地级市定向产业政策数据（2000-2025）

一、基础概况

1. 数据编号：2406
2. 时间跨度：2000–2020 年全国地级市年度面板
3. 原始数据源：各地级市政府年度工作报告全文文本人工识别、匹配上市公司主体
4. 基准文献：王海成、张伟豪《定向产业政策如何影响企业全要素生产率》，《经济学动态》2026 年第 5 期
5. 政策识别逻辑：文本挖掘扶持类关键词，区分定向单家上市公司、** 定向企业群体（龙头 / 专精特新等）** 两类政策冲击，构建多时点 DID 基础变量
6. 存储格式：Excel 城市 - 年份 - 企业三级结构化面板，对照组（无政策城市年份）完整保留
7. 核心 0/1 变量：是否存在定向产业政策（当年有扶持表述 = 1，无 = 0）

二、文本识别完整判定规则

1. 扶持关键词库

支持、扶持、培育、引进、鼓励、做强、扩产、技改、落地、增资、上市培育等正向产业扶持表述。

2. 两类政策识别标准

1. 精准定向上市公司：报告语句同时出现股票简称 + 扶持动词，匹配 A 股股票代码，剔除简称歧义干扰（短简称搭配企业 / 集团 / 项目等限定词才认定）；
2. 定向企业群体：仅提及龙头、骨干、专精特新、领军企业，无具体标的公司，行业字段留空。

3. 量化统计指标

支持类表述次数：当年报告中产业扶持语句总条数，作为政策强度连续代理变量。

三、标准面板完整字段

省份名称｜省份代码｜地级市｜城市代码｜年份

行业代码｜行业名称

支持上市公司股票代码｜证券简称｜企业全称

支持企业类型词（龙头 / 专精特新等）

支持类表述原文｜支持类表述总次数

是否存在定向产业政策（0/1，核心 DID 分组变量）

四、政策传导核心机制

1. 定向产业政策通过财政补贴、土地、信贷资源倾斜，降低企业研发成本，提升数字、绿色创新投入；
2. 地方定向扶持加速企业数据资产积累、员工数字人才培育，拉高数绿融合创新产出；
3. 政策红利改善投资者预期，抬升个股年度投资者乐观情绪；
4. 城市定向产业政策与城市群、数据开放政策形成协同，放大区域要素流动效应。

五、适配实证研究方向

1. 定向产业政策 DID 基准检验（复刻《经济学动态》范式）
2. 以是否存在定向产业政策为 treat，搭配政策落地年份 post 构建交错 DID，检验政策对企业 TFP、专利产出、ESG 表现的净效应。
3. 产业政策与数字绿色创新联动
4. 匹配数绿融合、绿色专利 wide、员工数字能力数据集：受定向扶持企业数绿融合专利数量、绿色创新质量显著更高。
5. 政策强度异质性分析
6. 以支持类表述次数为连续政策强度变量，检验扶持力度递增对企业创新、数据资产（DA/ODA/DDA）的边际影响。
7. 定向扶持与技术溢出
8. 对接上市公司间技术流动 Citations：地方重点扶持龙头企业会向本地中小企业产生专利技术溢出。
9. 政策、市场竞争交互
10. 联动企业竞争相似度：高竞争行业中，定向产业政策的差异化创新激励效果更强。
11. 区域政策组合 DID
12. 搭配城市群、政府数据开放 DID，检验 “区域一体化 + 城市定向产业政策” 双重政策协同效应。
13. 政策对薪酬分配、人力资本的影响
14. 匹配企业内部收入差距：定向扶持企业有财力扩大数字人才薪酬池，优化内部收入分配结构。
15. 低碳政策协同减排
16. 对接产品级 CO₂排放、ESG 数据：高耗能行业定向技改扶持政策可显著降低行业产品碳排放强度。

六、数据核心优势

1. 完全对标《经济学动态》政府工作报告文本识别范式，区分精准企业定向 / 群体定向两类政策，识别误差低；
2. 同时提供二元 DID 虚拟变量 + 连续政策强度词频指标，适配双重差分、门槛回归、中介模型；
3. 完整保留无政策对照组样本，无需手动填充零值，平行趋势、安慰剂检验样本充足；
4. 2000–2025 超长时序，覆盖工业化、数字经济、双碳多轮产业政策周期；
5. 标准化省市行政编码 + A 股股票代码，可无缝对接专利、数字资产、ESG、城市宏观全套上市公司面板。

数据展示

参考文献

[1] 王海成、张伟豪：《定向产业政策如何影响企业全要素生产率——基于中国省级五年规划文本的分析》，《经济学动态》，2026年第5期。