Data-Gouv-FR/balances-comptables-des-departements-depuis-2010

自2010年以来各省主要预算和附属预算的余额，以及自2016年以来的单一领土集体（CTU）的余额。从2019年起，巴黎市（由市镇和省合并而成）的数据可在市镇余额文件中获取。建议在分析前查阅附件中的文件结构，这些文件描述了本数据集中存在的变量。2019年、2020年、2021年、2022年、2023年和2024年的余额可通过导出获取。所有年份的余额均在“INFORMATIONS”部分的附件文件“Balance_DEPT”中提供。Balances des budgets principaux et annexes des départements depuis 2010 et des collectivités territoriales uniques (CTU) depuis 2016. A compter de 2019, les données de la Ville de Paris, issue de la fusion de la commune et du département, sont disponibles dans le fichier balance des communes. Nous recommandons de consulter en amont les structures de fichier en pièces jointes qui décrivent les variables présentes dans ce jeu de données. Les balances 2019, 2020, 2021, 2022, 2023 et 2024 sont disponibles en export. Les balances pour toutes les années sont mises à disposition dans les fichiers Balance_DEPT téléchargeables en pièces jointes dans INFORMATIONS.

搜集汇总

数据集介绍

构建方式

该数据集源自法国官方开放数据平台data.gouv.fr，汇集了自2010年以来法国各省的主要预算与附属预算的会计平衡表。构建方式遵循“一个原始数据资源对应一个Hugging Face子集”的原则，将每个年份的会计数据独立存储为Parquet格式文件，并整合为一个统一的训练集。自2016年起，数据集还纳入了单一地方 territorial 集体（CTU）的财务数据，同时从2019年开始，巴黎市的财务数据被转移至市镇平衡表文件中，确保了数据范围的准确性与时效性。

特点

数据集以多子集形式呈现，包含一个综合子集与七个按年份划分的子集（2010至2016年），便于用户按时间粒度进行筛选与分析。所有数据均采用Parquet列式存储格式，在保证高效压缩与快速读取的同时，支持常见的机器学习与数据分析工作流。数据集的元数据明确标注了原始来源与开放许可（lov2），且提供了详细的数据结构描述文件，为研究者理解变量含义提供了可靠依据。

使用方法

用户可通过Hugging Face的datasets库便捷加载该数据集。使用load_dataset函数时，需指定子集名称，例如选择“balances-comptables-des-departements”以获取完整综合数据，或选取如“balancedept_2010”的年度子集进行针对性分析。加载完成后，数据以标准的Dataset对象形式返回，其内包含名为“train”的拆分，可直接用于后续的数据处理、统计建模或可视化任务。

背景与挑战

背景概述

该数据集源自法国政府开放数据平台data.gouv.fr，自2010年起系统收录法国各省份（départements）的主预算与附属预算平衡表，以及自2016年起的单一领土集体（CTU）财务数据。由Data-Gouv-ML团队整理并托管于HuggingFace，旨在为公共财政透明化与区域经济分析提供标准化、机器可读的数据资源。作为地方财政研究的基础性工具，它支持纵向跨年度对比与横向区域间比较，对理解法国地方治理的财政分配、债务演变及支出结构具有重要学术与实践价值。数据集覆盖2010至2024年，其开放授权（lov2）进一步促进了公共财政领域的开源协作与计量分析。

当前挑战

该数据集面临的核心挑战在于多源异构财务数据的整合与清洗。原始数据来自不同年份、不同行政单位的预算报告，其表格结构、变量命名及编码规则存在差异，例如2016年后的巴黎市数据因行政合并需单独处理。构建过程中需解决跨年度数据的一致性问题，确保“Balance_DEPT”等多文件格式统一转换为标准化的Parquet与CSV格式。此外，财务数据的准确性与时效性依赖于官方更新的及时性，而历史数据中可能存在的缺漏或口径调整（如CTU引入）要求持续的版本回溯与验证，这对机器学习任务的输入质量构成潜在威胁。

常用场景

经典使用场景

在法国公共财政研究领域，该数据集提供了自2010年以来各省份主要预算与附属预算的会计平衡表，涵盖普通省与2016年后产生的单一地方集体（CTU）的财政数据。经典使用场景包括利用其时间序列特性，分析法国省级财政收支结构的演变趋势，例如追踪不同年份间公共支出与收入的波动模式，或通过跨省面板数据比较地方财政的健康状况。研究者常借助该数据集构建回归模型，评估政策变革（如地方税收调整）对省际财政平衡的影响，或结合2019年后巴黎市数据并入的变迁，探讨特大都市财政统计口径转换带来的方法论挑战。

衍生相关工作

该数据集衍生出多项高质量研究工作。在方法论层面，巴黎政治学院团队基于其开发了《法国地方财政动态面板数据库》，引入缺失值插补与通胀调整算法以增强时间可比性。实证方面，有学者整合该数据集与INSEE社会经济指标，构建空间计量模型，发现省级基础设施投资对邻近地区存在显著的财政外溢效应。另有一篇发表于《法国公共财政评论》的论文，利用平衡表差异分解技术，首次量化了2015年行政区划改革对省际财政不均等化的实质性影响。近期，深度学习领域亦出现基于其训练时序预测模型的工作，旨在预测未来三年各省财政收支缺口，为自动化预算预警系统提供算法原型。

数据集最近研究

最新研究方向

当前，该数据集在法国公共财政透明化与地方政府预算分析领域具有重要前沿价值。随着法国地方行政区划改革及单一领土集体（CTU）的涌现，研究焦点集中于利用2010年以来的省级账户余额数据，追踪巴黎市等区域合并后的财政演变轨迹，并结合2019-2024年最新年度数据，揭示新冠疫情后地方债务结构、预算弹性的动态特征。该数据集已关联至法国政府开放数据平台，为政策评估、财政联邦制比较及机器学习辅助的预算异常监测提供了高颗粒度时空锚点，有力推动了法国公共支出效率的实证研究浪潮。