
- 记录
- 3,180
- 字段
- 16
- AI 扩增字段
- 0
- 平均非空率
- 100%
- 字段完整度
16 个字段,7 个没有空值
图片:Homa Appliances / Unsplash,Unsplash License(在新窗口打开图片的原始页面)
01字段
字段来源,逐一标明
共 16 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 3,180 行计算。
关于这个数据集
一行是一个地级市一年的资本和劳动错配指数(陈永伟、胡伟民的价格扭曲法),以及测算用的 GDP、劳动投入、投资、资本存量和产出弹性。覆盖 299 个城市,只收 2006–2016 年,共 3180 行。原表 2017–2021 年的投入数据大多是线性外推的(总投资额 2017 年起、劳动投入 2020 年起、GDP 2018 年约 99% 的城市),算出的错配指数不可靠,不收。原表“rgdp”一列只是 GDP 换成万元并四舍五入到 3 位有效数字,不是实际 GDP,不收。可用来评估城市的要素配置效率,辅助区域经济风险分析。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 行政区划代码region_code键:市级区划代码(2025 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 省份province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 城市city键:城市名称。样本里格式符合 99%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| GDPgdp_amount | 小数 | 原生 | 100% | 单位:亿元,当年价 | ||
| 劳动投入labor_count | 小数 | 原生 | 100% | 单位:人。原表列名“population(人口总数)”,但数值远小于城市总人口(曲靖 2006 年 23.6 万),像是单位从业人员数,用作劳动投入 | ||
| 总投资额invest_amount | 小数 | 原生 | 100% | 单位:万元 | ||
| GDP指数gdp_index | 小数 | 原生 | 100% | 原表没有写明基期,数值多在 101 左右 | ||
| 投资指数invest_index | 小数 | 原生 | 100% | 原表没有写明基期,数值多在 101 左右 | ||
| 资本产出弹性rok | 小数 | 原生 | 100% | 生产函数里资本的产出弹性,原表列名 rok | ||
| 劳动产出弹性rol | 小数 | 原生 | 100% | 等于 1 − 资本产出弹性,原表列名 rol | ||
| 固定资本存量capital_stock_amount | 小数 | 原生 | 100% | 单位:万元 | ||
| 资本绝对扭曲系数capital_abs_distortion | 小数 | 原生 | 100% | 大于 1 表示资本配置不足,小于 1 表示过度 | ||
| 劳动绝对扭曲系数labor_abs_distortion | 小数 | 原生 | 100% | 大于 1 表示劳动配置不足,小于 1 表示过度 | ||
| 资本错配指数capital_rel_distortion | 小数 | 原生 | 100% | 原表列名“资本相对扭曲系数”,越大错配越严重 | ||
| 劳动错配指数labor_rel_distortion | 小数 | 原生 | 100% | 原表列名“劳动力相对扭曲系数”,越大错配越严重 |
02样本
先看样本,再做决定
这里显示当前版本的前 20 行。这个数据集没有敏感字段。
| # | 行政区划代码region_code | 省份province | 城市city | 年份year | GDPgdp_amount | 劳动投入labor_count | 总投资额invest_amount | GDP指数gdp_index | 投资指数invest_index | 资本产出弹性rok | 劳动产出弹性rol | 固定资本存量capital_stock_amount | 资本绝对扭曲系数capital_abs_distortion | 劳动绝对扭曲系数labor_abs_distortion | 资本错配指数capital_rel_distortion | 劳动错配指数labor_rel_distortion |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 530300 | 云南省 | 曲靖市 | 2006 | 536.8252 | 236400 | 2840143 | 101.2174 | 101.2512 | 0.4772138 | 0.5227862 | 2805047 | 1.125037 | 0.938433 | 0.1111405 | 0.0656062 |
| 2 | 500000 | 重庆市 | 重庆市 | 2006 | 3491.57 | 2197400 | 24518351 | 101.1371 | 101.2221 | 0.4444309 | 0.5555691 | 24200000 | 1.763485 | 1.262011 | 0.4329409 | 0.2076138 |
| 3 | 511100 | 四川省 | 乐山市 | 2006 | 366.435 | 293400 | 1670811 | 101.1947 | 101.3897 | 0.5108267 | 0.4891733 | 1647911 | 0.8456505 | 1.823531 | 0.1825216 | 0.4516135 |
| 4 | 360800 | 江西省 | 吉安市 | 2006 | 354.5737 | 216800 | 1500000 | 101.1697 | 101.2295 | 0.2800963 | 0.7199037 | 1481781 | 1.951805 | 0.9462179 | 0.4876537 | 0.056839 |
| 5 | 320500 | 江苏省 | 苏州市 | 2006 | 4820.26 | 1140900 | 21069898 | 101.1971 | 101.1266 | 0.44468 | 0.55532 | 20800000 | 1.097464 | 0.4748393 | 0.0888084 | 1.105976 |
| 6 | 220100 | 吉林省 | 长春市 | 2006 | 1741.1922 | 851600 | 9504180 | 101.0374 | 101.4612 | 0.464752 | 0.535248 | 9367302 | 1.240168 | 1.017998 | 0.1936578 | 0.0176793 |
| 7 | 220600 | 吉林省 | 白山市 | 2006 | 191.9006 | 142100 | 1307255 | 101.1958 | 101.7414 | 0.5416071 | 0.4583929 | 1284880 | 1.110634 | 1.799669 | 0.0996137 | 0.4443423 |
| 8 | 230500 | 黑龙江省 | 双鸭山市 | 2006 | 169.2288 | 315500 | 834985 | 101.1542 | 101.493 | 0.8341634 | 0.1658366 | 822701.9 | 0.3157508 | 12.52442 | 2.167055 | 0.9201559 |
| 9 | 340600 | 安徽省 | 淮北市 | 2006 | 224.72 | 212900 | 1103015 | 101.0753 | 101.3111 | 0.4610944 | 0.5389056 | 1088741 | 1.141291 | 1.958547 | 0.1237989 | 0.4894175 |
| 10 | 220800 | 吉林省 | 白城市 | 2006 | 190.0399 | 175200 | 1314736 | 101.2487 | 101.6846 | 0.5424464 | 0.4575536 | 1292955 | 1.124227 | 2.24471 | 0.1104996 | 0.5545081 |
| 11 | 140100 | 山西省 | 太原市 | 2006 | 1013.6482 | 779200 | 5011273 | 101.1349 | 101.1428 | 0.5123535 | 0.4876465 | 4954652 | 0.9159369 | 1.756182 | 0.0917782 | 0.4305828 |
| 12 | 420300 | 湖北省 | 十堰市 | 2006 | 338.15 | 285200 | 1166098 | 101.1028 | 101.1253 | 0.2525481 | 0.7474519 | 1153122 | 1.786421 | 1.2571 | 0.4402215 | 0.2045181 |
| 13 | 621000 | 甘肃省 | 庆阳市 | 2006 | 171.5456 | 98000 | 969851 | 101.1928 | 101.2187 | 0.2678619 | 0.7321381 | 958173.6 | 2.714693 | 0.8692933 | 0.6316342 | 0.1503597 |
| 14 | 640400 | 宁夏回族自治区 | 固原市 | 2006 | 51.9279 | 59200 | 419037 | 101.1571 | 101.1887 | 0.4330328 | 0.5669672 | 414114.6 | 2.106793 | 2.240144 | 0.5253449 | 0.5536 |
| 15 | 450600 | 广西壮族自治区 | 防城港市 | 2006 | 119.6125 | 63200 | 689634 | 101.4961 | 101.6053 | 0.4314046 | 0.5685954 | 678738.2 | 1.513951 | 1.035261 | 0.3394768 | 0.0340603 |
| 16 | 150300 | 内蒙古自治区 | 乌海市 | 2006 | 152.3965 | 103000 | 616412 | 101.2133 | 100.6829 | 0.5185433 | 0.4814567 | 612231.4 | 0.7361435 | 1.563932 | 0.3584309 | 0.3605859 |
| 17 | 130800 | 河北省 | 承德市 | 2006 | 427.9969 | 237700 | 2305131 | 101.1879 | 101.218 | 0.4467018 | 0.5532982 | 2277392 | 1.333717 | 1.118258 | 0.2502157 | 0.1057522 |
| 18 | 341800 | 安徽省 | 宣城市 | 2006 | 287.88 | 123100 | 1922932 | — | — | — | — | — | — | — | — | — |
| 19 | 650200 | 新疆维吾尔自治区 | 克拉玛依市 | 2006 | 473.2562 | 148600 | 2060052 | 101.2269 | 101.5464 | 0.8393068 | 0.1606932 | 2028680 | 0.2757537 | 2.176897 | 2.626425 | 0.5406305 |
| 20 | 440300 | 广东省 | 深圳市 | 2006 | 5813.5624 | 1862100 | 12736693 | 101.1742 | 101.0784 | 0.3299982 | 0.6700018 | 12600000 | 0.8594405 | 0.5325955 | 0.1635477 | 0.8775975 |
03版本
每次发布,都留记录
发布后的数据版本不能修改。更正时发布新版本,旧版本保留。
版本 v12026/11/15 发布
生效中3,180 行 · 16 个字段 · 初始导入
04关联
和其他数据集,按键连起来
按键连到地区,能和不少于 70 个数据集连接。另外,它带年份或日期,能和其他数据集按时间对齐。共享同一种键的数据集能连接。按共享的键分组,对上的行多的在前。
按 城市 + 省份 + 年份 能连
186 个数据集 · 本数据集 3,180 行有城市- 地级市专利与绿色专利统计区域底数 · 6,562 行 · 连接字段 year、province_region_code、city_region_code按城市对上本数据集 3,180 行(100%)
- 地级市污染排放与治理区域底数 · 8,618 行 · 连接字段 region_code、province、year按城市对上本数据集 3,163 行(99%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 region_code、year、province按城市对上本数据集 3,158 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、city_code、year按城市对上本数据集 3,158 行(99%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、date、region_code按城市对上本数据集 3,158 行(99%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、year、region_code按城市对上本数据集 3,158 行(99%)
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 region_code、year、province按城市对上本数据集 3,158 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、region_code、date按城市对上本数据集 3,158 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、region_code、province按城市对上本数据集 3,158 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、province、city_code按城市对上本数据集 3,158 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、region_code、province按城市对上本数据集 3,158 行(99%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、approve_date、city_code按城市对上本数据集 3,158 行(99%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 3,180 行有省份- 海关进出口商品统计区域底数 · 2639.9 万 行 · 连接字段 year、province_name按省份对上本数据集 3,180 行(100%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 3,180 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date、province按省份对上本数据集 3,180 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 date、province按省份对上本数据集 3,180 行(100%)
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 taobao_village_year、province_code按省份对上本数据集 3,180 行(100%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 year、province按省份对上本数据集 3,180 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、province按省份对上本数据集 3,180 行(100%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 year、province按省份对上本数据集 3,180 行(100%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 province、create_date按省份对上本数据集 3,180 行(100%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 province、year按省份对上本数据集 3,180 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code、year按省份对上本数据集 3,180 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code、year按省份对上本数据集 3,180 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 3,180 行有城市- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 city_code、year按城市对上本数据集 3,158 行(99%)
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code、year按城市对上本数据集 3,158 行(99%)
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 year、region_code按城市对上本数据集 3,158 行(99%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 year、region_code按城市对上本数据集 3,158 行(99%)
- 地级市高铁状态交通运输 · 6,556 行 · 连接字段 year、city_code按城市对上本数据集 3,158 行(99%)
- 地级市创业活跃度区域底数 · 6,268 行 · 连接字段 region_code、year按城市对上本数据集 3,158 行(99%)
- 地级市环境规制指标区域底数 · 5,754 行 · 连接字段 year、region_code按城市对上本数据集 3,158 行(99%)
- 地级市金融科技发展指数区域底数 · 5,400 行 · 连接字段 year、region_code按城市对上本数据集 3,158 行(99%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 3,158 行(99%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 year、city_code按城市对上本数据集 3,158 行(99%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code、start_year按城市对上本数据集 3,158 行(99%)
- 地级市经济社会统计区域底数 · 120.5 万 行 · 连接字段 year、region_code按城市对上本数据集 3,156 行(99%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 3,180 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、city_code按城市对上本数据集 3,158 行(99%)
- 区县和城市到港口和海岸线的距离区域底数 · 3,270 行 · 连接字段 province_code、city_code按城市对上本数据集 3,158 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、province按城市对上本数据集 3,158 行(99%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code、province_code按城市对上本数据集 3,158 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、province按城市对上本数据集 3,153 行(99%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province、city_code_2按城市对上本数据集 3,149 行(99%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code、city_code按城市对上本数据集 3,146 行(98%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province、region_code按城市对上本数据集 3,142 行(98%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province、city_code按城市对上本数据集 3,126 行(98%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、province_code按城市对上本数据集 3,125 行(98%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 province、region_code按城市对上本数据集 3,118 行(98%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、province_code按城市对上本数据集 3,114 行(97%)
按 省份 能连
18 个数据集 · 本数据集 3,180 行有省份- 地级市空间权重关系区域底数 · 38.4 万 行 · 连接字段 province_code按省份对上本数据集 3,180 行(100%)
- 并购重组交易涉及方明细企业主体 · 32.8 万 行 · 连接字段 province按省份对上本数据集 3,180 行(100%)
- 全国养老机构明细医疗药械 · 5.8 万 行 · 连接字段 region_code按省份对上本数据集 3,180 行(100%)
- 七普分省分行业就业人口区域底数 · 4.4 万 行 · 连接字段 region按省份对上本数据集 3,180 行(100%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province按省份对上本数据集 3,180 行(100%)
- 全国司法鉴定机构医疗药械 · 2,917 行 · 连接字段 province按省份对上本数据集 3,180 行(100%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province按省份对上本数据集 3,180 行(100%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province按省份对上本数据集 3,180 行(100%)
- 省级邻接空间权重区域底数 · 961 行 · 连接字段 source_province按省份对上本数据集 3,180 行(100%)
- 省份距港口距离区域底数 · 31 行 · 连接字段 province按省份对上本数据集 3,180 行(100%)
- 省份空间邻接矩阵区域底数 · 33 行 · 连接字段 province_name按省份对上本数据集 3,169 行(99%)
- 省级两两距离区域底数 · 900 行 · 连接字段 source_province按省份对上本数据集 3,165 行(99%)
按 城市 能连
10 个数据集 · 本数据集 3,180 行有城市- 统筹区异地就医开通状态保险市场 · 425 行 · 连接字段 region_code按城市对上本数据集 3,154 行(99%)
- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 address_city_code按城市对上本数据集 3,153 行(99%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 parent_code按城市对上本数据集 3,152 行(99%)
- 资源型城市静态分类区域底数 · 289 行 · 连接字段 city_code按城市对上本数据集 3,145 行(98%)
- 地级市经济地理嵌套矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 3,129 行(98%)
- 地级市经济地理权重矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 3,129 行(98%)
- 地级市间交通通勤时间交通运输 · 7.3 万 行 · 连接字段 destination_city_code按城市对上本数据集 2,975 行(93%)
- 省级开发区基本信息区域底数 · 1,201 行 · 连接字段 city_code按城市对上本数据集 2,762 行(86%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_city_code按城市对上本数据集 616 行(19%)
- 供应链创新应用试点城市区域底数 · 55 行 · 连接字段 city_code按城市对上本数据集 512 行(16%)
只按年份能连:445 个数据集单独按年份连接多半没有意义,先看上面的组
按 年份 能连
445 个数据集- 全球双边贸易流量区域底数 · 2.2 亿 行 · 连接字段 year
- 出口企业产品质量企业主体 · 9912.4 万 行 · 连接字段 year
- 工企海关匹配对照企业主体 · 3137.8 万 行 · 连接字段 year
- 全球兴趣点建筑设施 · 2299.6 万 行 · 连接字段 created_date
- 上市公司专利被引统计企业主体 · 1432.1 万 行 · 连接字段 cited_apply_date
- A股上市公司日交易行情企业主体 · 1239.1 万 行 · 连接字段 trade_date
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date
- 上市公司年报数字化词频企业主体 · 969 万 行 · 连接字段 year
- 世行WDI国家指标区域底数 · 844.5 万 行 · 连接字段 year
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 美日韩港澳台传染病监测人口健康 · 502.5 万 行 · 连接字段 period_start
05字段规律
字段之间的规律
比如一一对应、谁先谁后。只帮你读懂数据,不用来连接。
还没有发现这个数据集的字段规律。
06授权与接入
申请授权,一次调用就能用上
试用立即生效,并送 500 点试用点数。授权后用 API Key 调用 REST 接口,按返回的行数扣点。
REST 调用示例
# 先把 API Key 放进环境变量:export WI_API_KEY=你的 API Keycurl -X POST 'https://wi.insightworld.cn/api/v1/datasets/city-resource-misallocation-index/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"530300"}],"limit":10}'
交给 Agent
- 以后开放
MCP
仍在使用 MCP 的 Agent 客户端,用 OAuth 连接后通过工具查询。