Data-Gouv-FR/plf-2024-depenses-2024-selon-nomenclatures-destination-et-nature

该数据集名为PLF 2024 - Dépenses 2024 selon nomenclatures destination et nature，涉及法国2024年财政法案（PLF 2024）中的2024年支出数据，按照用途（destination）和性质（nature）的分类标准进行组织。数据集以结构化格式（如Parquet文件）提供，用于公开数据分析和研究目的，支持法语语言处理。

PLF 2024 - Dépenses 2024 selon nomenclatures destination et nature

搜集汇总

数据集介绍

构建方式

该数据集源自法国官方数据平台data.gouv.fr上编号为`655d452025f7f2a6f3a6435b`的公开数据，聚焦于2024年财政法案（PLF 2024）中按目的地与性质分类的支出信息。在Hugging Face平台中，每个data.gouv.fr数据集被映射为一个独立仓库，而每项原始表格资源则转化为一个子集/配置。本数据集即对应其中唯一的子集，其训练数据以Parquet格式压缩存储于`data/`目录下，确保了高效的数据加载与存储。

使用方法

用户可借助Hugging Face的`datasets`库直接加载该数据集。具体用法为：调用`load_dataset`函数并指定仓库路径与配置名称，即可获得包含`train`分段的Dataset对象。例如，执行`ds = load_dataset("Data-Gouv-FR/plf-2024-depenses-2024-selon-nomenclatures-destination-et-nature", "plf-2024-depenses-2024-selon-nomenclatures-destination-et-nature")`后，即可通过`ds["train"]`访问全部数据。这一流程简化了从公共财政数据到可分析格式的转换，适用于Python环境下的财政研究与政策分析。

背景与挑战

背景概述

该数据集由法国政府数据平台Data.gouv.fr于2024年发布，核心研究问题聚焦于法国公共财政预算中按目的地和性质分类的支出明细。作为2024年财政法案（PLF 2024）的重要组成部分，该数据集详细记录了国家预算在不同功能领域（如教育、国防、社会保障）及经济性质（如人员经费、投资支出）上的分配情况。其创建旨在提升财政透明度，为政策制定者、经济学家及公民提供可验证的预算依据，对法国公共财政研究、预算监督及跨年度支出对比具有重要参考价值。

当前挑战

该数据集面临的挑战主要包括：其一，在领域问题层面，公共财政数据常因分类标准不一致（如目的地与性质的双重分类）导致分析困难，需统一术语体系以确保可比性。其二，构建过程中需解决原始数据从多源异构的行政系统向结构化表格（Parquet/CSV）转换的复杂性问题，包括字段映射、缺失值处理及时间对齐。此外，遵循法国开放数据法律框架（如许可证notspecified）带来的使用限制，与跨语言（法语）环境下的国际研究者协作需求之间存在潜在冲突，需平衡开放性与合规性。

常用场景

经典使用场景

在公共财政与政府预算分析领域，该数据集提供了2024年法国财政法案（PLF 2024）中按支出目的与性质分类的详细支出数据。研究者可利用此数据集进行预算结构解析，深入分析不同政策领域（如教育、国防、社会保障）的资金分配比例与变化趋势，亦可用于构建财政支出预测模型或评估预算执行效率。其经典使用场景包括对政府财政透明度研究、跨年度支出对比分析以及财政政策效应的实证检验，为理解法国政府2024年财政资源配置提供了系统化的数据基础。

解决学术问题

该数据集有效解决了公共财政研究中长期存在的政府支出细粒度分类数据获取困难的问题，特别是对于按功能目的（destination）与经济性质（nature）双重维度划分的支出数据需求。在学术层面，它支撑了财政联邦主义理论中关于转移支付效应的实证检验，推动了预算制度经济学领域对支出分类标准化影响的研究，并为政治经济学中关于选举周期与财政支出结构关系的量化分析提供了可靠数据来源，显著提升了法国公共财政研究的可重复性与实证深度。

实际应用

在实际应用层面，该数据集服务于政府决策者的预算绩效管理，通过对比不同性质支出（如人员经费、运营成本、投资支出）的配置效率优化财政资源分配。非政府组织与智库可借助其进行政府责任监督，评估特定公共服务的资金投入合理性。金融分析师与评级机构则能从中提取宏观财政风险指标，测算法国财政可持续性对主权信用评级的影响。此外，数据新闻机构亦能基于此产出可视化报道，增强公众对公共预算的理解与参与度。

数据集最近研究

最新研究方向

该数据集聚焦于法国2024年财政法案（PLF 2024）中按目的地与性质分类的公共支出数据，为政府预算透明度、财政政策分析与公共资金流向追踪提供了结构化基础。当前前沿研究方向涵盖利用此类高细粒度开支数据构建宏观经济预测模型，以及通过自然语言处理与知识图谱技术自动解析预算分类体系的语义关联。特别是在欧洲强化财政问责制的背景下，该数据集可支撑跨年度预算执行偏差检测、部门支出效率评估乃至腐败风险预警系统的研究。其开源属性与Parquet/CVS双格式存储更便于与大数据平台（如Spark）或Hugging Face生态中的机器学习工作流集成，推动公共财政研究的可复现性与跨国比较分析。