跟着老范学模型1. 项目背景与数据价值
这份涵盖2000-2024年的省级产业结构数据套装，是区域经济研究的"黄金数据集"。我整理这套数据的初衷，源于在撰写博士论文时遭遇的原始数据碎片化问题——需要从统计年鉴手动摘录几十个指标，再计算各类指数，耗时耗力且容易出错。
产业结构高级化指数（ISU）和合理化指数（ISR）是衡量地区经济质量的核心指标。前者反映产业升级程度（如高新技术产业占比），后者体现资源配置效率（如要素投入与产出的匹配度）。在"双循环"发展格局下，这类数据对研判区域经济差异、制定产业政策具有重要参考价值。
实操心得：完整覆盖25年的省级面板数据极为罕见，特别是2023-2024年数据需要结合季度统计报告估算，这也是本套数据的独特优势。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据结构解析
2.1 核心指标构成
数据包包含三个层级：
- 基础指标层：31省二三产业增加值、就业人数、GDP等原始数据（2000-2022年来自统计年鉴，2023-2024年采用移动平均法估算）
- 计算过程层：泰尔指数、结构偏离度等中间变量计算表
- 结果指标层：
- 高级化指数 = (高新技术产业增加值/工业增加值)×0.6 + (生产性服务业增加值/服务业增加值)×0.4
- 合理化指数 = 1 - 产业泰尔指数（计算公式见后文）
2.2 典型数据结构示例
| 省份 | 年份 | 第二产业占比 | 第三产业占比 | 高级化指数 | 合理化指数 |
|---|---|---|---|---|---|
| 广东 | 2020 | 40.5% | 56.5% | 0.72 | 0.85 |
| 湖北 | 2020 | 37.9% | 51.3% | 0.61 | 0.78 |
3. Stata处理全流程
3.1 数据清洗关键步骤
stata复制// 缺失值处理（线性插值法）
foreach var in gdp2 gdp3 emp2 emp3 {
bysort province: ipolate `var' year, gen(`