一、数据概述
本数据基于地级市政府工作报告文本数据，运用TF-IDF加权词频法计算
融资问题重视度(Emph_D)与行动力(Action_D)指标。这两个指标分别反映
地方政府对融资问题的关注程度和采取行动的力度。





二、核心指标及计算方法
【计算方法】TF-IDF加权词频法
【计算公式】
    TF-IDF = [(1 + log(词频)) / (1 + log(文档总字数))] × log(N/df)
    其中：N = 语料库文档总数（5844个）
          df = 包含该词的文档数
【指标一】融资问题重视度(Emph_D)
    基于"缓解企业融资"到"融资额"等重视度词汇组计算
【指标二】融资问题行动力(Action_D)
    基于"引导金融机构"到"金融科技"等行动力词汇组计算





三、数据范围
【时间跨度】2003年 - 2024年
【地域范围】中国地级市层面
【数据来源】地级市政府工作报告



四、变量说明
序号    变量名称                变量类型    说明
1       城市                    字符型      地级市名称
2       城市编码                数值型      城市唯一标识码
3       年份                    数值型      数据年份（2003-2024）
4       融资问题重视度Emph_D    数值型      核心指标，TF-IDF加权值
5       融资问题行动力Action_D  数值型      核心指标，TF-IDF加权值





五、参考文献
《官员企业经历能降低公司债务融资成本吗?》


六、文件清单
文件名称                                        说明
融资问题重视度与行动力（市级）.dta              计算结果（Stata格式）
融资问题重视度与行动力（市级）.xlsx             计算结果（Excel格式）
市级政府工作报告词频数据.dta                    原始数据（Stata格式）
市级政府工作报告词频数据.xlsx                   原始数据（Excel格式）
城市编码数据.dta                                城市编码匹配表
市级融资问题重视度与行动力数据计算代码.do       Stata计算代码
市级融资问题重视度与行动力数据计算代码.py       Python计算代码
市级融资问题重视度与行动力数据评估代码.do       Stata评估代码
市级融资问题重视度与行动力数据评估代码.py       Python评估代码