group-a/Final_Project

--- dataset_info: - config_name: nba features: - name: ori dtype: string - name: game_date dtype: timestamp[ns] - name: year dtype: string - name: county dtype: string - name: state dtype: string - name: ipv_count dtype: float64 - name: spouse_count dtype: float64 - name: bgfriend_count dtype: float64 - name: team dtype: string - name: legal_date dtype: timestamp[ns] - name: OSB_date dtype: timestamp[ns] - name: announced dtype: timestamp[ns] - name: sports_betting_legal dtype: string - name: policy dtype: int64 - name: policy_online dtype: int64 - name: announced_pending dtype: int64 - name: home_team dtype: string - name: away_team dtype: string - name: game_outcome dtype: string - name: winner dtype: string - name: bookmakers dtype: float64 - name: time dtype: string - name: home_team_score dtype: float64 - name: away_team_score dtype: float64 - name: season dtype: string - name: is_playoff dtype: float64 - name: PACE dtype: float64 - name: minutes dtype: string - name: national_tv dtype: float64 - name: tipoff_hour dtype: float64 - name: holiday dtype: int64 - name: game_day dtype: int64 - name: dow dtype: string - name: month dtype: string - name: is_weekend dtype: int64 - name: team_year dtype: string - name: population_estimate dtype: float64 - name: cardazzi_team dtype: int64 - name: weeks_left dtype: float64 splits: - name: dist_panel num_bytes: 139872738 num_examples: 390840 download_size: 11034425 dataset_size: 139872738 - config_name: wnba features: - name: ori dtype: string - name: game_date dtype: timestamp[ns] - name: year dtype: string - name: county dtype: string - name: state dtype: string - name: ipv_count dtype: float64 - name: spouse_count dtype: float64 - name: bgfriend_count dtype: float64 - name: team dtype: string - name: legal_date dtype: timestamp[ns] - name: OSB_date dtype: timestamp[ns] - name: announced dtype: timestamp[ns] - name: sports_betting_legal dtype: string - name: policy dtype: int64 - name: policy_online dtype: int64 - name: announced_pending dtype: int64 - name: home_team dtype: string - name: away_team dtype: string - name: game_outcome dtype: string - name: winner dtype: string - name: bookmakers dtype: float64 - name: time dtype: string - name: home_team_score dtype: float64 - name: away_team_score dtype: float64 - name: season dtype: string - name: is_playoff dtype: float64 - name: PACE dtype: float64 - name: minutes dtype: string - name: national_tv dtype: float64 - name: tipoff_hour dtype: float64 - name: holiday dtype: int64 - name: game_day dtype: int64 - name: dow dtype: string - name: month dtype: string - name: is_weekend dtype: int64 - name: team_year dtype: string - name: population_estimate dtype: float64 splits: - name: dist_panel num_bytes: 46382826 num_examples: 142597 download_size: 3123667 dataset_size: 46382826 configs: - config_name: nba data_files: - split: dist_panel path: nba/dist_panel.parquet - config_name: wnba data_files: - split: dist_panel path: wnba/dist_panel.parquet ---数据集信息： - 配置名称：美国职业篮球联赛（NBA） 特征： - 字段名：ori，数据类型：字符串 - 字段名：game_date，数据类型：纳秒级时间戳（timestamp[ns]） - 字段名：year，数据类型：字符串 - 字段名：county，数据类型：字符串 - 字段名：state，数据类型：字符串 - 字段名：ipv_count，数据类型：64位浮点数 - 字段名：spouse_count，数据类型：64位浮点数 - 字段名：bgfriend_count，数据类型：64位浮点数 - 字段名：team，数据类型：字符串 - 字段名：legal_date，数据类型：纳秒级时间戳（timestamp[ns]） - 字段名：OSB_date，数据类型：纳秒级时间戳（timestamp[ns]） - 字段名：announced，数据类型：纳秒级时间戳（timestamp[ns]） - 字段名：sports_betting_legal，数据类型：字符串 - 字段名：policy，数据类型：64位整数 - 字段名：policy_online，数据类型：64位整数 - 字段名：announced_pending，数据类型：64位整数 - 字段名：home_team，数据类型：字符串 - 字段名：away_team，数据类型：字符串 - 字段名：game_outcome，数据类型：字符串 - 字段名：winner，数据类型：字符串 - 字段名：bookmakers，数据类型：64位浮点数 - 字段名：time，数据类型：字符串 - 字段名：home_team_score，数据类型：64位浮点数 - 字段名：away_team_score，数据类型：64位浮点数 - 字段名：season，数据类型：字符串 - 字段名：is_playoff，数据类型：64位浮点数 - 字段名：PACE，数据类型：64位浮点数 - 字段名：minutes，数据类型：字符串 - 字段名：national_tv，数据类型：64位浮点数 - 字段名：tipoff_hour，数据类型：64位浮点数 - 字段名：holiday，数据类型：64位整数 - 字段名：game_day，数据类型：64位整数 - 字段名：dow，数据类型：字符串 - 字段名：month，数据类型：字符串 - 字段名：is_weekend，数据类型：64位整数 - 字段名：team_year，数据类型：字符串 - 字段名：population_estimate，数据类型：64位浮点数 - 字段名：cardazzi_team，数据类型：64位整数 - 字段名：weeks_left，数据类型：64位浮点数 划分集： - 名称：dist_panel，数据字节数：139872738，样本数量：390840 下载大小：11034425 数据集大小：139872738 - 配置名称：美国女子职业篮球联赛（WNBA） 特征： - 字段名：ori，数据类型：字符串 - 字段名：game_date，数据类型：纳秒级时间戳（timestamp[ns]） - 字段名：year，数据类型：字符串 - 字段名：county，数据类型：字符串 - 字段名：state，数据类型：字符串 - 字段名：ipv_count，数据类型：64位浮点数 - 字段名：spouse_count，数据类型：64位浮点数 - 字段名：bgfriend_count，数据类型：64位浮点数 - 字段名：team，数据类型：字符串 - 字段名：legal_date，数据类型：纳秒级时间戳（timestamp[ns]） - 字段名：OSB_date，数据类型：纳秒级时间戳（timestamp[ns]） - 字段名：announced，数据类型：纳秒级时间戳（timestamp[ns]） - 字段名：sports_betting_legal，数据类型：字符串 - 字段名：policy，数据类型：64位整数 - 字段名：policy_online，数据类型：64位整数 - 字段名：announced_pending，数据类型：64位整数 - 字段名：home_team，数据类型：字符串 - 字段名：away_team，数据类型：字符串 - 字段名：game_outcome，数据类型：字符串 - 字段名：winner，数据类型：字符串 - 字段名：bookmakers，数据类型：64位浮点数 - 字段名：time，数据类型：字符串 - 字段名：home_team_score，数据类型：64位浮点数 - 字段名：away_team_score，数据类型：64位浮点数 - 字段名：season，数据类型：字符串 - 字段名：is_playoff，数据类型：64位浮点数 - 字段名：PACE，数据类型：64位浮点数 - 字段名：minutes，数据类型：字符串 - 字段名：national_tv，数据类型：64位浮点数 - 字段名：tipoff_hour，数据类型：64位浮点数 - 字段名：holiday，数据类型：64位整数 - 字段名：game_day，数据类型：64位整数 - 字段名：dow，数据类型：字符串 - 字段名：month，数据类型：字符串 - 字段名：is_weekend，数据类型：64位整数 - 字段名：team_year，数据类型：字符串 - 字段名：population_estimate，数据类型：64位浮点数 - 字段名：cardazzi_team，数据类型：64位整数 - 字段名：weeks_left，数据类型：64位浮点数 划分集： - 名称：dist_panel，数据字节数：46382826，样本数量：142597 下载大小：3123667 数据集大小：46382826 配置项： - 配置名称：NBA，数据文件： - 划分集：dist_panel，路径：nba/dist_panel.parquet - 配置名称：WNBA，数据文件： - 划分集：dist_panel，路径：wnba/dist_panel.parquet

搜集汇总

数据集介绍

构建方式

在体育经济学与公共政策交叉研究领域，Final_Project数据集通过系统整合美国职业篮球联赛（NBA）与女子职业篮球联赛（WNBA）的赛事记录与州级政策数据构建而成。其核心方法在于将精细的比赛统计信息，如比分、赛程、电视转播情况，与各州体育博彩合法化进程的时间节点及人口统计变量进行多维度关联。数据来源于公开的赛事数据库与政策文件，经过清洗与对齐处理，形成覆盖多年赛季的面板数据，旨在支持对体育博彩政策影响进行严谨的计量经济学分析。

使用方法

研究人员可利用该数据集进行面板数据回归、双重差分等因果推断分析，以评估体育博彩合法化对比赛结果、博彩市场参与度乃至社会指标的潜在影响。数据集以Parquet格式存储，可通过HuggingFace数据集库直接加载，其清晰的字段命名与时间戳格式便于进行时间序列操作与合并。典型的使用场景包括构建计量模型，控制球队固定效应、时间趋势以及各类协变量，从而在控制混杂因素的前提下，识别政策变化的净效应。

背景与挑战

背景概述

Final_Project数据集聚焦于体育经济学与公共政策交叉领域，旨在探究体育博彩合法化对家庭暴力事件及职业篮球赛事的影响。该数据集由研究团队于近年构建，整合了美国国家篮球协会（NBA）与女子国家篮球协会（WNBA）的详细赛事记录，涵盖比赛日期、比分、博彩政策变量及县级家庭暴力统计数据。核心研究问题在于评估体育博彩合法化这一政策变革如何通过社会行为与经济活动的中介，作用于家庭暴力发生率与赛事结果，为公共政策制定与体育管理提供实证依据。

当前挑战

该数据集所针对的领域问题在于量化政策干预与复杂社会现象之间的因果关系，挑战体现在多源异构数据的融合与内生性控制上。具体而言，家庭暴力数据与赛事数据在时空尺度上的对齐需要精细处理，而博彩政策变量存在地区异质性与实施时间差异，增加了因果推断的难度。在构建过程中，挑战主要源于数据采集的分散性，例如各州政策文本的解析、历史赛事记录的完整性校验，以及家庭暴力统计数据的标准化，这些环节均需克服数据缺失与不一致性问题。

常用场景

经典使用场景

在体育经济学与公共政策交叉领域，Final_Project数据集通过整合NBA与WNBA比赛数据、体育博彩合法化时间线及家庭暴力事件统计，为研究者提供了探究体育博彩政策社会影响的微观实证基础。该数据集常被用于构建双重差分模型，分析各州体育博彩合法化前后，博彩可得性变化对家庭暴力报案率的因果效应，尤其关注比赛结果、赛季阶段与政策实施时点的交互作用。

解决学术问题

该数据集有效解决了体育博彩扩张社会成本评估的量化难题。通过精细匹配比赛日期、地理位置与政策变量，研究能够分离出博彩合法化对家庭暴力（如亲密伴侣暴力）的净影响，克服了混杂因素干扰。其意义在于为政策制定者提供了基于大规模面板数据的经验证据，推动了关于博彩监管、公共健康与社会福利的学术讨论，促进了体育经济学与犯罪学的跨学科融合。

实际应用

在实际应用中，该数据集支持政府机构与非营利组织评估体育博彩政策的真实社会后果。公共卫生部门可依据分析结果，在博彩合法化地区针对性加强家庭暴力预防与干预资源分配。体育联盟与监管机构也能参考研究发现，优化赛程安排或制定伴随博彩开放的风险缓解措施，例如在关键比赛日加强社区支持服务，以实现经济效益与社会稳定的平衡。

数据集最近研究

最新研究方向

在体育经济学与公共政策交叉领域，Final_Project数据集整合了NBA与WNBA赛事数据及美国各州体育博彩合法化进程，为探索博彩政策对家庭暴力事件的影响提供了独特视角。当前研究聚焦于利用因果推断模型，分析博彩合法化前后家庭暴力报案率的变化，尤其关注赛事结果、博彩市场活跃度与家庭暴力指标间的动态关联。随着美国各州陆续放开体育博彩，这一数据集成为评估政策社会效应的重要实证基础，相关成果不仅深化了对博彩政策外部性的理解，也为公共安全决策提供了数据驱动的参考依据。