今天给大家分享一份 2000～2016 年中国各城市与各国家进出口额面板数据。该数据由中国海关进出口数据整理而来，包含了中国各城市与各国之间的进出口贸易信息。
海关数据是之前分享的这个：
2000～2016 年海关数据（版本2）: https://rstata.duanshu.com/#/brief/course/530c467967104ffe9aeb2c6cfabf9fa1
数据概览
为了方便大家使用，我整理了城市-国家维度的进出口额面板数据。
数据包含以下主要变量：
| 变量名 | 说明 |
|---|---|
| 年份 | 时间维度，2000～2016 年 |
| 省 | 省份名称 |
| 城市 | 城市名称 |
| 国家 | 贸易伙伴国家 |
| 贸易方式大类 | 贸易方式分类（如一般贸易、加工贸易等） |
| 出口金额_美元 | 出口额（美元） |
| 进口金额_美元 | 进口额（美元） |
| 进出口总额_美元 | 进出口总额（美元） |
数据特点：
- 时间跨度：2000～2016 年（17年）
- 地理维度：覆盖 34 个省份、369 个城市
- 贸易伙伴：涉及 226 个国家和地区
- 贸易方式：包含一般贸易、加工贸易、保税区贸易等多种类型
- 数据规模：101 万+ 观测值
该数据可用于研究以下问题：
- 中国各城市进出口贸易的时空演变特征
- 贸易伙伴多元化与城市出口结构优化
- 加工贸易转型与城市产业升级
- “一带一路”倡议前后的贸易格局变化
图表展示
各省份进出口分布
下图展示了 2000～2016 年中国各省份进出口总额的分布情况：
进出口总额时间趋势
下图展示了中国 2000～2016 年进出口总额的变化趋势：
各贸易方式进出口对比
下图展示了不同贸易方式的进出口对比情况：
主要贸易方式趋势
下图展示了主要贸易方式（一般贸易与加工贸易）的时间变化趋势：
主要贸易伙伴排名
下图展示了主要贸易伙伴国家的排名情况：
处理代码
附件中也提供了该数据的处理代码供参考：
其中 2000～2011 年的数据是根据原始数据中的“经营单位所在市名称”变量汇总的，2012～2016 年的数据中没有这个变量了，所以是先根据企业名称和工商注册信息匹配，获取所在城市信息再汇总的。然后“经营单位所在市名称”、“起运国或目的国名称” 及 “贸易方式名称”变量均被我清理整洁了，省市区划代码是使用 2021 年的（平台上大多数据都是这个版本），国家或地区名称也进行了标准化并匹配上了 ISO3 代码。贸易方式标准化成了大类。
数据引用格式
由于该数据包含较多 RStata 处理的内容，在研究中使用该数据请使用清晰的方式注明数据来源于 RStata 或者 RStata 数据中心，并使用如下格式引用：
RStata 数据中心: 2000～2016年各城市与各国家进出口额面板数据. 2026. https://tidyfriday.cn/rsdb2/
英文文献可以使用下面的格式引用：
RStata Data Center: Panel Data on Import and Export Values by City and Trading Partner Country, 2000–2016. 2026. https://tidyfriday.cn/rsdb2/
关联课程/数据推荐
R语言和Stata中的数据转换（透视、长宽数据转换）：https://rstata.duanshu.com/#/course/50d00ebdfb9a438bb571a9ffb95263f9
Stata中的中文模糊匹配——以2014年工企数据和境外投资名录数据匹配为例：https://rstata.duanshu.com/#/course/d4fb816566244662ab6359fa848f1f1e
使用Stata绘图展示2021年俄罗斯与各国（地区）间的进出口额：https://rstata.duanshu.com/#/course/7310074e221340acb2dd1fb8ea4154cd
R语言地理计算的应用：泰森多边形面积、周长与质心距离计算：https://rstata.duanshu.com/#/course/082e5c13e00a4799a231edbe0604e7c8
Stata中如何正确地进行多对多匹配？：https://rstata.duanshu.com/#/course/00ba01a827cd481db2efbb1705c95901
点击这里跳转到 RStata 短书平台获取附件：2000～2016 年各城市与各国家进出口额面板数据
评论