中国地级市科技金融试点政策实施时序与城市名录数据库（2000–2024）

模型设定与变量定义

本文参考马凌远和李晓敏（2019）的研究范式，构建双重差分（DID）模型以评估政策效应。核心解释变量为政策虚拟变量（ $Treat$Treat ）与时间虚拟变量（ $Post$Post ）的交乘项（ $Treat\times Post$Treat×Post ）。具体定义如下：

• 处理组虚拟变量（ TreatTreat ）：若样本城市于2011年被列入“促进科技和金融结合”试点城市名单，则赋值为1，否则赋值为0。
• 时间虚拟变量（ PostPost ）：以2011年为政策实施节点，2011年及以前年份赋值为0，2012年及以后年份赋值为1。
• 政策净效应：根据双重差分原理，交乘项 $Treat\times Post$Treat×Post 的回归系数 ${\beta }_1$β1​ 表征了“促进科技和金融结合”试点改革对地区创新水平的净处理效应（Net Treatment Effect）。该变量仅当样本城市属于试点组且观测年份处于政策实施后（即 $Year\ge 2012$Year≥2012 ）时取值为1，其余情况均为0。

数据来源与样本描述

样本涵盖340家企业，共计8,450个观测值（非平衡面板数据）。数据集已完成预处理，包含年份（ $year$year ）、城市（ $city$city ）及构造好的核心解释变量（ $DID=Treat\times Post$DID=Treat×Post ），可直接用于双重差分模型的实证检验。

参考文献

[1] 马凌远，李晓敏。科技金融政策促进了地区创新水平提升吗？——基于“促进科技和金融结合试点”的准自然实验 [J]. 中国软科学，2019(12): 30-42.
[2] 张驰，王满仓。科技金融对城市产业结构升级的影响研究——基于“促进科技和金融结合试点”政策的准自然实验 [J]. 经济问题探索，2023(01): 73-86.