全国乡村旅游重点村DID数据(2000-2026)

一、基础概况

  1. 数据编号:2409,页面 ID:3517
  2. 时间跨度:2000--2026 年县域年度平衡面板
  3. 原始数据源:文旅部、发改委联合发布四批全国乡村旅游重点村完整官方名录
  4. 政策批次与冲击时点
    • 第一批:2019 年 7 月;第二批:2020 年 8 月;第三批:2021 年 8 月;第四批:2022 年 12 月
    • 全域合计 1399 个重点村,以区县为处理单元构建交错 DID
  5. DID 构造逻辑:以区县为观测单位,区县内只要存在任意全国乡村旅游重点村即划为处理组,按该村入选年份作为政策冲击时点,内置treat/post/DID全套虚拟变量,无需手动计算交互项
  6. 存储格式:Excel 县域长面板,同时配套村庄原始名录附表

二、核心 DID 变量定义

  1. treat(处理组虚拟变量):区县拥有全国乡村旅游重点村 = 1;无任何重点村 = 0
  2. post(政策时点虚拟变量):当年≥区县首个重点村入选年份 = 1;此前 = 0
  3. DID = treat × post(核心交错差分交互项):仅处理组、政策实施后取值为 1,其余为 0

三、完整面板字段

主面板(县域年度 DID 面板)

年份|省级名称|省级代码|市级名称|市级代码|区县名称|区县代码 treat|post|DID

配套附表(村庄原始名录)

省份 / 新疆兵团|重点村完整名称|入选批次(1/2/3/4)

四、政策传导机制

  1. 乡村旅游政策盘活县域农村集体产权,提升农村产权交易规模与溢价,缩小城乡收入差距;
  2. 文旅产业吸纳本地农村劳动力,降低城市劳动力市场分割 SEG,缓解跨城人才外流;
  3. 乡村文旅配套数字化、线上宣传拉高区域网络关注度,带动县域中小企业数据资产 DA 投入;
  4. 生态文旅约束高耗能产业扩张,降低县域产品碳排放强度,倒逼企业绿色创新;
  5. 农旅融合吸引创新要素下沉,提升县域创新要素集聚水平,促进本地数绿融合专利产出。

五、适配实证研究方向

  1. 交错 DID 基准政策评估(乡村振兴主流范式) 直接使用内置DID交互项,检验重点村政策对县域农民增收、城乡收入差距、产业结构、经济韧性、绿色发展的净效应,支持平行趋势、动态事件、安慰剂检验。
  2. 农村产权市场联动分析 匹配 3309 四川农村产权交易数据:处理组区县土地经营权、集体经营性资产流转活跃度、成交溢价显著高于对照组。
  3. 劳动力要素一体化检验 联动 3094 城市劳动力分割 SEG 指数:拥有重点村的县域本地就业吸纳能力更强,市域劳动力流动壁垒更低。
  4. 数字经济与舆情交互 搭配 3086 低空经济 / 城市网络关注度数据:重点村所在区县文旅线上搜索热度更高,小微企业数字化、数据资产布局更快。
  5. 低碳绿色发展机制 对接 3510 产品级 CO₂排放、3509 绿色专利数据:文旅生态管控抑制高碳产业,县域企业绿色专利质量 wide 更高。
  6. 区域产业政策叠加检验 结合 3512 地级市定向产业政策 DID,分析 "全国乡村旅游重点村 + 地方文旅扶持" 双重政策协同增效。
  7. 空间计量溢出效应 以区县地理编码构建空间权重,测算重点村政策对周边邻县居民收入、产业发展的正向辐射溢出。
  8. 创新要素下沉研究 匹配 3514 省级创新要素集聚面板:重点村区县人才、研发资本集聚增速显著高于普通县域。

六、数据核心优势

  1. 官方四批完整名录全覆盖,1399 个重点村无遗漏,政策冲击时点权威准确;
  2. 直接输出县域层级交错 DID 全套变量(treat/post/DID),省去自行匹配、合并、构造交互项的清洗工作量;
  3. 长时序 2000--2026,包含政策实施前、当期、后多年观测,平行趋势检验样本充足;
  4. 双表配套:县域回归长面板 + 村庄原始名录,既满足宏观县域回归,也可细分村庄异质性;
  5. 标准化省 - 市 - 县六级行政编码,无缝对接农村产权、城市劳动力分割、企业专利 ESG、碳排放全套宏微观面板。

数据展示

相关推荐
一木 之林4 小时前
插件、MCP、Skill 的区别?
java·c++·人工智能
JiMoKuangXiangQu5 小时前
在 AllWinner T507 上部署 Qwen2.5-0.5B 大语言模型
人工智能·llama.cpp·推理引擎
szarron5 小时前
RF Demo Kit|NanoVNA 射频演示测试板完整上手教程,滤波器、衰减器、SOLT 校准学习板
开发语言·人工智能·学习·php·射频工程·频谱仪
IT·陈寒5 小时前
JavaScript性能优化完全指南
人工智能·大模型·api·创业·变现·简历优化
tedcloud1235 小时前
Wand-Enhancer:如何搭建一套远程开发与测试环境
前端·人工智能·macos·开源·流程图
薛定谔的猫-菜鸟程序员5 小时前
端侧免费大模型实测:MiniCPM5-2B-Q4_K_M 架构拆解与 4GB 显卡实测
人工智能·大模型·agent·hermes·minicpm5-2b
小海豚儿5 小时前
没有反馈的 Loop,只是更贵的重试
人工智能·ai编程
用户302822530685 小时前
Agent Skill工程:如何把一次成功运行提炼成可测试的方法
人工智能
ellenwan20265 小时前
看到“最新 AI 量化学习”时,先让表达变清楚
人工智能·python
IvorySQL5 小时前
打造下一代 AI Agent 的统一多模智能数据底座——PostgreSQL 与 AI 的融合演进
数据库·人工智能·postgresql