客人数与运输距离的乘积之和。计算公式为:旅客周转量(人公里)=∑(实际运送的每一乘客×该旅客出发站与到达站间距离)=实际运送的旅客人数×旅客平均运程。数据整理自国家统计局。

免费数据 省份 更新 2026-02-23 1990-2014 · 25年 Excel / Stata
2014
覆盖年份
1990–2014
共 25 年连续面板
有效样本
161
缺失率 79.2%
覆盖主体
6
省份数量
指标类型
免费
支持预览与下载
01 趋势分析
1.72 1.35 0.98 0.62 0.25 1990 1995 2000 2004 2009 2014
折线为年度均值
1990
0.25
1994
0.32
1998
0.50
2002
0.85
2006
0.93
2010
1.57
2014
1.45
02 样例数据
样例数据(前 10 行) 支持复制到 Excel
年份 省份 地方铁路旅客周转量(亿人公里)
1990 天津市 0.1
1990 河北省 0.1
1990 辽宁省 0.0
1990 黑龙江省 0.2
1990 山东省 0.0
1990 河南省 1.1
1990 湖南省 0.2
1990 广东省 0.4
1990 广西壮族自治区 0.3
1990 四川省 0.1
铁路旅客周转量指一定时期内使用铁路客车运送的旅客人数与运输距离的乘积之和。计算公式为:旅客周转量(人公里)=∑(实际运送的每一乘客×该旅客出发站与到达站间距离)=实际运送的旅客人数×旅客平均运程。覆盖 6 个省份25 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

铁路旅客周转量指一定时期内使用铁路客车运送的旅客人数与运输距离的乘积之和。计算公式为:旅客周转量(人公里)=∑(实际运送的每一乘客×该旅客出发站与到达站间距离)=实际运送的旅客人数×旅客平均运程

数据类型

省份级面板数据,覆盖6个省份。

时间跨度

1990-2014年,共25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 1990-2014
province 省份 string 省/自治区/直辖市
prov-dd0f9c6af22dccc85bdea-difangtielulvkezhouzhuanliang-2a8ea5 地方铁路旅客周转量 float 铁路旅客周转量指一定时期内使用铁路客车运送的旅客人数与运输距离的乘积之和。计算公式为:旅客周转量(人公里)=∑(实际运送的每一乘客×该旅客出发站与到达站间距离)=实际运送的旅客人数×旅客平均运程
引用格式(Citation)
[1] 马克集数. 地方铁路旅客周转量面板数据(1990-2014)[EB/OL]. https://s.macrodatas.cn/article/indicator/prov-dd0f9c6af22dccc85bdea-difangtielulvkezhouzhuanliang-2a8ea5, 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:

Stata 复制代码
* 读取数据
use "prov_difangtielulvkezhouzhua_1990_2014.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_difangtielulvkezhouzhua, detail

* 简单面板回归示例
xtreg prov_difangtielulvkezhouzhua 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-dd0f9c6af22dccc85bdea-difangtielulvkezhouzhuanliang-2a8ea5_1990_2014.xlsx", firstrow clear 导入。

05 相关指标推荐
数据预览
加载中...