MSK dataset

arXiv2021-09-12 更新2024-08-06 收录

下载链接：

http://arxiv.org/abs/2109.05529v1

下载链接

链接失效反馈

官方服务：

资源简介：

该数据集包含47个变量，涵盖2005年至2019年间82个符合世界银行国际开发协会支持的低收入和中等收入国家。这些变量捕捉了六个关键的国家级能力：技术能力、金融能力、人力资本能力、基础设施能力、公共政策能力和社会能力，这些都是国家吸收能力系统的一部分。

This dataset includes 47 variables, covering 82 low- and middle-income countries supported by the International Development Association (IDA) of the World Bank across the period from 2005 to 2019. These variables capture six key national-level capacities: technological capacity, financial capacity, human capital capacity, infrastructure capacity, public policy capacity, and social capacity, all of which are components of the national absorptive capacity system.

创建时间：

2021-09-12

搜集汇总

数据集介绍

构建方式

MSK数据集的构建源于对低收入和中等收入国家（LMICs）国家吸收能力系统（NACS）实证分析中数据缺失问题的深切关注。研究者从世界银行、联合国教科文组织等权威公开数据库中系统搜集了64个初始变量，这些变量涵盖了技术、金融、人力资本、基础设施、公共政策和社会六大核心能力。面对原始数据中高达87%的缺失率，研究采用了Rubin（1987）提出的多重插补（MI）方法，具体运用了链式方程预测均值匹配（MICE PMM）技术。该技术作为一种半参数方法，无需假设数据服从正态分布，而是通过为每个缺失值从观测数据中寻找具有相似预测均值的“供体”并随机抽取其观测值进行填补，从而生成了包含47个变量、覆盖82个LMICs在2005年至2019年间共1230个国家-年观测值的完整面板数据集。

特点

该数据集的核心特点在于其开创性地聚焦于长期被实证研究边缘化的IDA合格LMICs，填补了该领域完整面板数据的空白。与先前研究（如CANA数据集）相比，MSK数据集在容量概念的操作化上更具独创性，特别是对公共政策和社会能力的定义与测量方式截然不同，且包含了更丰富的47个变量。其技术优势在于MICE PMM方法能够保留原始数据的分布形态、异方差性和变量间的非线性关系，从而生成更真实可信的插补值。经过四重质量检验——包括描述性统计对比、核密度分布视觉检查、相关系数矩阵比较以及迭代收敛模式分析，该数据集被证实具有高度的可靠性和有效性，为LMICs的比较分析提供了坚实的统计基础。

使用方法

MSK数据集为研究LMICs的国家吸收能力系统及其与经济发展关系提供了多维度的分析工具。研究者可直接利用该完整面板数据进行面板回归分析，以量化技术、金融等六大能力对经济增长的因果效应。此外，通过构建综合吸收能力指数，可以对不同国家进行动态排序和聚类分析，识别领先与落后经济体，从而为追赶型发展提供政策启示。数据集的纵向特征（2005-2019年）使得研究者能够追踪各国NACS的演化轨迹，揭示其发展路径的异质性。在使用时，建议研究者注意多重插补数据的特殊性，需对每个插补数据集分别进行分析，并依据Rubin规则合并结果，同时应在研究中明确说明数据生成过程，以确保结论的稳健性。

背景与挑战

背景概述

在国家创新系统（NIS）的学术版图中，针对发展中经济体的实证研究长期处于匮乏状态，尤其是符合世界银行国际开发协会（IDA）支持资格的低收入和中等收入国家（LMICs），因其数据缺失严重，鲜少被纳入关于增长、发展与创新的量化讨论。为填补这一空白，乔治梅森大学的Muhammad Salar Khan于近年构建了MSK面板数据集。该数据集基于Rubin（1987）提出的多重插补技术，采用预测均值匹配（PMM）方法，系统性地估算并补全了82个LMICs在2005年至2019年间共47个变量的缺失值，这些变量精准刻画了技术、金融、人力资本、基础设施、公共政策及社会六大国家吸收能力（NACS）。MSK数据集的问世，为比较分析LMICs的国家吸收能力系统及其与经济增长、发展转型的内在关联，提供了坚实且无缺失的实证基础，显著推动了该领域的量化研究进程。

当前挑战

MSK数据集所应对的核心挑战首先在于LMICs领域数据严重缺失的困境。由于这些国家数据基础设施薄弱、资源匮乏或受冲突影响，关键变量缺失率高达87%以上，导致传统面板分析或复合指标研究要么遗漏大量国家，要么只能进行静态截面分析，无法揭示NACS的动态演化。其次，构建过程中面临方法论挑战：需在多重插补框架下，选择能处理非正态分布、异方差及变量间非线性关联的技术。相较于传统期望最大化（EM）算法，PMM方法虽能保留原始数据分布特征，但需谨慎确定插补模型、辅助变量及插补次数（最终设为50次），并通过四重质量检验（描述统计、核密度分布、相关性比较及收敛性评估）确保插补结果的可靠性与有效性。

常用场景

经典使用场景

在发展中经济体创新系统研究领域，MSK数据集为面板数据分析提供了宝贵的完整数据资源。该数据集聚焦于国际开发协会（IDA）支持的低收入与中等收入国家，涵盖了2005年至2019年间82个国家的47个变量，系统性地刻画了技术、金融、人力资本、基础设施、公共政策与社会六大国家能力。研究者可借此开展国家吸收能力系统的比较分析，追踪能力演进的动态轨迹，并构建综合指数以评估各国在全球南方中的相对发展位势。

衍生相关工作

MSK数据集的构建方法论与数据结构激发了多项衍生研究。其采用的链式方程多重插补预测均值匹配技术，为其他发展中国家面板数据的填补提供了可复用的方法论框架。后续工作包括基于该数据集构建国家吸收能力综合指数并进行聚类分析，以及利用面板数据模型量化各类能力对经济增长的异质性影响。此外，该数据集与CANA数据集形成互补，推动了关于国家创新系统与吸收能力理论在低收入国家适用性的深入探讨，催生了更多关于技术追赶与制度变迁的实证文献。

数据集最近研究