2000-2025年绿色债券工具变量数据+stata代码

最新推荐文章于 2026-08-20 18:03:18 发布
原创 最新推荐文章于 2026-08-20 18:03:18 发布 · 43 阅读 · 1 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
收录于
经管社科数据集合与整理

当前文章被收录于：

经管社科数据集合与整理
1795 篇文章 65 人学习

专栏置顶文章。Paper数据分析，全网同名IP，分享经管社科数据代码干货

订阅专栏 查看详情

 绿色债券是指募集资金专门用于新建或现有的具有环境效益项目的债务融资工具。作为一种创新的金融工具，在全球应对气候变化、推动可持续发展方面发挥着重要作用

绿色债券与传统债券的主要区别在于：资金用途有明确的环保限制，募集资金只能用于环境改善、气候变化应对、可再生能源开发等可持续项目

借鉴张科等（2023）的研究，采用各地级市到北京的距离与年份交乘项的自然对数作为绿色债券的工具变量

一、数据介绍

数据名称：绿色债券-工具变量

数据范围：地级以上城市

时间范围：2000-2025年

样本数量：7722条

数据来源：经纬度数据来源于百度地图开放平台

数据说明：含原始数据、处理过程dofile文件、计算结果

二、数据指标

[图片]

三、参考文献

[1]张科,熊子怡,黄细嘉.绿色债券、碳减排效应与经济高质量发展[J].财经研究,2023,49(06):64-78.

四、数据概览

原始数据

[图片]

计算代码

[图片]

绿色债券工具变量_Excel格式

[图片]

私信获取

标签
#数据分析 #数据库 #经管科研
【数据分析】单细胞转录组数据分析教程：从GEO数据下载到特定基因表达可视化
专注生信领域
08-17 515
本教程完整地展示了一个单细胞转录组数据分析项目的工作流程： 1. **数据导入**：从GEO数据库的10X格式原始数据构建Seurat对象，并整合样本元数据 2. **质量控制**：过滤低质量细胞，使用Harmony校正批次效应 3. **聚类与注释**：通过无监督聚类和标志基因匹配自动识别细胞类型 4. **子集提取**：根据研究问题提取特定的细胞类型和基因型子集 5. **差异表达分析**：比较不同处理组间目标基因的表达差异，并通过可视化展示结果这个工作流程具有很好的通用性，可以应用于其他单细胞数
MZI and MI Optical Waveguide(马赫曾德与迈克尔逊光波导)
u011699626的博客
01-18 2372
注意，这里的 “镜子” 并不是真的在波导中做一个镜子出来，而是通过使用一个 1x2 的 MMI 结构将 MMI 输出的两个端口连接起来形成一个 “宽带镜子”。对于这里形成镜子的详细原理，后面有时间了我们再做更加详细地介绍。，它由一个 splitter 构成和两个仿佛带有 “镜子” 的臂组成。相比较于 MZI，光波可以在它的臂中传输，最终从进光口处出去得到相长或者相消干涉，很明显，在。）的折射率，从而使得两个臂上产生的相位差值不同，最终得到相长或者相消干涉的结果。这里，给大家介绍一下。，它更像是一个折叠的。
【实证分析】绿色债券工具变量-含代码（2000-2025年）
T0620514的博客
05-07 80
绿色债券与传统债券的主要区别在于：资金用途有明确的环保限制，募集资金只能用于环境改善、气候变化应对、可再生能源开发等可持续项目。借鉴张科等（2023）的研究，采用各地级市到北京的距离与年份交乘项的自然对数作为绿色债券的工具变量。绿色债券是指募集资金专门用于新建或现有的具有环境效益项目的债务融资工具。[1]张科,熊子怡,黄细嘉.绿色债券、碳减排效应与经济高质量发展[J].财经研究,2023,49(06):64-78.数据说明：含原始数据、处理过程dofile文件、计算结果。数据名称：绿色债券-工具变量。
【更新至2024年】1996-2024年各省社会消费品零售总额数据（无缺失）
【更新至2024年】1996-2024年各省社会消费品零售总额数据1、时间：1996-2024年2、来源：国家统计J、各省NJ3、指标：社会消费品零售总额4、范围：31省5、缺失情况：无缺失6、指标解释：社会消费品零售总额指企业（单位、个体户）通过交易直接售给个人、社会集团非生产、非经营用的实物商品金额，以及提供餐饮服务所取得的收入金额。
【JK】AI数据分析训练营（已完结）
2601_96726428的博客
08-16 173
然而，许多职场人在面对海量数据时，往往陷入“盲人摸象”的困境：面对散落在各个系统里的Excel表格无从下手，或是花费数天时间写代码、查资料，最终却只能得出表面且缺乏深度的结论。为了打破这一僵局，这套已完结的AI数据分析实战训练营应运而生，带你用零代码的方式，真正掌握AI驱动的实战分析能力。此外，训练营还特别强调了“数据讲故事”的能力。借助AI，你可以快速完成描述性统计、对比分析与趋势预测，甚至通过“假设驱动”的追问法，层层剥开数据表象，精准定位如“高频客群流失”、“新用户留存率骤降”等核心问题。
2026 AI 数据分析全景科普：采集、清洗、建模、可视化全拆解
https://www.thinkingdata.cn
08-19 228
用 AI 贯穿「采集→清洗→建模→可视化」全链路，让数据到业务决策的过程更快、更准、更省人力，解决传统数据分析门槛高、效率低、落地难的痛点。
财务人员学数据分析考什么证
cc572502653的博客
08-19 208
数字化转型持续推进，传统核算类财务岗位竞争压力逐步增加，掌握数据分析能力，能够帮助财务人员转向财务分析、财务 BP、经营分析等岗位。不少本科应届生和初入职场的财务学习者会疑惑，学习数据分析搭配哪些证书更适配求职。本文按照入门基础、职称体系、执业资格、管理能力、高阶数据分析能力划分梯队，结合国内就业实用性整理证书清单。需要说明，证书仅作为求职加分材料，实习经历、完整数据分析项目，优先级高于各类证书。
数据分析基础
ctlover的博客
08-19 242
摘要：本文介绍了数据分析的基本概念和流程，以及使用Python进行数据分析的工具和方法。数据分析是从数据中提取有价值信息的过程，主要包括数据收集、清洗、分析和可视化等步骤。文中详细介绍了Pandas库的数据处理功能，包括DataFrame和Series的构造、数据读取与写入、数据查看与选择、数据清洗、排序和分组等操作。此外，还讲解了Matplotlib库的数据可视化功能，包括折线图、柱状图和饼状图的绘制方法。文章通过示例代码展示了如何使用Jupyter Notebook进行交互式数据分析，适合数据分析初学者
竞品监控与商品数据分析实战：用 Open‑Claw 搭建自动化商品跟踪系统
2301_78671173的博客
08-20 218
竞品跟踪：持续跟踪同行多款商品的调价、库存、规格迭代，及时捕捉对手动作；选品调研：批量收集一批候选商品，导出到表格分析价格区间、库存水平，筛选潜力款；自家商品巡检：监控自己上架商品，快速发现异常缺货、价格异常；个人比价：跟踪心仪商品，观察历史价格变化。写在最后：工具只是手段，真正价值在于结构化之后的数据。当我们拥有时间序列的商品记录，不再靠肉眼刷网页，很多市场趋势、竞品策略，都可以从数据中直观看到。如果你需要进一步扩展，可以加上告警逻辑，检测价格变动后发送消息通知；
DuckDB数据分析实战：读写Excel文件
Tony.Dong的专栏
08-17 229
在企业数据分析场景中，Excel 几乎无处不在。为此，DuckDB 提供了专门的插件，让数据分析师和开发人员可以像查询数据库表一样直接查询 Excel 文件，同时支持将分析结果直接导出为 Excel 文件。
CDA数据分析基本概念
weixin_37536020的博客
08-17 257
本文系统介绍了企业数据管理的核心框架。首先从管理视角将数据分为主数据、元数据、参考数据、交易数据和统计分析数据五类，并说明其存储模型（关系模型/维度模型）。随后阐述了数据分析的四个阶段流程（需求层、数据层、分析层、输出层）及对应的决策层级与分析方法。最后提出EDIT数字化模型（探索-诊断-改进-工具化），作为贯穿数据分析全流程的指导框架。文章通过分类体系、分析流程和思维模型三个维度，构建了完整的企业数据管理知识脉络。
大数据毕业设计选题：【基于大数据的全球地震数据分析与可视化】PySpark 六维分析+可视化大屏
BYSJLG的博客
08-20 468
本文介绍了一个基于大数据的全球地震数据分析与可视化系统。该系统整合了Hadoop、Spark等大数据技术进行数据预处理和统计分析，运用Python与scikit-learn实现DBSCAN、K-Means等算法。后端采用Django框架提供接口服务，前端通过Vue和ECharts实现可视化展示，功能包括时空分布分析、震级深度统计、地理热点识别等。系统测试表明，它能有效降低八万多条USGS地震数据的阅读门槛，满足业务观察、教学演示等需求。文中展示了系统登录界面、数据分析页面及可视化大屏效果，并提供了部分核心代
基于Flask的城市共享单车借还数据分析与预测系统设计与实现
qq_35928134的博客
08-18 333
摘要 本研究设计并实现了一个基于Flask框架的城市共享单车借还数据分析与预测系统。系统针对共享单车运营中存在的时段潮汐、站点差异等特征，通过多维数据可视化和机器学习预测模型，为运营管理提供决策支持。系统采用B/S架构，后端使用Flask框架，前端采用Bootstrap和ECharts实现可视化展示，数据库使用MySQL存储运营区、站点、小时级借还等数据。系统核心功能包括：借还数据多维可视化分析、基于随机森林的借还量预测、智谱AI问答辅助以及后台数据管理模块。测试结果表明，系统能够有效分析共享单车借还规律，
零基础数据分析教程（1）：指标与维度
吉他程序员的博客
08-20 189
数据分析的核心在于明确指标和维度：指标是量化的数值（如销售额、订单量），维度是分类角度（如时间、地区）。分析时需先明确这两点，才能有效使用工具进行计算和切分。好的指标要定义清晰、可对比、能指导行动。常见维度包括时间、地点、商品、渠道和用户属性。实际工作中，将需求转化为"按[维度]看[指标]"的句式，能更高效地开展分析。理解数据表中各列的性质（指标原料或维度）是正确分析的基础。
极客时间·AI 数据分析训练营·毕业总结
2603_96681057的博客
08-17 231
这个模块训练的是把模糊的业务问题转化为清晰的数据问题的能力。业务方说要提升用户留存，学员要追问留存的定义是什么、关注哪个用户群体、预期的提升幅度是多少、可用的资源有哪些。课程不教空泛的理论，每个框架都配上真实的业务案例和数据集，学员要自己动手走完从需求到结论的完整流程。课程中所有练习都模拟真实工作的约束，时间有限、需求模糊、数据不完美，让学员在培训期间就适应职场的节奏和要求。职场中的商业数据分析和学术研究最大的区别在于，职场分析必须产生实际业务价值，必须在有限时间内完成，必须让非技术背景的人听懂并采纳。
Python进阶教程：数据分析入门（NumPy与Pandas）
CJLU_WSJ的博客
08-17 664
本篇介绍了 NumPy 数组运算和 Pandas 的 Series、DataFrame、数据清洗、分组聚合，并用销售数据分析串联实战。下一篇将介绍Web 开发入门（Flask），敬请期待！
财务人员学数据分析考什么证？从入门到高阶实用证书清单
2601_96278091的博客
08-19 200
数字化转型背景下，传统财务核算岗位竞争趋于内卷，具备财务+数据分析复合能力的人才，更适配企业业财融合、经营分析、财务BP等岗位需求。对于财务在校生、应届毕业生及职场新人来说，选对适配证书，能够系统搭建数据分析知识体系，补充职场竞争力。本文按就业实用性分层，整理10个适配财务人员的数据分析相关证书，客观说明难度、适配人群及职场用途，仅作能力加分参考。
零基础数据分析教程（3）：漏斗、RFM 和三种对比
最新发布
吉他程序员的博客
08-20 219
上一节解决两件事：这个数好不好，差在哪一块。工作里还有三类问题特别常见，每一类都有一套现成的问法。先认场合，再往下看每一套到底在问什么。
2026信管专业学习数据分析的价值
2508_94602842的博客
08-19 201
数据分析能力将信管专业的技术与管理优势深度融合，未来在数字化转型、商业智能等领域需求将持续增长。建议学生以“业务+数据”双视角发展，例如在信息系统开发中嵌入数据分析模块，或通过数据可视化提升管理沟通效率。这一复合能力体系将成为信管人才的核心壁垒。
智能门锁生物识别方案技术对比：3D双目人脸 vs 3D结构光 vs 掌静脉的实测数据分析
2601_95784193的博客
08-20 351
选型决策三要素照片能不能刷开？——关注防伪能力与活体检测方案长期用会不会卡死？——关注耐用性与长期运行稳定性数据坏了有没有人管、修不修得起？——关注质保期限与售后服务口碑。
python 使用 plotly 进行数据分析
qthello
08-20 45
本文介绍了使用Plotly进行数据可视化的基本方法：1)通过pip安装plotly和pandas；2)使用plotly.express快速绘制折线图和散点图，支持从CSV读取数据；3)通过plotly.graph_objects进行更精细的图表控制，包括创建空白图表和添加多组数据。主要演示了两种绘图方式：简单快速绘制和高级自定义绘制，适合不同层次的数据可视化需求。
菜菜AI数据分析实战课2期
2601_96687140的博客
08-20 207
课程的核心壁垒在于对“数据清洗”与“特征工程”的极致深挖。在“模型即服务”的时代，算法的红利正逐渐向少数天才集中，而真正能够为企业创造巨大价值的，是那些能够打通从海量混沌数据到高质量智能输出全链路的实战派。同时，针对云上分布式平台的成本控制，课程提供了竞价实例与冷存储分层等实战策略，确保学员不仅能写出“能跑”的代码，更能构建出“能扛”的生产级架构。当你的产出从一段段运行在服务器上的代码，变成能够直接赋能业务决策的“企业级知识大脑”时，你的职业价值将发生质的飞跃。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值