数据来源：全球法律与监管网（http://policy.mofcom.gov.cn/）、中国法律资源数据库（http://www.lawyee.org）、万方数据库（http://c.g.wanfangdata.com.cn）、中国知网（CNKI，https://www.cnki.net/）、PKULaw.com数据库(https://pkulaw.com/)和中国及其部委的官方网站等。

数据收集：该数据集提供了从改革开放（1978年）到2019年中国环境政策强度40年来的结果。具体而言，数据集包括中国政府每年发布的所有环境政策相应的政策强度。通过检索“节能”、“减排”、“减少污染物排放”、“污染物”、“低碳”、“能源”等关键词，搜索到总计1912项环境监管政策。

文本预处理：在处理文本数据的过程中构建了一个适用于环境政策的特定词典。构建的术语-文档矩阵包含了政策文档中出现的所有词，但是很多词对环境政策强度的重要性不大，因此在形成特定词典之前对这些词进行筛选。筛选后的词语分为政策目标和政策措施两个方面，代表目标和措施的词语不重复，并统计筛选后词语的词频。

构建模型：通过手动阅读并评估每项政策的措施和目标的强度。每项政策都由多个评估者独立评估，每项政策的强度等级为1到5，反映了政策对某些措施或目标的重视程度。环境政策强度计算公式如下：

其中t代表年份，i代表政策，Mtik是某年k个政策措施强度之和，Otin是某年n个政策目标强度之和。

接下来使用随机森林来构建政策强度与词汇的模型，并衡量每个词汇的重要性、给出政策强度的关键指标，以不对模型进行任何假设的方式衡量词汇的重要性，其中Xi的重要性公式计算方式如下：

其中L表示由所有变量X计算的损失函数值，L*i表示由除Xi以外的变量计算的损失函数值。

数据包括：

（1）Key variables importance.xlsx

包括政策措施(PolicyMeasures)和政策目标(Policy Objectives)的相应词汇。政策措施包括人事措施、行政措施、财税措施、金融措施、引导措施和其他经济措施等。政策目标包括防治污染、提高节能减排成效、树立节能减排意识、促进产业升级、提高能源利用效率、优化能源消费结构、推动节能技术改造和减排。

（2）Key variablesimportance.xlsx

其中Dropout-loss是以损失函数计算的词汇重要性和重要性前20的词汇；IncMSE和IncNodePurity分别是以均方误差(INCMSE)和节点纯度(INCnodePuri

ty)计算的重要性和重要性前20的词汇。

（3）1978-2019年中国环境政策强度.zip

包括了1978年到2019年的环境政策及其强度，字段含义如下：

Year：年份

PolicyNumber：每年的环境政策的编号

PolicyName：环境政策中文名

EnvironmentalPolicy in English：环境政策英文名

PolicyIntensity (machine quantification)：基于学习的模型估计的政策强度得分

PolicyIntensity (manual quantification)：专家人工评分的政策强度得分

PolicyType：一共三类，分别是命令控制型环境政策（CCEP）、市场主导型环境政策（MBEP）和公众参与型环境政策（PPEP）。该数据集包括1391个CCEP政策、292个MBEP政策和229个PPEP政策

参考文献：Zhang G,Gao Y, Li J, et al. China’s environmental policyintensity for 1978–2019[J]. Scientific data, 2022,9(1): 1-10.