CNDD-0135 杭州到各城市球面距离（可做地区数字经济发展水平的工具变量，含stata处理代码）及学术论文应用

01 数据介绍

▪ 数据名称: 杭州到各城市球面距离

▪ 数据编号：0135

▪ 数据范围：地区层面

▪ 地区范围：368 个城市

▪ 样本数量：368 条

▪ 数据来源：利用城市间经纬度计算出的球面距离

▪ 数据说明：杭州到各城市球面距离数据包括省代码、省、市代码、市、地区经度、地区纬度、杭州经度、杭州纬度、各地到杭州距离（单位km）、各地到杭州距离（单位英里）、各地到杭州的球面距离等变量，数据提供.dta和.xlxs两周格式，并且提供原始数据及stata计算代码。

▪ 综合评价：以支付宝为代表的数字金融的发展在杭州起源，因此杭州的数字经济发展应处于领先位置，可以预期，在地理上距离杭州越近，数字经济的发展程度应越好。因此，学者们常常选取选取所在地区与杭州的球面距离作为区域数字经济发展的工具变量，是因为这类工具变量与本地区的数字经济发展程度显然具备相关性。

CNDeepData 数据应用质量评级

▪ 常用度：★★★★☆

▪ 稀缺度：★★★★☆ 

▪ 新颖度：★★★★☆

▪ 总体级别：13颗星

✔  常用度：是数据市场中需求指标，是指该数据在经济管理类学术论文中使用频率。

✔  稀缺度：是数据市场中供给指标，是指该数据在其他数据库的出现频率。

✔  新颖度：是数据市场中生成指标，是指该数据在生成时方法新颖程度和工作量。

02 主要指标

   

03 数据概览  

  04 相关前沿文献速递  

▪ 文献来源：

张勋,杨桐,汪晨等.数字金融发展与居民消费增长：理论与中国实践[J].管理世界,2020,36(11):48-63. 

▪ 文献内容：

居民消费的持续增长是一个国家经济稳定且高质量发展的重要因素。数字金融所推动的手机支付对居民消费的影响是巨大和深远的。文章首先构建了一般均衡理论框架,从支付便利性的角度证实数字金融的发展通过缩短居民的购物时间来增加消费。紧接着,文章将中国数字普惠金融发展指数和中国家庭追踪调查数据相结合,实证研究发现,数字金融的发展显著地提升了居民消费,从而有助于经济增长。更重要的是,文章发现数字金融主要通过提升支付的便利性来促进居民消费,而流动性约束的放松并不是数字金融发展提升居民消费的主要原因。最后,数字金融的发展尽管更多地提升了农村居民收入,却没有显著提升农村居民消费,这体现了破除城乡分割的紧迫性。

▪ 实证模型与相关数据应用

在理论分析的基础上，聚焦数字金融与居民消费的实证关系。用 Conijt表示第 t 年 j 省份 i 家庭的消费， 家庭所在地区的数字金融发展程度用DFj，t-1表示。居民消费取对数纠偏，可以得到如下实证模型

在模型（13）中，Xijt表示户主个人、家庭以及家庭所在地区的控制变量，ϕi表示家庭固定效应，φt表示年份固定效应，uijt为随机扰动项。为了减弱反向因果的可能性，我们将数字金融发展滞后一期。此外，由于分析的是地区层面的数字金融发展与家庭消费的关系，为了避免地区内部家庭之间的相关性对模型估计结果的影响，将标准误群集（Cluster）到地区层面。这样一来，γ1衡量了数字金融的发展对家庭消费的总体影响。

模型（13）可能存在遗漏变量和内生性问题。比如，不同家庭对新事物/风险的接受程度往往有差别，这不但影响数字金融的发展，也影响消费行为，而且这类因素很难被度量。为了尽可能克服由第三方因素导致的内生性问题，利用数据的家庭面板特征，构建固定效应模型，控制那些不随时间变化的家庭层面的遗漏变 量，减少对估计结果造成的影响。反向因果也有可能存在，因为居民消费的增加，或许会使互联网朝着更便利与低成本的方向进步，进而促进数字金融的发展。因此，采用工具变量估计方法。

所选取的工具变量为利用地理信息系统（GIS）所计算得到的距离类型的变量，分别是家庭所在地区与杭州的球面距离，以及家庭所在地区与省会的球面距离。这两类工具变量与本地区的数字金融发展程度显然具备相关性。首先，众所周知，以支付宝为代表的数字金融的发展起源于杭州，因此杭州的数字金融发展处于领先位置，可以预期，在地理上距离杭州越近，数字金融的发展程度应越好。在稳健性检验中，还利用家庭所在地区与三大核心城市——北京、杭州和深圳的平均球面距离。核心城市当中之所以没有选择上海，是因为上海离杭州较近，加进上海使得平均球面距离整体偏向华东地区；同理，之所以选择深圳而不是广州，也是因为深圳离广州较近，同时深圳还是腾讯集团的总部，数字金融发展水平也比较高。此外，省会通常是一个省份的经济中心，也应是数字金融发展中心，距离省会城市越近，数字金融的发展也应越好。因此，这两个指标与数字金融发展紧密相关。 

其次，这两个距离变量的外生性，即不会通过一些遗漏变量，特别是经济发展水平，从而影响家庭消费， 满足排他性约束（Exclusion Restriction）。首先，杭州仅仅是中国经济发展的重要城市之一，因此，与杭州的距离越小并不意 味着经济发展水平越高，外生性近似满足。其次，与省会距离较近的地区，一般也都是经济上比较发达的地区。对于这一问题，解决的办法是：利用家庭调查数据，控制所在的村、镇或居委的一些经济发展指标（见上文讨论），尽可能地减少遗漏 变量，从而切断地理距离与居民消费水平之间可能的联系。在控制了这些变量之后，地理距离变量更加外生。 

▪ 实证结果

根据（13）式进行线性最小二乘（OLS）回归，并加入时间和家庭双重固定效应。同时，考虑到同一城市内的家庭之间有相关性，将模型的标准误聚类（Cluster）到地市一级。表4的第（1）列报告了回归结果。 在表4第（1）列的回归中，直接考察数字金融发展与居民消费的相关关系，并控制了户主特征，家庭特征和所在地区的经济特征。发现，数字金融发展的系数是正向且显著的，表明从整体而言，数字金融的发展有助于提升居民消费。 

如前文所说，数字金融发展和居民消费增长之间可能存在反向因果关系。因此，采用工具变量估计方法来进行内生性分析。所选取的工具变量为家庭所在地区与杭州的球面距离，以及家庭所在地区与省会的球面距离。前文也论证了这两类工具变量具 备相关性和排他性的特征，是合适的工具变量。不过，在估计之前，有一点必须指出：模型（13）中的内生变量，即数字金融发展是随年份变化的变量，但所选取的工具变量并不随时间变化，这使得通常的第二阶段估计失效。因此，将工具变量与全国层面（除本 市外）的数字金融发展指数的均值进行交互，作为新的具有时间变化效应的工具变量。首先从统计学的角度检验了两者的相关性。在表 4 的第（2）列中，报告了第一阶段的回归结果。很明显，这两类距离的 工具变量都与数字金融发展显著负相关，意味着离数字金融发展中心越远，数字金融的发展水平越低。这是符合预期的。

表4的第（3）列报告了采用工具变量估计的第二阶 段回归结果。我们首先考察工具变量的有效性。我们 发现，首先，第一阶段的考虑异方差的弱工具变量检验 F统计量大于10，表明工具变量满足相关性特征；其次，检验外生性的Hansen统计量的p值大于0.10，无法拒绝工具变量 满足外生性的原假设。这两类检验联合说明了所选取的工具变量是有效的。从估计结果上看，依然发现数字金融的发 展显著促进了居民消费水平的提升。此外，发现数字金融发展的估计系数更加显著，证实了估计结果的稳健性。不仅如此，数字金融发展的估计系数也有所扩大，但扩大程度不多，表明解释变量的测量误差程度较弱（Angrist & Pischke，2009）。从经济显著性上看，当数字金融发展指数提升 1 个标准差（以 2018 年为例，标准差为29.77）时，居民消费将提升25.6个百分点。

05 其他相关文献

[1]张勋, 万广华, 张佳佳, 何宗樾. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019, 54(08):71-86.

[2]何宗樾, 宋旭光. 数字经济促进就业的机理与启示——疫情发生之后的思考[J]. 经济学家, 2020(05):58-68.

[3]张勋, 杨桐, 汪晨, 万广华. 数字金融发展与居民消费增长：理论与中国实践[J]. 管理世界, 2020, 36(11):48-63.

 

05 获取方式

以下三种方式三选一即可：

▪ 直接购买

添加客服微信，支付价格为69元。

▪ 朋友圈分享后免费领取（每人限领15份）

持续3小时，集齐5个赞，需要对所有人可见，并且本人关注CNDeepData公众号。

▪ 购买大会员

添加客服微信，购买年度普通会员149元，年度高级会员299元，永久高级会员899元，可享CNDeepData所有数据免费获取。

▪ 朋友圈分享要求：

①分享时间需要在早上7:30到晚上12:30之间。

②请附带一句推荐词，例如“推荐CNDD高质量数据库”。

③请将包含时间内容的截图发给客服。

▪ 添加客服微信方式：

扫描下方二维码，或搜索下方微信号。

添加客服微信号：

DeepData001

获取更多更新数据

版权声明 …

1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。

2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。

数据授权使用说明 …

任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。

中国深度数据库：让精品数据 得以流动

CNDeepData：Let high-quality data flow without barriers

资源下载

此资源下载价格为69积分（年度普通会员免费），请先登录