地级市政府风险感知指数（2000-2025）

📊 数据核心速览

• 数据编号：2335
• 时间跨度：2000–2025
• 覆盖范围：全国地级市
• 数据来源：地级市政府工作报告全文本
• 测算方法：CNN 深度学习文本分类
• 数据格式：Excel 标准面板
• 文献对标：田子方等《宏观经济研究》2025

🎯 指标构建逻辑（可直接写入论文）

1. 文本预处理：分句、分词、Word2Vec 向量化
2. 样本标注：随机抽取 2000 条句子人工标注风险句
3. 模型训练：按 3:1:1 划分训练 / 验证 / 测试集，训练 CNN 分类模型
4. 风险测度：政府风险感知 = 风险句子数 / 报告总句子数数值越大，代表地方政府对经济与发展风险的关注度与警惕性越高。

📋 核心字段

所属省份｜省份代码｜城市名称｜城市代码｜年份报告总句子数｜风险句子数｜政府风险感知

🔍 适用研究方向

1. 政府风险感知对企业创新、投资、杠杆、现金持有的影响
2. 风险态度与财政支出、政策力度、宏观调控的传导机制
3. 地区发展水平、产业结构、制度环境下的异质性分析
4. 政策不确定性、经济波动、地方治理与微观主体行为
5. 固定效应、中介效应、调节效应、空间计量等实证

数据简介

“政府风险感知”是基于文本分析方法构建的量化指标，旨在刻画地方政府对宏观经济与发展风险的主观认知程度。该指标以政府工作报告为信息载体，通过识别报告文本中与风险相关的表述，为研究政府行为、政策取向及其经济后果提供可量化的实证基础。

基于此数据集，可系统开展以下研究：一是检验政府风险感知对企业创新、投资决策等微观行为的影响；二是分析政府风险认知通过政策调控、财政支出等渠道影响宏观经济运行的机制；三是探讨在不同地区发展水平、产业结构及制度环境下，政府风险感知的异质性表现及其经济后果。

本数据集参考田子方等（2025）发表于《宏观经济研究》的论文《风险感知与企业创新——来自政府工作报告的文本分析发现》，通过Python建立卷积神经网络，对中国地级市的份政府工作报告构建政府风险感知指标。具体步骤如下：①将报告文本进行分句、分词，同时建立Word2Vec模型，将分词转化为数字向量。②从分句数据集中随机抽取2000条分句作为样本数据集并进行人工标注。③将标注样本按照3:1:1的比例随机分为训练集、验证集和测试集，使用Python的keras库构建卷积神经网络模型对标注样本进行训练，同时不断调整模型超参数，选择在测试集上分类精确率（precision）最高的模型对总体数据集进行文本分类。④用“报告i中表征风险的句子数占报告i句子总数的比值”来衡量政府风险感知程度。

数据指标

数据展示

参考文献

[1] 田子方, 杨依婷, 付家秀. 风险感知与企业创新——来自政府工作报告的文本分析发现[J]. 宏观经济研究, 2025, (08): 107-124+127.