1985 ~ 2021 年裁判文书数据

今天给大家分享一份裁判文书数据。时间范围为 1985～2021 年（按照裁判年份）。由于数据非常巨大，所以提供的是按年月拆分的结果。

例如 2021 年 1 月的文件：

数据格式方面，提供的是供 Stata 读取的 dta 的格式。部分文件大小超过了 10GB，对于内存较小的电脑读取起来会很困难，不过 Stata 提供了一次读取部分观测值的方法，例如读取 2019 年 12 月文件（22.89GB）的前 10 万行：

use in 1/100000 using "裁判文书分年分月/2019/12.dta", clear

使用 Stata 处理这种超大文件就可以一部分一部分的处理（读取之后删除不需要的变量）。

不过读取最后一部分的时候需要知道该文件总共的行数，这时候可以借助 describe 命令：

describe using "裁判文书分年分月/2019/12.dta"

*> Contains data                                 数据处理：微信公众号
*>                                                 RStata
*>  Observations:     2,768,742                  24 Nov 2024 21:30
*>     Variables:            12
*> -----------------------------------------------------------------
*> Variable      Storage   Display    Value
*>     name         type    format    label      Variable label
*> -----------------------------------------------------------------
*> cpid            str15   %-9s
*> 标题            str600  %-9s
*> 审理法院        str198  %-9s
*> 案件类型        str27   %-9s
*> 案号            str1164 %-9s
*> 审理程序        str24   %-9s
*> 裁判日期        double  %td
*> 发布日期        double  %td
*> 文书内容        strL    %-9s
*> 当事人          str1536 %-9s
*> 案由            str369  %-9s
*> 法律依据        strL    %-9s
*> -----------------------------------------------------------------
*> Sorted by:

可以看到该文件一共是 2768742 行。

另外我在附件中也提供了一个 各年月文件总行数.dta 文件，从该文件中也可以看到每年每月文件的行数：

use "/Volumes/C16T/大数据/1985~2021年裁判文书数据/各年月文件总行数.dta"
*> (数据处理：微信公众号 RStata)

list in 1/10

*>     +---------------------+
*>     | year   month   nrow |
*>     |---------------------|
*>  1. | 1985   01         4 |
*>  2. | 1985   02         4 |
*>  3. | 1985   03         2 |
*>  4. | 1985   04         2 |
*>  5. | 1985   05         3 |
*>     |---------------------|
*>  6. | 1985   06         3 |
*>  7. | 1985   07         4 |
*>  8. | 1985   08         1 |
*>  9. | 1985   09         4 |
*> 10. | 1985   10         3 |
*>     +---------------------+

该数据一共包含如下变量：

cpid 标题 审理法院 案件类型 案号 审理程序 裁判日期 发布日期 文书内容 当事人 案由 法律依据

cpid 是我給每个观测值的编号，结构如下：

年份-月份-观测值编号

大家在处理该数据的时候尽可能保留该指标，后续会再分享一些裁判文书相关的匹配结构，都可以使用 cpid 变量和该数据匹配。

下图展示了每年观测值的数量：

各年各月观测值的数量：

点击这里跳转到 RStata 短书平台获取附件：1985 ~ 2021 年裁判文书数据