中国县域数据库-线性插值、ARIMA填补（平衡面板2000-2020年）

3.2版更新说明：

1.上版本基础上，进一步更新指标至2020年

2.减小剔除阈值，保留更多区县

3.0版更新说明：

1.数据更新至2020年

2.剔除缺失较多的区县，转为平衡面板

3.填补升级。内含原始版本、线性插值、ARIMA填补三个版本数据

一、数据介绍

数据名称：中国县域数据库

数据来源：《中国区域经济统计年鉴》、《中国县域统计年鉴》

数据范围：2000-2020年，包括2703个区县

样本数量：平衡面板56763条（2703*21=56763）

数据整理：各指标存在不同程度的缺失

更新时间：2022年12月，当前最新3.2版

二、整理方法

第一，识别年鉴。利用NLP算法识别《中国区域经济统计年鉴》、《中国县域统计年鉴》，并转为面板数据

第二，完善数据。对比主流数据库、地方统计局，进一步完善县域数据

第三，统一地区。匹配民政部编码，统一使用2019年编码和地区名称

第四，统一单位。对不同单位的情况，进行单位换算

第五，人工验证。得到指标的面板数据，并人工抽样验证

第六，平衡面板。将非平衡面板转为平衡面板数据

第七，线性插值。利用线性趋势对中间缺失进行填充，得到线性插值版

第八，ARIMA填补。利用时间趋势，对剩余缺失进行预测，得到ARIMA填补版

最终，保留原始版本、线性插值版、ARIMA填补版

三、数据指标

共计83个指标，部分如下：