首页/数据集/Replication Data for: Structural transformation without industrialization? Evidence from Tanzanian consumers

Replication Data for: Structural transformation without industrialization? Evidence from Tanzanian consumers

Name: Replication Data for: Structural transformation without industrialization? Evidence from Tanzanian consumers
Creator: University of Georgia SSO
Published: 2024-01-01T00:00:00+08:00

Harvard Dataverse2024-09-18 更新2026-04-09 收录

发展经济学结构转型

消费行为分析

数据链接：

https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/38VO7H 数据链接链接失效反馈

官方服务：

资源简介：

This zipped file contains replication code for the manuscript "Structural transformation without industrialization? Evidence from Tanzanian consumers", forthcoming in AJAE

应用场景：

提供机构：

University of Georgia SSO

创建时间：

2024-01-01

相关数据集

抖音平台购买粉饼消费者分类数据

消费行为分析

用户分层

通过抖音后台数据统计分析粉饼消费数据，通过对历史下单用户画像建立，对用户进行标签制定，定位用户消费级别，为消费者广告营销策略提供数据支持。1、采集各季度的各个用户购买粉饼的数量等数据，并对用户进行脱敏处理，只采集用户编号。2、数据加工：当季总消费数量为各个用户购买粉饼的数量之和，用户消费占比(%)=消费数量/总消费数量*100%。3、用户消费能力运用ABCDEF分类法，对消费占比≥3%的，给予“A

浙江省数据知识产权登记平台2024-12-24 更新330

On the importance of trip destination for modeling individual human mobility patterns

人类移动模式

消费行为分析

The files contains the spatial information used in [1]. The csv file is composed of 6 columns representing 5 histograms (Figure 4 in the paper). The first column stands for the bins midpoints. The fiv

DataCite Commons2021-01-22 更新110

S1 File -

消费行为分析

食品安全信任

Based on 908 consumer questionnaire data from 15 urban areas in Shanghai, we use the binary logit model to empirically analyze the impact of traceability label trust on consumers’ traceable pork purch

NIAID Data Ecosystem10

昆明地区智能窗帘消费客户分级评价数据

客户关系管理

消费行为分析

采集销售记录表中昆明地区的数据，通过客户在2021年9月1日距离2025年7月1日间隔的最近一次消费时间天数R、客户在2021年9月1日至2025年7月1日之间消费频次F和客户在2021年9月1日至2025年7月1日之间消费金额M（单位：元），采用 RFM 模型对客户进行价值评级，实现精准化运营，通过对昆明地区客户价值管理，满足不同价值客户的个性化需求。对A级客户，每个月进行一次回访维护，对B级

浙江省数据知识产权登记平台2025-10-29 更新210

Percentages of participants consuming each of 30 food groups by dietary pattern (DP) with importance factor*.

饮食模式识别

消费行为分析

*DP were derived using the SPSS Two-Step clustering of 30 food groups (coded as binary variable: absence or presence of food group). Seven hundred and ninety-three participants had complete dietary da

Figshare2015-12-03 更新60