今天给大家分享的是经济研究期刊2022年论文《法治建设与金融高质量发展——来自中国债券市场的证据 》和2023年期刊论文《破产法庭设立、债权人保护 与地方性商业银行风险》中使用到的重要数据——破产法庭设立数据，2022年论文使用该数据研究了破产法律制度建设对中国债券市场影响，2023年论文使用了破产法庭设立数据研究了破产法庭设立对地方性商业影响的数据，两篇论文均来自国内顶级期刊，同时使用该数据进行准自然实验研究法治建设对社会经济产生的影响，而且两篇论文的间隔时间非常短，可以充分说明该数据的重要性以及适用性，本次小编将两篇论文中使用到的数据均进行了整理，数据获取请关注公众号“明天科技屋”，打开公众号文章获取文末数字关键词并回复，在该数据发布24小时之内可以通过分享获得。
一、论文讲解
论文讲解我们就以最新的2023年《破产法庭设立、债权人保护 与地方性商业银行风险》论文为例，数据整理方面将两篇论文涉及到的数据都进行了整理，该文章以2016年-2021年中国地方性商业银行为研究对象，使用破产法庭设立开展准自然实验，采用多期差分模型考察破产法庭设立对银行风险的影响，在多种稳健性检验之后结论依然成立，从破产审判极小和信号作用进行机制分析，从银行信贷特征和产权特征层面考察了破产法庭设立的异质性效果，紧接着，从本地贷款、贷款方式和贷款行业分析了破产法庭设立对信贷配置的影响以及进行了银行利润效率分析，最后得出结论，提出相应的建议。
（一）重要数据来源
本文主要数据来源于CSMAR数据库、WIND数据库、CNRDS数据库、银行网站年报、国家统计局等，这些来源均是关于研究使用到的被解释变量和一系列控制变量等，对于破产法庭设立的数据论文没有提及，小编手动整理。
（二）模型设定与变量定义
该论文采用多期双重差分模型研究破产法庭设立对地方性商业银行的影响，模型构建如下：
其中，被解释变量RISK代表城市商业银行和农村行业银行的风险，参考李双建和田国强（2020）、项后军和张清俊（2020）的研究，选取不良贷款率（NPL）、风险加权资产占比（RWA）以及Z_score指数（LNZ）三个指标来衡量银行风险，具体指标的计算查看论文完整过程。
解释变量COURT指商业银行所在城市在某年是否设立破产法庭，根据破产法庭设立时间，若该城市在当年12月分设立破产法庭，则位于该城市的地方性商业银行下一年度级以后年度取值为1，若该城市在其他月度设立破产法庭，则位于该城市的地方性商业银行当年度及以后年度取值为1，否则为0。
控制变量方面，参考李双建和田国强（2020）、项后军和张清俊（2020）的研究，控制了银行规模（SIZE）、资产负债率（LEV）、资本充足率（CAR）、总资产收益率（ROA）、银行存贷比（LRD）、银行成长性（GROWTH）、各省份GDP增长率（GDPG）、年份固定效应（YEAR）、银行个体固定效应（BANK）
从模型层面可以看出，论文是将商业银行划分到不同的城市和年份进行研究。
（三）实证结果及分析
1. 主要变量描述性统计结果
2. 主检验结果
3. 双重差分法前提检验
平行趋势检验；多期双重差分异质性处理效应检验
4. 稳健性检验
安慰剂检验；替换关键变量和全样本检验；时间、城市和经营区域维度稳健性检验；构建动态面板模型检验和控制变量内生性检验
（四）进一步分析
1. 机制分析
2. 异质性分析
3. 银行信贷配置影响分析
包括破产法庭设立对本地贷款的影响、破产法庭设立对贷款方式的影响以及破产法庭设立对贷款行业偏好的影响三个方面。
4. 经济后果分析
讨论了破产法庭设立对银行利润效率的影响
（五）研究结论和启示
以上就是本篇论文的重要内容，大家如果感兴趣可以自行下载了解
二、重要数据
在上面谈到的两篇论文都是使用了破产法庭进行了一系列的分析，2019年1月开始全国不同地方进行了首批破产法庭设立，截止2022年，全国各省市已经先后成立了17家破产法庭，关于破产法庭城市的时间目前并没有一个网站有全面的信息，小编从各大网站手动整理了破产法庭相关资讯，包括破产信息网、WIND新闻资讯、各大财经APP等最终收集到17个破产法庭的成立时间并进行了多方面的核对对比，最终得到收集结果，2023年的论文采用的是年度数据，样本区间为2016年-2021年，2022年的论文采用的月度和季度数据，样本区间为2018年-2021年，小编为了满足大家更丰富的研究需求，将数据区间拓展到了2010-2023年，包括年度、季度、月度数据，适应大家的需要。
（一）破产法庭设立原始数据
我们从各大网站、新闻平台收集整理了17个破产法庭设立时间，破产法庭设立是从2019年开始的，目前只有到2022年的破产法庭数量一共17家，在数据集中我们保留了原始的数据集，内容如下：
（二）破产法庭设立年度数据
破产法庭设立的年度数据是在2023年中的论文使用，该论文中使用该指标的判别方式主要包括量个部分：1、在原始的基准模型中，如果城市在当年12月设立破产法庭，则位于该城市的地方性商业银行下一年度及以后年度取值为1，若该城市在其他月度设立破产法庭，则位于该城市的地方性商业银行当年年度及以后年度取值为1，否则为0
2、在稳健性检验中，论文采取了其他衡量方式对设立进行判别，第一种衡量方式为：若该城市在上半年设立破产法庭，则位于该城市的地方性商业银行当年及以后年度取值为1；若该城市在下半年度设立破产法庭，则位于该城市的地方性商业银行及以后年度取值为1，否则为0；第二种衡量方式：若该城市当年设立破产法庭，则位于该城市的地方性商业银行当年及以后年度取值为1，否则为0
考虑以上三种方式，小编对三种衡量方式均进行了整理，数据中保留了城市和年度指标，方便大家进行数据合并操作，最终得到了2000年-2023年300个地级市平衡面板数据，保存在“按地区年份划分”表格中，上述三种衡量方式在表格中分别有呈现，大家一看就明白，具体内容展示如下：
（三）破产法庭季度和月度数据
在2022年的论文中，基准回归模型使用到了各城市债券月度数据和季度数据，因此，破产法庭的数据也必须调整为月度和季度数据，我们将月度和季度数据分开保存，最终月度数据包括了2000年-2023年300各地级市各月设立破产法庭情况数据，设立为1，否则为0，在did指标中呈现，数据存储在“月度设立数据”表中，具体内容展示如下：
在季度数据中，我们将数据进行了季度调整，将破产法庭设立按季度进行识别，时间格式如：2010-03表示第一个季度，这样设置是我们结合了其他数据库季度数据格式设置的，方便大家进行数据合并操作，最终得到了2010-2023年300个地级市各季度破产1法庭设立情况数据，保存在“季度设立数据”表中，具体内容展示如下：
以上就是本次分享的全部内容，大家可以看到我们对分享的数据是十分认真和用心的，并且站在使用者的角度考虑，所以大家完全可以相信数据的质量，最后，数据在发布时间起24小时内通过关键词指示操作即可免费获取，关注公众号“明天科技屋”并回复数字关键词了解数据获取方式，该数据由明天科技屋一手整理，版权归明天科技屋所有，未经允许，不得用于商业盈利，否则将追随法律责任！！！
**文章关键词为：“1001” **
版权归原作者 不一样的邓先生 所有， 如有侵权，请联系我们删除。