2000年～2018年中国各省、市、县夜间灯光面板数据
1这个数据为什么重要？
近年来，夜间灯光数据越来越为人所熟知与使用。今年，发展经济学的顶刊Journal of Development Economics甚至专门刊登了一篇文章，详细探讨了夜间灯光（主要指DMSP数据）的应用。
但是，夜间灯光却有一个非常致命的缺陷：2013年前后的数据出现了断层。1992-2013年间为DMSP数据，2013年及之后则为VIIRS数据，两份数据之间无法直接进行转换。
这一缺陷很大程度上限制了目前的研究（尤其是在国内，审稿人更为青睐新数据）。例如，邵帅等（2016，2019）发表在《经济研究》上的两篇经典文献，所用的数据仅截止到2013年。邵帅等（2019，管理世界）也在尾注中道出了这一无奈之处：
限于统计数据的可得性(中国城市层面的化石能源分类消费数据在相关统计资料中并未被系统报告，仅有煤气、液化石油气、燃料煤等少数几种化石能源数据可得)，中国城市层面的碳排放量、能源消费总量及能源结构等数据均无法准确获取，因此本文只能采用这种利用城市层面数据构造省级层面经济集聚指标的方式来弥补上述数据不可得的缺憾。
现在，Chen et al.(2021)发表在《Earth System Science Data》的文章解决了这一难题，他们使用算法将DMSP数据和VIIRS数据衔接了起来，构成了一份完整的时间序列数据，并公布在哈佛大学的数据公开网站Harvard Dataverse上面。我们不用注册账号即可公开下载。
当然，Chen et al.(2021)公布的是tif格式的数据，还需要进一步处理才能使用。这一步RStata已经替大家做好了。大家放心使用即可。
2这个数据为什么可信？
虽然国内某些期刊上也发表了一些文章，讲述了如何处理DMSP和VIIRS的衔接问题。大体思路是使用2013年数据，通过回归建立两份数据的函数关系，以此来修正2013年之后的数据。但是这种方法极大的削弱了夜间灯光的信息量，在方法上也为人所诟病，权威期刊并不一定买账。
而po主查了一下《Earth System Science Data》这本期刊的背景资料，中科院JCR分区显示，该期刊被划分为1区，属于地学类的top期刊，影响因子也常年保持在9-10之间。
po主也去外网查询了一下这本期刊的信息，该期刊的H-index为38。所以，该期刊的权威性还是可以保证的。（当然，po主属于地学领域的行外人，如有不妥，还请大方之家批评指正）
3数据的准确性
po主拿到这份数据之后，画了几个简单的图表，来验证该数据的准确性。
首先是与原文的数据进行比较。下图展示了RStata处理的数据，以及Chen et al.(2021)在原文中展示的数据。可以发现，两者在数值和时间趋势上都是一致的。这表明RStata在处理上是十分精准的（大家有兴趣可以购买RStata的会员，详细阅读该数据的处理方法）。
另外，po主还向大家展示了发表在《中国**经济》上的一篇文章的数据。有意思的是，该数据在2013年出现了明显的下降，且2013年之后的时间趋势，也迥异于2013年之前。至于作者怎么处理的数据，以及怎么把审稿人糊弄过去的，就只有天知道了。
4研究展望
那么这份数据可以用来做什么呢？
最常用的就是作为GDP的代理变量了，这也是目前最通行的做法。po主用CSMAR的数据，画了一下灯光亮度与国内生产总值及国民生产总值的关系图。可以发现，两幅图的R-squared都在0.94左右，拟合程度还是非常好的（未剔除价格影响）。
同时，也有部分文献使用灯光亮度来衡量地区能源消费。实际上，目前也出现了一些文献，使用夜间灯光来反演地区的碳排放（如Chen et al.(2021)）。
因此，po主使用能源消费总量与夜间灯光进行拟合，发现两者的R-squared也达到了0.81，总体上还是不错的。当然，这只是一个非常粗糙的拟合。
5数据获取
在本期的第二篇推文中，po主转发了RStata的详细推文，里面有该数据的获取方法。当然，如果大家知道如何处理tif数据，也可以从该网站https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/YGIVCD直接下载（数据量非常大）。
6参考文献
邵帅,李欣,曹建华.中国的城市化推进与雾霾治理[J].经济研究,2019,54(02):148-165.
邵帅,张可,豆建民.经济集聚的节能减排效应:理论与中国经验[J].管理世界,2019,35(01):36-60+226.
邵帅,李欣,曹建华,杨莉莉.中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J].经济研究,2016,51(09):73-88.
Chen Z, Yu B, Yang C, et al. An extended time series (2000–2018) of global NPP-VIIRS-like nighttime light data from a cross-sensor calibration[J]. Earth System Science Data, 2021, 13(3): 889-906.
Gibson J, Olivia S, Boe-Gibson G, et al. Which night lights data should we use in economics, and where?[J]. Journal of Development Economics, 2021, 149: 102602.
Chen J, Gao M, Cheng S, et al. China’s city-level carbon emissions during 1992–2017 based on the inter-calibration of nighttime light data[J]. Scientific reports, 2021, 11(1): 1-13.