中国产业政策文本数据

  CnOpenData中国产业政策文本数据基于大语言模型（LLM）技术，对**五百多万条全量法律法规文档逐条识别、结构化提取**而成，覆盖**1949-2025年**中央、省、市、县（区）各级政府发布的各类产业政策文件，共识别产业政策**约63.8万条**。每条记录除保留标题、发布机关、发布日期、效力位阶、发文字号等法规原始信息外，还提取了**政策基调、政策目标、目标行业（含国民经济行业分类代码）、政策工具、资格条件、组织安排、政府间关系**等20余个结构化维度，并配套政策原文TXT（通过ID字段关联），形成"结构化数据表 + 政策原文"的完整数据集，可直接导入Stata、R、Python进行分析。 ## 置信度分级，按需筛选 每条政策附**三个模型置信度字段**（S1全文判定、S2标题判定、R2精细提取，取值0-100），全部判定均附原文摘录与推理过程、逐条可追溯。研究者可通过「标题验证_确认」「R2_前置复审」等字段按需筛选不同置信层级的样本： + **全量识别结果**（约63.8万条）：覆盖面最广、召回率最高，适用于政策数量统计与长周期趋势分析； + **双模型交叉验证确认样本**（约57.5万条）：两个不同技术体系的模型独立判定一致，置信度更高，适用于主回归分析与稳健性检验； + **精细提取确认样本**（约47.9万条）：字段最丰富、精度最高（R2分数均值93.0），适用于政策工具、目标行业、执行机制等深度分析。 ## 数据特点 + **全量识别，不做抽样**：对全量法规文档逐条处理，无一遗漏，避免抽样带来的选择性偏差，可直接用于全样本研究； + **覆盖中央、省、市、县多级政府**：中央约5.4万条、省级约22.3万条、市级约31.8万条、县（区）级约4.2万条，既可研究中央政策，也可做省际、市际、县域层面的比较与传导分析（乡（镇）级文件在法规库中收录极少，占比不足0.1%）； + **多轮模型复核 + 双模型交叉验证**：三轮独立复核（全文判定→标题独立判定→复审与精细提取），确认阈值为 S1>40 且 S2>40 且 S1+S2>115，边界样本逐层过滤； + **结构化程度高**：目标行业可映射至国民经济行业分类（GB/T 4754-2017）国标代码，可直接与工商、专利、上市公司等数据库按行业和地区对接； + **方法论对标国际前沿**：数据构建方法对标 Fang, Li & Lu (2025)《Decoding China's Industrial Policies》工作论文，可支撑学术论文发表。 ## 应用场景 + **学术研究与论文发表**：产业政策效果评估（DID、事件研究）、政策工具组合效应、央地政策传导与政策扩散、地区间政策竞争、政策不确定性与企业行为等研究； + **政府决策与智库研究**：建设地方政策文本库、地区政策对标、梳理政策工具箱、评估政策执行与落地效果； + **金融机构与量化投资**：构建行业/地区政策热度指数，识别产业扶持与监管收紧信号，服务主题投资、行业轮动与中长期资产配置； + **企业战略与产业咨询**：区域投资选址、可申报补贴与扶持政策机会识别、行业监管趋势研判； + **教学、语料库与大模型应用**：政策文本分析与NLP教学科研语料，大模型微调、RAG知识库与政策问答系统建设。