Data-Gouv-FR/projet-de-loi-de-finances-pour-2013-plf-2013-budget-general-bg-nomenclature-par-ministere

该数据集展示了2013年财政法案（PLF 2013）中总预算（BG）的信贷情况，包括按部门划分的授权承诺（AE）和支付信贷（CP），并区分了Title 2和非Title 2部分。This dataset presents the credits (authorizations of commitment (AE) and payment credits (CP)) of the General Budget (BG) of the 2013 Finance Bill (PLF 2013) by ministry, distinguishing between Title 2 and non-Title 2.

搜集汇总

数据集介绍

构建方式

该数据集源自法国政府开放数据平台data.gouv.fr，旨在呈现2013年财政法案草案（PLF 2013）中一般预算（BG）按部委分类的拨款明细。构建方式是将原始官方数据资源进行格式转换与结构重组：原始数据以CSV或Parquet格式存储，通过Hugging Face Datasets库将其标准化为可复用的数据集格式，每个原始表格资源对应一个Hugging Face子集/配置，并统一划分为名为“train”的分割，最终形成包含拨款承诺授权（AE）与支付额度（CP）的tabular数据集。

特点

该数据集的核心特点在于其高度结构化的分类体系，聚焦于法国2013年财政法案的一般预算部分，按部委以及标题2（Titre 2）与非标题2（hors Titre 2）两大维度拆解预算条目，细致呈现各政府部门的资金分配情况。数据涵盖授权承诺与支付额度两类关键财政指标，便于进行跨部门对比分析或历年预算变动追踪。同时，采用Parquet列式存储格式，兼顾数据读取效率与存储压缩比，适合大规模统计计算。

使用方法

使用方法极为简洁，依托Hugging Face Datasets库的一键加载机制。用户只需通过`load_dataset`函数指定仓库名称与子集配置名（如"plf-2013-budget-general-par-ministere"），即可将数据完整读入Python环境，返回的`Dataset`对象包含一个`train`分割，可直接以类似DataFrame的接口进行数据查看、过滤、聚合或导出为其他格式，无需手动处理文件下载与解析流程。

背景与挑战

背景概述

该数据集名为《2013年财政法案草案（PLF 2013）总预算（BG）部际分类数据集》，由法国数据开放平台data.gouv.fr于2013年创建，主要研究人员或机构为法国政府预算部门及相关公共数据管理团队。该数据集的核心研究问题在于系统整理并公开法国2013年财政总预算中各部的拨款额度，包括授权承诺金额（AE）与支付额度（CP），并按照部际和Titre 2/非Titre 2类别进行细致分类。作为法国公共财政透明化运动的重要组成部分，该数据集为经济学家、政策分析者及公民提供了可量化、可复用的预算决策依据，有力推动了公共资金使用的问责机制与研究深度，在开放政府数据领域具有标杆性影响力。

当前挑战

该数据集所解决的领域问题挑战在于政府部门预算信息的碎片化与不透明性，传统上法国财政数据分散于各官方文档中，缺乏统一结构化格式，导致研究者难以进行跨年度、跨部门的对比分析。构建过程中遭遇的挑战包括：从原始PDF及非标准化数字文档中提取并清洗数据以确保准确性，将部际预算分类与国家财政法规中的Titre 2/非Titre 2区分映射一致，以及处理许可协议（lov2）下的法律合规性，使数据能以开放许可形式在Hugging Face等平台上稳定发布，同时维护跨年度一致性的术语和编码标准。

常用场景

经典使用场景

该数据集汇聚了法国2013年财政法案中一般预算的详细拨款数据，涵盖按部委划分的授权承诺（AE）与支付拨款（CP），并区分了Titre 2（人事费用）与非Titre 2两类支出。其经典使用场景在于支持对政府预算结构的纵向与横向分析，研究者可借此探究各部委间资源配置差异、预算执行效率以及财政政策导向。通过与历年同类数据集对比，能够揭示预算支出模式的演变轨迹，为公共财政管理提供量化依据。

实际应用

在实际应用中，该数据集可作为政府间财政关系评估、公共政策成本效益分析以及预算监督工具的核心数据来源。政策制定者可借助其细化部委支出条目，识别潜在的低效拨款领域，优化年度财政规划。非政府组织与媒体亦能利用此数据开展预算透明度审计，增进公民对公共资金流向的知情权。此外，它还为金融科技公司构建财政风险预警模型、咨询机构开展跨国预算比较提供了宝贵的基础数据支持。

衍生相关工作

该数据集衍生了一系列具有影响力的工作，包括基于机器学习方法的部委预算执行预测模型，以及利用图神经网络刻画拨款结构关联性的研究。在经典工作中，研究者将其与后续年份的PLF数据整合，构建了法国长期财政预算面板数据库，服务于制度经济学分析。另有工作以此为基准，开发了预算一致性检验指标体系，被欧盟财政监督机构采纳为参考工具。此外，该数据集还催生了关于预算支出透明度与公众参与度的量化关联研究，推动了开放政府数据运动在财政领域的实践。