地级市全要素生产率估算
一行是一个地级市在一年的全要素生产率估算值。覆盖全国 421 个地级市和同级单位，1978 到 2024 年。
v1 生效中 · 2026/11/13 发布时间跨度：1978–2024 年数据出处 出处待核实
- 记录
- 2 万
- 字段
- 15
- AI 扩增字段
- 1
- 平均非空率
- 98.6%
- 字段完整度
15 个字段，14 个没有空值，1 个 AI 扩增
01字段
字段来源，逐一标明
共 15 个字段，其中 AI 扩增字段 1 个。非空率按当前版本的 19,787 行计算。
关于这个数据集
一行是一个地级市在一年的全要素生产率估算值。覆盖全国 421 个地级市和同级单位，1978 到 2024 年。每行有 OLS、FE、RE、GMM、SFA 等几种方法的估算结果，方法不同，数值不能直接相比。可用来比较地区的经济效率。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份province规律 1：省份的字段规律字段规律：city_code由省份、地级市扩增得出。含义：地区键：省份名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 地级市city规律 1：地级市的字段规律字段规律：city_code由省份、地级市扩增得出。含义：地区键：城市名称。样本里格式符合 82%，还没有参照 | 文本 | 原生 | 100% | 原表列名：地区 | ||
| 年份year含义：年份键：年份。样本里格式符合 100%，还没有参照 | 整数 | 原生 | 100% | — | ||
| OLS估算值tfp_ols | 小数 | 原生 | 100% | 全要素生产率 原表列名：OLS | ||
| FE估算值tfp_fe | 小数 | 原生 | 100% | 全要素生产率 原表列名：FE | ||
| RE估算值tfp_re | 小数 | 原生 | 100% | 全要素生产率 原表列名：RE | ||
| DGMM估算值tfp_dgmm | 小数 | 原生 | 100% | 全要素生产率 原表列名：DGMM | ||
| SGMM估算值tfp_sgmm | 小数 | 原生 | 100% | 全要素生产率 原表列名：SGMM | ||
| SFA1估算值tfp_sfa1 | 小数 | 原生 | 100% | 全要素生产率 原表列名：SFA1 | ||
| SFA2估算值tfp_sfa2 | 小数 | 原生 | 100% | 全要素生产率 原表列名：SFA2 | ||
| SFA3估算值tfp_sfa3 | 小数 | 原生 | 100% | 全要素生产率 原表列名：SFA3 | ||
| SFA3D估算值tfp_sfa3d | 小数 | 原生 | 100% | 全要素生产率 原表列名：SFA3D | ||
| TFE估算值tfp_tfe | 小数 | 原生 | 100% | 全要素生产率 原表列名：TFE | ||
| 非参数法估算值tfp_nonparam | 小数 | 原生 | 100% | 全要素生产率 原表列名：非参数法 | ||
| 地级市区划代码city_code规律 1：地级市区划代码的字段规律字段规律：city_code由省份、地级市扩增得出。含义：代码或编号键：市级区划代码。样本里格式符合 100%，79.1% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：地级市区划代码 | 79%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、地级市查行政区划参照得出的现行地级区划代码。程序查表，不用模型。对不上或置信度低的为空 |
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。
| # | 省份province | 地级市city | 年份year | OLS估算值tfp_ols | FE估算值tfp_fe | RE估算值tfp_re | DGMM估算值tfp_dgmm | SGMM估算值tfp_sgmm | SFA1估算值tfp_sfa1 | SFA2估算值tfp_sfa2 | SFA3估算值tfp_sfa3 | SFA3D估算值tfp_sfa3d | TFE估算值tfp_tfe | 非参数法估算值tfp_nonparam | 地级市区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 北京市 | 东城区 | 1978 | 0.786016 | 0.616213 | 0.874128 | 0.740592 | 0.854077 | 0.835079 | 0.781449 | 0.662053 | 0.717114 | 0.907117 | 0.887506 | — |
| 2 | 北京市 | 东城区 | 1979 | 0.863272 | 0.615168 | 0.918919 | 0.714116 | 0.970361 | 0.80078 | 0.921439 | 0.706536 | 0.665626 | 0.989137 | 0.846965 | — |
| 3 | 北京市 | 东城区 | 1980 | 0.94296 | 0.750153 | 0.895369 | 1.007487 | 0.734123 | 0.933266 | 0.686032 | 0.72623 | 0.845477 | 0.890588 | 0.817226 | — |
| 4 | 北京市 | 东城区 | 1981 | 0.876928 | 1.036389 | 0.772082 | 0.626863 | 0.871456 | 0.696465 | 0.907524 | 0.706243 | 0.72657 | 0.721414 | 0.715407 | — |
| 5 | 北京市 | 东城区 | 1982 | 1.01248 | 1.060016 | 0.952065 | 1.033732 | 0.900145 | 1.118507 | 0.712138 | 0.977823 | 0.779215 | 0.848043 | 1.131426 | — |
| 6 | 北京市 | 东城区 | 1983 | 0.952908 | 0.995169 | 0.985135 | 1.039832 | 0.83429 | 0.942912 | 1.080693 | 1.090489 | 0.713042 | 0.901622 | 0.817519 | — |
| 7 | 北京市 | 东城区 | 1984 | 1.071 | 0.792037 | 1.210723 | 1.214257 | 0.940756 | 0.918383 | 1.258875 | 1.277489 | 1.104372 | 1.016893 | 0.998922 | — |
| 8 | 北京市 | 东城区 | 1985 | 1.08332 | 1.287233 | 0.970016 | 0.887607 | 1.194772 | 0.902568 | 0.949877 | 0.950657 | 1.257377 | 1.243716 | 0.896155 | — |
| 9 | 北京市 | 东城区 | 1986 | 1.152 | 0.917349 | 1.002148 | 1.017446 | 0.94449 | 1.37217 | 1.353462 | 1.329673 | 1.381536 | 1.343485 | 1.228792 | — |
| 10 | 北京市 | 东城区 | 1987 | 1.176452 | 1.21811 | 1.23711 | 0.842316 | 1.38819 | 1.249545 | 1.305215 | 1.16737 | 0.909315 | 1.13977 | 1.304968 | — |
| 11 | 北京市 | 东城区 | 1988 | 1.168424 | 1.036848 | 0.846161 | 1.308401 | 1.359426 | 1.385143 | 0.948258 | 0.849292 | 1.311276 | 0.987926 | 1.06038 | — |
| 12 | 北京市 | 东城区 | 1989 | 1.10604 | 1.090511 | 1.218867 | 1.007569 | 1.160988 | 0.792444 | 0.90432 | 1.116304 | 1.249239 | 0.931463 | 1.313334 | — |
| 13 | 北京市 | 东城区 | 1990 | 1.164 | 0.920561 | 1.179924 | 0.946018 | 0.98486 | 1.341289 | 1.086873 | 1.232862 | 1.209303 | 1.322153 | 1.063989 | — |
| 14 | 北京市 | 东城区 | 1991 | 1.285268 | 1.207921 | 0.954774 | 1.012547 | 0.943837 | 0.98449 | 1.400955 | 1.442855 | 1.519315 | 1.402176 | 1.035605 | — |
| 15 | 北京市 | 东城区 | 1992 | 1.270752 | 1.169638 | 1.038395 | 0.910151 | 0.931842 | 1.190517 | 0.955529 | 0.974997 | 1.391003 | 1.197912 | 1.015903 | — |
| 16 | 北京市 | 东城区 | 1993 | 1.283636 | 1.056381 | 1.158815 | 0.925142 | 1.293841 | 1.031402 | 1.25184 | 1.044816 | 0.948119 | 1.503523 | 0.981032 | — |
| 17 | 北京市 | 东城区 | 1994 | 1.28568 | 1.370188 | 1.268002 | 1.374096 | 1.034664 | 1.099488 | 1.416279 | 1.309234 | 1.114286 | 1.490643 | 1.253602 | — |
| 18 | 北京市 | 东城区 | 1995 | 1.38708 | 1.272812 | 1.422562 | 1.522903 | 1.35053 | 1.381282 | 1.22242 | 1.431536 | 1.113354 | 1.202238 | 1.508574 | — |
| 19 | 北京市 | 东城区 | 1996 | 1.441824 | 1.339829 | 1.27861 | 1.443943 | 1.019283 | 1.028064 | 1.279633 | 1.189981 | 1.437426 | 1.416275 | 1.144376 | — |
| 20 | 北京市 | 东城区 | 1997 | 1.503436 | 1.631408 | 1.367119 | 1.602888 | 1.688178 | 1.622042 | 1.799853 | 1.355468 | 1.248919 | 1.163239 | 1.764342 | — |
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 v12026/11/13 发布
生效中19,787 行 · 15 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 15,651 行有城市- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_city_code、origin_province、month按城市对上本数据集 15,651 行（79%）
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 city_code、province、reg_date按城市对上本数据集 15,651 行（79%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year、city_code按城市对上本数据集 15,651 行（79%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_province、origin_city_code按城市对上本数据集 15,651 行（79%）
- 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 15,651 行（79%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province、region_code按城市对上本数据集 15,651 行（79%）
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、city_code、province按城市对上本数据集 15,651 行（79%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、province、year按城市对上本数据集 15,651 行（79%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province、region_code按城市对上本数据集 15,651 行（79%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、province、city_code按城市对上本数据集 15,651 行（79%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 city_code、province、year按城市对上本数据集 15,651 行（79%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date、city_code按城市对上本数据集 15,651 行（79%）
按 省份 + 年份 能连
388 个数据集 · 本数据集 19,787 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 19,787 行（100%）
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、page_publish_time按省份对上本数据集 19,787 行（100%）
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、date按省份对上本数据集 19,787 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 19,787 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 province_code、taobao_village_year按省份对上本数据集 19,787 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 19,787 行（100%）
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year按省份对上本数据集 19,787 行（100%）
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 province、year按省份对上本数据集 19,787 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 19,787 行（100%）
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 year、province按省份对上本数据集 19,787 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 19,787 行（100%）
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 19,787 行（100%）
按 城市 + 年份 能连
66 个数据集 · 本数据集 15,651 行有城市- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 region_code、date按城市对上本数据集 15,651 行（79%）
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 date、region_code按城市对上本数据集 15,604 行（78%）
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 year、city_code按城市对上本数据集 15,604 行（78%）
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code、year按城市对上本数据集 15,604 行（78%）
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code、year按城市对上本数据集 15,604 行（78%）
- 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 15,604 行（78%）
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 15,604 行（78%）
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 city_code、month按城市对上本数据集 15,557 行（78%）
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code、year按城市对上本数据集 15,510 行（78%）
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 city_code、year按城市对上本数据集 14,993 行（75%）
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code、date按城市对上本数据集 14,899 行（75%）
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、pub_date按城市对上本数据集 14,711 行（74%）
按 城市 + 省份 能连
29 个数据集 · 本数据集 15,651 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 15,651 行（79%）
- 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 15,651 行（79%）
- 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 15,651 行（79%）
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、city_code按城市对上本数据集 15,604 行（78%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code按城市对上本数据集 15,604 行（78%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code按城市对上本数据集 15,604 行（78%）
- 地级市距港口距离区域底数 · 335 行 · 连接字段 province、city_code按城市对上本数据集 15,604 行（78%）
- 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 15,557 行（78%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、city_code按城市对上本数据集 15,463 行（78%）
- 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 15,463 行（78%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、city_code按城市对上本数据集 15,181 行（76%）
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 15,040 行（76%）
按 省份 能连
18 个数据集 · 本数据集 19,787 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 19,787 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 19,787 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 19,787 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 19,787 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 19,787 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 19,787 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 19,787 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 19,787 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 19,787 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 19,787 行（100%）
- 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 19,411 行（98%）
- 省级空间邻接矩阵区域底数 · 900 行 · 连接字段 province按省份对上本数据集 19,411 行（98%）
按 城市 能连
10 个数据集 · 本数据集 15,651 行有城市- 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 15,651 行（79%）
- 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 15,557 行（78%）
- 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 15,557 行（78%）
- 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 13,395 行（67%）
- 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 13,254 行（66%）
- 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 13,254 行（66%）
- 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 12,831 行（64%）
- 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 12,596 行（63%）
- 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 2,491 行（12%）
- 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 2,115 行（10%）
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。
本数据集内1
- 扩增得出
city_code由省份、地级市扩增得出。
来自字段扩增地级市全要素生产率估算地级市全要素生产率估算
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-tfp-estimates/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"北京市"}],"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。