当前位置：首页>python>名师讲堂|使用 Python 测算城市数字经济发展的工具变量

名师讲堂|使用 Python 测算城市数字经济发展的工具变量

2026-08-19 02:45:57

由于借助 AI 工具学习编程已经变得非常容易了，因此之后的课程就不再默认进行视频讲解了，如果特别需要视频讲解也可以联系李老师预约讲解～讲义材料学习过程中遇到的问题也可以及时与李老师联系。

购买 RStata 名师讲堂会员即可参加该课程啦（之前的和未来的都可以参加）！

价格：2800/年或者 4800/长期

购买会员可以从这里下单：https://rstata.duanshu.com/#/card/list/

名师讲堂会员权益：

参加每个月 3～4 次的名师讲堂课程；
参加平台上的其他 R 语言和 Stata 的课程；
以会员折扣价购买我们分享的数据资料（10 元/份）；
课程内外的提问解答服务（课程外的尽量帮忙解决）。

* 如果发票可添加小编微信 r_stata2 （RStata 李老师）开具。如需数据资料，购买后可添加小编微信免费领取数据折扣卡。

更多关于 RStata 会员的更多信息可添加微信号 r_stata2 咨询：

课程主页（点击文末的阅读原文即可跳转）：https://rstata.duanshu.com/#/brief/course/ed1e11bf437243c6847ba1e7aa473f40

今天给大家分享使用 Python 测算城市数字经济发展地理工具变量（IV）的方法。该方法参考自杨本建、唐金汶《数字经济与区域产业布局》（《经济研究》2026 年第 3 期）。

本文的代码全部在由 reticulate 创建与管理的 Python 虚拟环境中运行，与系统 Python（如 Anaconda）完全隔离，避免包版本冲突。

指标来源与计算原理

地理工具变量（Geographic Instrumental Variable）

计算步骤概述

整个计算过程分为以下几个步骤：

生成城市质心：用 geopandas 读取 2021 年行政区划（地级市 .shp），直接得到每个市域多边形的面积加权质心经纬度。
读取源数据：读取上市公司数字转型关键词总词频 .dta 与上市公司注册/办公地址 .dta。
计算年度数字化转型程度：分别计算全国均值，以及杭州（注册地址口径 / 办公地址口径）均值，并求比值。
计算到杭州距离：用 pyproj.Geod(WGS84) 计算各城市质心到杭州质心的测地距离（与 Stata geodist、R sf::st_distance 等价）。
构造面板与工具变量：对（城市 × 年份）做笛卡尔积，乘以比值得到地理工具变量 IVIVIV。
写盘与绘图：保存 4 个带中文变量标签的 .dta，并绘制 2 张结果图。

使用 reticulate 创建与管理 Python 虚拟环境

在 R 中通过 reticulate 包来调用 Python，最好的实践是为项目创建一个专属的 Python 虚拟环境，将所需依赖隔离到独立空间，避免与系统 Python（如 Anaconda）发生版本冲突。

重要说明（避免"已初始化"报错）：reticulate 在 R 会话中只能绑定一次 Python——一旦某个 {python} 代码块运行，Python 解释器就被锁定，之后再调用 use_virtualenv() 会报错：
ERROR: The requested version of Python cannot be used, as another version has already been initialized.
因此，虚拟环境的激活必须在所有 {python} 代码块之前完成。本文档的解决方案是在 setup chunk 中通过 Sys.setenv(RETICULATE_PYTHON = ...) 提前锁定 Python 路径，这是 reticulate 选取 Python 的最高优先级入口。