城市能源韧性测算原始数据集

一、基础概况

  1. 数据编号:2418,页面 ID:3533
  2. 时间跨度:2000‑2024 年省级平衡面板;部分指标起始时间不同:燃气供应始于 1998,工业固废利用率 2004‑2010,财政支出指标可回溯至 1949 年
  3. 样本范围:中国大陆 31 个省、自治区、直辖市,不含港澳台
  4. 数据源:国家统计局、《中国能源统计年鉴》《中国环境统计年鉴》、各省份统计年鉴、地方国民经济和社会发展统计公报
  5. 基准文献:Zhou K 等 The impact of artificial intelligence on energy resilience: Empirical evidence from ChinaEnergy Economics,2026
  6. 指标框架:减污排放、减污治理、降碳能源、支撑保障四大准则层,共 13 项原始统计指标;本数据集为原始底表,未做标准化、熵权、TOPSIS 合成综合指数,由研究者自行完成指数测算
  7. 存储格式:Excel 省份‑年份结构化面板

二、四大维度指标体系

①减污排放(工业污染产出)

SO₂排放总量、工业烟尘排放量、工业废水排放总量

②减污治理(末端环境治理能力)

工业固废综合利用率、生活垃圾无害化处理率、污水处理厂集中处理率

③降碳能源(清洁能源与能耗)

风力发电量、水电发电量、太阳能发电量、全社会用电量

④支撑保障(财政‑能源基础设施投入)

地方财政一般预算支出、电力燃气及水生产供应业从业人员、天然气供气总量、液化石油气供气量

三、完整面板标准字段

年份|省份|省份代码 【减污排放】SO₂排放总量|工业烟尘排放量|工业废水排放总量 【减污治理】工业固废综合利用率|生活垃圾无害化处理率|污水处理集中处理率 【降碳能源】风力发电量|水电发电量|太阳能发电量|全社会用电量 【支撑保障】用气人|政府一般预算支出|天然气供气总量

四、理论传导机制

  1. 省级创新要素集聚水平提升,企业数据要素、AI 技术关联度提高,会推动清洁能源开发利用,降低污染物排放,改善省级能源韧性;
  2. 光伏领跑者、工业互联网等产业政策,一方面扩大新能源发电装机,另一方面通过智能制造降低工业能耗污染,双向提升能源韧性;
  3. 制造业核心技术创新、数绿融合、新组合专利产出增加,助力能源技术迭代,优化本省能源供给结构;
  4. 能源韧性提升和包容性绿色发展效率形成协同,兼顾减污降碳与社会普惠包容;
  5. 新型城镇化建设带动能源、燃气、污水处理市政基建投入,完善能源韧性的基础设施保障条件。

五、适配实证研究方向

1. AI、数字化对能源韧性基准检验(复刻 Energy Economics 范式)

利用原始指标熵权‑TOPSIS 测算省级能源韧性综合指数,检验人工智能、数字化转型对能源韧性的驱动效应,开展中介、门槛、耦合协调分析。

2. 减污‑降碳协同效应研究

检验环境规制、绿色金融、产业政策对减污排放、清洁能源发展的协同影响,分析区域时空收敛特征。

3. 创新资源赋能能源转型

匹配 3529 创新要素集聚面板:检验人才、资本、技术、平台要素集聚对本省能源韧性、可再生能源发展的促进作用。

4. 产业政策能源环境效应 DID 评估

搭配 3522 光伏领跑者、3525 工业互联网试点 DID,评估新能源、数字化产业政策对省级减污降碳、能源韧性的政策效应。

5. 企业创新与宏观能源韧性的传导

对接 3532 制造业核心技术创新指数、3324 新组合专利,检验硬核绿色技术创新对省级能源韧性的传导路径。

6. 城镇化‑能源韧性耦合协调

联动 3535 创新驱动新型城镇化面板,测算新型城镇化与能源韧性两大系统的耦合协调度,分析双向互动关系。

7. 空间计量能源韧性溢出

构建空间权重矩阵,开展空间杜宾模型,检验省域之间清洁能源开发、污染治理的空间溢出效应。

8. 区域异质性分析

分东中西分组,识别不同地区能源韧性短板(污染治理 / 新能源供给 / 基础设施保障),做分组回归。

六、数据核心优势

  1. 对标 Energy Economics 能源韧性评价框架,全部取自官方统计年鉴与公报,统计口径权威;
  2. 输出原始原值,不预设综合指数,可灵活选用熵权法、TOPSIS、耦合协调度模型;
  3. 2000‑2024 长时序,部分指标可更早回溯,完整覆盖我国能源结构转型、双碳推进全周期;
  4. 31 省份全覆盖,东中西部样本完整,适合区域差异、收敛性、空间计量;
  5. 标准化省级行政区划代码,无缝对接创新要素集聚、新型城镇化、上市公司专利、各类 DID 宏微观面板。

数据展示

image.png

参考文献

[1] Zhou, K., Liu, Y., Liao, Q., & Xu, J. (2026). The impact of artificial intelligence on energy resilience: Empirical evidence from China. Energy Economics, 153, 109040. https://doi.org/10.1016/j.eneco.2025.109040

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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