 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
5,195.93
1996
5,730.57
2001
6,419.37
2007
10,097.35
2013
12,777.39
2018
12,988.06
2024
16,692.77
02
样例数据
样例数据（前 10 行）
支持复制到 Excel
| 年份 | 省份 | 铁路货运量(万吨) |
|---|---|---|
| 1990 | 北京市 | 3118.0 |
| 1990 | 天津市 | 2228.0 |
| 1990 | 河北省 | 11694.0 |
| 1990 | 山西省 | 23284.0 |
| 1990 | 内蒙古自治区 | 6953.0 |
| 1990 | 辽宁省 | 14277.0 |
| 1990 | 吉林省 | 6152.0 |
| 1990 | 黑龙江省 | 13235.0 |
| 1990 | 上海市 | 1257.0 |
| 1990 | 江苏省 | 4235.0 |
铁路货物运量指一定时期内使用铁路货车实际运送的货物数量。1993年起铁路货物运输增加行包运量。。覆盖 30 个省份、35 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
指标定义铁路货物运量指一定时期内使用铁路货车实际运送的货物数量。1993年起铁路货物运输增加行包运量。
数据类型省份级面板数据，覆盖30个省份。
时间跨度1990-2024年，共35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 | 1990-2024 |
| province | 省份 | string | 省/自治区/直辖市 |
| prov-dd0f9c6af22dccf5da110-tieluhuoyunliang-126369 | 铁路货运量 | float | 铁路货物运量指一定时期内使用铁路货车实际运送的货物数量。1993年起铁路货物运输增加行包运量。 |
引用格式（Citation）
[1] 马克集数. 铁路货运量面板数据(1990-2024)[EB/OL]. https://s.macrodatas.cn/article/indicator/prov-dd0f9c6af22dccf5da110-tieluhuoyunliang-126369, 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 "prov_tieluhuoyunliang_126369_1990_2024.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_tieluhuoyunliang_126369, detail
* 简单面板回归示例
xtreg prov_tieluhuoyunliang_126369 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-dd0f9c6af22dccf5da110-tieluhuoyunliang-126369_1990_2024.xlsx", firstrow clear 导入。
05
相关指标推荐