five

Penn World Table (PWT)|经济数据数据集|国际比较数据集

收藏
www.rug.nl2024-10-31 收录
经济数据
国际比较
下载链接:
https://www.rug.nl/ggdc/productivity/pwt/
下载链接
链接失效反馈
资源简介:
Penn World Table (PWT) 是一个包含各国经济数据的统计数据库,涵盖了从1950年至今的多个经济指标,如国内生产总值(GDP)、人口、劳动力、资本存量等。该数据集用于比较不同国家和地区的经济发展水平和增长趋势。
提供机构:
www.rug.nl
AI搜集汇总
数据集介绍
main_image_url
构建方式
Penn World Table (PWT) 数据集的构建基于国际比较项目(ICP)的购买力平价(PPP)数据,结合各国官方统计机构提供的国民经济核算数据。该数据集通过标准化和调整,确保各国经济指标在同一基准下可比。构建过程中,研究团队对原始数据进行多重校验和调整,以消除汇率波动和价格水平差异的影响,从而提供更为准确和一致的国际经济比较数据。
使用方法
PWT 数据集广泛应用于宏观经济学、发展经济学和国际经济学的研究中。研究者可以通过该数据集进行跨国比较分析,评估不同国家的经济发展水平和结构差异。使用时,用户可以根据需要选择特定国家和时间段的数据,进行统计分析和模型构建。此外,PWT 数据集还支持多种数据导出格式,便于与其他经济数据库进行整合和交叉分析,从而深化对全球经济动态的理解。
背景与挑战
背景概述
Penn World Table (PWT) 是由宾夕法尼亚大学国际比较研究中心开发的经济数据集,首次发布于1995年。该数据集汇集了全球多个国家和地区的宏观经济指标,包括国内生产总值、人口、劳动力、资本存量等,旨在为国际经济比较研究提供标准化和可比性的数据支持。PWT的核心研究问题是如何在不同国家之间进行有效的经济指标比较,以揭示经济发展模式和政策效果的差异。其影响力广泛,被经济学界广泛应用于经济增长、发展经济学和国际贸易等领域的研究。
当前挑战
PWT在构建过程中面临多重挑战。首先,数据来源的多样性和质量不一,导致数据整合和标准化过程复杂。其次,不同国家的统计体系和方法差异巨大,如何确保数据的可比性是一个核心难题。此外,随着时间的推移,经济结构和政策环境的变化使得历史数据的更新和维护成为一项持续的挑战。在应用层面,如何有效利用PWT数据进行跨国比较研究,以避免数据误用和误解,也是当前研究者需要面对的重要问题。
发展历史
创建时间与更新
Penn World Table (PWT) 数据集由宾夕法尼亚大学国际比较项目于1995年首次发布,旨在提供全球各国经济表现的详细统计数据。该数据集自发布以来,经历了多次重大更新,最近一次更新是在2021年,版本为10.0。
重要里程碑
PWT 数据集的重要里程碑包括1995年的首次发布,这一版本为全球经济研究提供了基础数据支持。2002年,PWT 7.0版本发布,引入了购买力平价(PPP)调整,极大地提升了数据在国际比较中的准确性。2011年,PWT 8.0版本发布,进一步细化了数据分类和覆盖范围,增加了对新兴经济体的关注。2021年,PWT 10.0版本发布,不仅更新了数据,还引入了新的变量和方法,以更好地反映全球经济的动态变化。
当前发展情况
当前,PWT 数据集已成为全球经济研究的重要参考资源,广泛应用于宏观经济学、国际贸易、发展经济学等领域的研究中。PWT 10.0版本的数据覆盖了183个国家和地区,提供了从1950年至今的详细经济数据,包括GDP、人均收入、资本存量等关键指标。该数据集的持续更新和扩展,不仅为学术研究提供了丰富的数据支持,也为政策制定者和国际组织提供了重要的决策依据。PWT 数据集的精确性和全面性,使其在全球经济分析中占据了不可替代的地位。
发展历程
  • Penn World Table (PWT)首次发表,由宾夕法尼亚大学国际比较研究中心的Irving Kravis、Robert Summers和Alan Heston共同创建,旨在提供跨国经济数据的比较分析。
    1978年
  • PWT发布第5版,引入了购买力平价(PPP)数据,增强了国际经济比较的准确性。
    1991年
  • PWT发布第6版,进一步完善了数据集的结构和内容,增加了更多国家和地区的经济数据。
    2002年
  • PWT发布第7版,引入了新的变量和数据源,提高了数据的质量和覆盖范围。
    2011年
  • PWT发布第9版,对数据集进行了重大更新,增加了更多历史数据和新的经济指标,以支持更广泛的经济研究。
    2017年
  • PWT发布第10版,继续扩展数据集的覆盖范围和深度,提供更详细和精确的跨国经济比较数据。
    2020年
常用场景
经典使用场景
Penn World Table (PWT) 数据集在经济学研究中占据重要地位,其经典使用场景包括国际比较生产力分析、经济增长模型构建以及跨国家收入分配研究。通过提供详细的宏观经济变量数据,如国内生产总值(GDP)、资本存量和劳动力投入,PWT 使研究者能够深入探讨不同国家间的经济结构差异及其对经济增长的影响。
解决学术问题
PWT 数据集解决了经济学领域中关于跨国经济增长差异的核心问题。通过提供标准化和可比性的经济数据,PWT 帮助学者们克服了不同国家统计方法和数据质量的差异,从而能够进行更为精确的国际比较研究。这不仅深化了对经济增长理论的理解,还为政策制定者提供了有力的数据支持,以制定促进经济发展的策略。
实际应用
在实际应用中,PWT 数据集被广泛用于国际组织、政府机构和私人企业的经济分析和预测。例如,世界银行利用 PWT 数据评估各国经济发展水平,制定援助和贷款政策;跨国公司则通过分析 PWT 数据来优化全球供应链布局和市场进入策略。此外,学术界和智库也频繁引用 PWT 数据,以支持其研究报告和政策建议。
数据集最近研究
最新研究方向
在经济计量学领域,Penn World Table (PWT) 数据集的最新研究方向主要集中在跨国经济增长差异的深入分析。研究者们利用PWT提供的详细经济指标,如国内生产总值、资本存量和劳动力数据,探讨不同国家间经济增长的驱动因素。这些研究不仅关注传统经济变量,还引入了环境、教育和科技等新兴因素,以期更全面地解释全球经济格局的变化。此外,PWT数据集还被用于构建和验证经济增长模型,为政策制定者提供科学依据,从而在全球经济治理中发挥重要作用。
相关研究论文
  • 1
    The Penn World Table (PWT) Version 10.0: An Expanded Database of National AccountsUniversity of Groningen · 2021年
  • 2
    The Penn World Table: An Expanded Set of International Comparisons, 1950-2019National Bureau of Economic Research · 2020年
  • 3
    The Penn World Table: An Expanded Set of International Comparisons, 1950-2019National Bureau of Economic Research · 2020年
  • 4
    The Penn World Table: An Expanded Set of International Comparisons, 1950-2019National Bureau of Economic Research · 2020年
  • 5
    The Penn World Table: An Expanded Set of International Comparisons, 1950-2019National Bureau of Economic Research · 2020年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

YOLO Drone Detection Dataset

为了促进无人机检测模型的开发和评估,我们引入了一个新颖且全面的数据集,专门为训练和测试无人机检测算法而设计。该数据集来源于Kaggle上的公开数据集,包含在各种环境和摄像机视角下捕获的多样化的带注释图像。数据集包括无人机实例以及其他常见对象,以实现强大的检测和分类。

github 收录

基于站点观测的中国1km土壤湿度日尺度数据集(2000-2022)

本研究提供了中国范围1km高质量的土壤湿度数据集-SMCI1.0(Soil Moisture of China by in situ data, version 1.0),SMCI1.0是包含2000-2022年、日尺度、以10厘米为间隔10层深度(10-100cm)的高时空分辨率土壤湿度,数据单位为0.001m³/m³,缺失值为-999,投影为WGS1984。该数据集是以中国气象局提供的1,648个站点观测10层土壤湿度作为基准,使用ERA5_Land气象强迫数据、叶面积指数(LAI)、土地覆盖类型(Landtypes)、地形(DEM)和土壤特性(Soil properties)作为协变量,通过机器学习方式获得。本研究进行了两组实验以验证SMCI1.0的精度,时间尺度上:ubRMSE为0.041-0.052,R为0.883-0.919;空间尺度上:ubRMSE为0.045-0.051,R为0.866-0.893。 由于SMCI1.0是基于实地观测的土壤湿度,它可以作为现有基于模型和卫星数据集的有效补充。该数据产品可用于各种水文、气象、生态分析和建模,尤其在需要高质量、高分辨率土壤湿度的应用上至关重要。有关数据集的引用及详细描述,请阅读说明文档。为便于使用,本研究提供了两种不同分辨率的版本:30 秒(~1km)和0.1度(~9km)。

国家青藏高原科学数据中心 收录

btc

该数据集可能包含金融市场交易数据,具体包括时间戳、开盘价、最高价、最低价、收盘价和交易量等信息。数据集分为训练集,包含2465个样本,总大小为175324字节。

huggingface 收录

LIDC-IDRI

LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。

OpenDataLab 收录

LibriSpeech

LibriSpeech 是一个大约 1000 小时的 16kHz 英语朗读语音语料库,由 Vassil Panayotov 在 Daniel Povey 的协助下编写。数据来自 LibriVox 项目的已读有声读物,并经过仔细分割和对齐。

OpenDataLab 收录