省级固定资产投资价格指数数据集：1998-2024年整理与实操指南

省级固定资产投资价格指数这种数据集，做宏观经济分析或者区域经济研究的人应该不陌生。它不像GDP、财政收入那样经常被公开讨论，但真正做投资分析、测算实际增长、处理面板数据的时候，这个指数又是绕不开的硬通货。这次整理的1998-2024年省级固定资产投资价格指数数据，跨度27年，覆盖全国各省，我拿到手之后做了不少校验、清洗和补全工作，这里把完整的数据内容、处理思路、实操方法以及踩过的坑一并写出来，给后面要用这批数据做研究的同学当个参考。

1. 数据集整体认知：固定资产投资价格指数是什么

1.1 固定资产投资价格指数的概念与构成

固定资产投资价格指数，英文简称FAIPI，反映的是全社会固定资产投资活动中涉及的各类商品和服务的价格变动趋势。听到“固定资产投资”，很多人第一反应是盖楼、修路、买设备，但统计上这个口径要宽得多，包括建筑安装工程、设备工器具购置、其他费用等三大块。每一块的价格变动方向、幅度往往差异很大，比如建材价格大涨的时候，设备价格可能还在跌，所以统计部门会分别编制分项指数，再汇总成总投资价格指数。

从编制方法上看，固定资产投资价格指数属于加权汇总的指数体系。建筑安装工程价格指数主要调查人工费、材料费、机械使用费等价格变动；设备工器具购置价格指数通过重点调查主要设备市场价格变动来编制；其他费用价格指数则覆盖土地取得费、前期工程费、施工工作费、贷款利息等。三大分项指数再按照各构成部分在总投资中的比重加权，得到固定资产投资价格总指数。实际使用中，我们最常用的就是总指数，但分项指数在分析特定行业投资成本时价值更大。

这个数据集的“省级”属性特别重要。全国平均指数只能反映整体趋势，但中国各省之间投资结构差异很大，有的省基建投资比重高，建材价格影响大；有的省制造业投资为主，设备购置价格影响更明显。用全国指数去平减某个省的固定资产投资数据，结果会有明显偏差，这也是省级固定资产投资价格指数数据最核心的用途：做区域层面的实际值测算。

1.2 这个数据集的覆盖范围与核心价值

1998年到2024年，这27年恰好覆盖了两个重要的经济周期，包括1998年亚洲金融危机后的扩张期、2008年全球金融危机后的强刺激阶段、2015年前后的结构调整期以及近几年的增速换挡阶段。每一轮宏观波动都会在固定资产投资价格指数上留下明显的痕迹，比如建材价格的大起大落、设备价格的持续走低等。做长周期研究或构建计量模型时，这个时间跨度足够支撑时间序列分析。

从数据结构角度看，省级面板数据比单纯的全国时间序列更有价值。面板数据可以同时利用省份维度的截面差异和时间维度的动态变化，分析固定资产投资价格变动对投资行为、经济增长、产业结构的影响时，样本量和解释力都会大大增强。比如研究“建材价格上涨对各省投资完成额的影响”，如果只有全国数据，自由度不够，很多模型根本无法估计；有了省级面板，就可以控制省份固定效应，得到相对干净的结果。

这个数据集适合几类人：一是做宏观经济或区域经济研究的研究生和学者，二是券商、基金公司做宏观策略分析的从业者，三是政府研究机构做投资形势研判的分析人员。对于前三类用户，这个数据的价值在于省去了逐省逐年翻查统计年鉴的麻烦，直接提供了统一口径、便于分析的面板数据。但这里必须提醒一句：正因为使用门槛低，数据质量校验的功课一定不能省，否则后续分析容易建立在错误的数据基础上。

2. 数据内容与字段解读：27年省级面板的细节

2.1 数据结构与字段设计

这个数据集我最终整理成了面板结构的长表，每个观测值对应“一个省在某一年”的固定资产投资价格指数。字段包括省份名称、省份代码、年份、固定资产投资价格总指数、建筑安装工程价格指数、设备工器具购置价格指数、其他费用价格指数。几个关键字段的编码规则是：省份代码按照国家行政区划标准代码编制，便于直接合并其他宏观数据；年份以实际统计年份为准；各个指数默认上年同期为100，即绝大多数原始统计口径都是环比指数。

选择长表结构而不是宽表（一列一个年份），主要是考虑计量分析的便捷性。用Stata、R或Python做面板回归时，长表是标准输入格式。有些使用场景下，比如只想画某个省27年的指数走势图，宽表确实更直观，但这个可以通过pandas的透视功能快速转换，不影响整体使用。建议直接使用长表作为主数据文件，按需转换即可。

这里还要说明一下数据缺失问题。1998-2024年间，个别省份在个别年份的数据在公开统计资料中确实存在缺失，这属于客观情况而非整理疏漏。数据集对这些缺失值做了统一标记，便于使用者在分析时自行决定是剔除、插补还是忽略。整理数据时没有强行填充，目的是保留数据的原始性，避免因插补方法不同引发的争论。

2.2 指标口径的几个关键理解

固定资产投资价格指数常用的口径有“以上年为100”的环比指数，以及以某固定年份为基期的定基指数。这个数据集的主体部分是环比指数，原始口径就直接对应统计部门发布的“本年比上年”变动幅度。如果要做跨年累计或计算以某年为基期的价格变动，需要自行转换，具体换算方法在第三节会详细介绍。

分项指数的解释要特别小心。建筑安装工程价格指数反映的是建筑安装活动的成本价格变动，包含了人工费、材料费、机械使用费等。设备工器具购置价格指数则反映购置设备的成本变动，这一项长期偏低甚至负增长，与设备制造业技术进步、规模效应导致的成本下降有关。其他费用价格指数涵盖土地取得费等，2000年之后土地价格快速上涨的时期，这个指数通常会明显高于总指数。

用这些分项指数时要对应投资结构。如果研究制造业投资，应该更多关注设备工器具购置价格指数；研究基础设施投资，建筑安装工程价格指数更关键；研究房地产投资，则建筑安装和其他费用都需要考虑。直接用总指数会掩盖结构差异，这一点研究时务必留意。

2.3 基期变化与数据结构调整的实战理解

统计部门在不同时期会调整指数基期，常见的有以2000年、2005年、2010年、2015年和2020年为基期等。该数据集时间段跨越27年，必然涉及多个基期轮换。原始数据是从公开渠道按年份收集的，不同年份的指数可能基于不同基期，直接放在一起计算会失真。

处理基期不一致的问题，标准做法是先把所有环比指数整理成连续的链式指数，再转换为以某一年为基期的定基指数。具体来说，如果以2000年为基期，设定2000年的指数为100，那么2001年的定基指数等于2000年的100乘以2001年的环比指数再除以100，以此类推逐年相乘。把逐年环比指数连乘，就能得到任意年份相对于基准年的累计价格变化。这个过程中需要严格保证环比指数没有断档，如果中间某个年份缺失，后续的乘法链就断了，处理起来很麻烦。这也是我在整理数据时优先保证环比指数连续性的原因。

关于这种时间跨度长、涉及基期轮换的指数数据，我建议使用者先画一下各省总指数的趋势线，直观检查有没有明显的跳点或断裂。如果某个省在某个年份的指数突然从105跳到90，大概率不是实际价格波动，而是数据衔接或原始口径问题，需要回溯原始资料。

3. 数据清洗与整理实操：拿到手后应该怎么做

3.1 第一步：读入数据与格式统一

拿到原始数据后，我一般先用Python的pandas做预处理。原始文件通常是从各年统计资料中摘录的表格，格式免不了五花八门，年份有的写成“1998年”有的写成“1998”，指数保留小数位数也不统一，第一步必须先做格式标准化。

读入数据的基本操作：

import pandas as pd import numpy as np df = pd.read_excel("投资价格指数_原始.xlsx", sheet_name="总表") df.columns = ["province", "province_code", "year", "total_index", "construction_index", "equipment_index", "other_index"] df["year"] = df["year"].astype(int) df["total_index"] = pd.to_numeric(df["total_index"], errors="coerce")

这个过程中最容易忽略的是省份名称的编码问题。手工整理的数据中，同一个省份可能出现“北京”、“北京市”、“北京地区”多种写法，需要统一替换成标准简称，否则后面合并数据时会产生冗余记录。我处理时直接用国家行政区划简称表做映射，一次性清洗到位。

格式统一后建议顺手做一个重复值检查。面板数据的理想状态是每个省份每年只有一条记录，但因为原始资料可能存在重复录入，所以用df.groupby(["province_code", "year"]).size()这种逻辑检查一下很有必要。如果发现重复项，以统计资料更正式的口径为准进行去重，不要简单删除。

3.2 第二步：缺失值处理策略

缺失值处理没有绝对正确的方法，关键是根据分析需求选择合适的策略。如果后续分析使用的模型对样本量敏感，可以用插补法补齐个别缺失年份；如果只是描述性统计或画图，直接保留缺失值即可。我在整理这个数据集时没有预设插补结果，就是为了把选择权留给最终用户。

常用的插补方法有三种。第一种是线性插值法，用缺失年份前后两个观测值线性推算中间值；第二种是相邻年份均值填充，用缺失年份前一年的指数值作为估计；第三种是基于增长率外推，假设缺失年份的指数增速与相邻年份一致。三种方法各有适用场景，线性插值适合指数变动相对平滑的情况，均值填充在波动较大时也不会太离谱，增长率外推则适合有明显趋势的数据。

以某个省2005年指数缺失为例，如果2004年指数是102.3，2006年指数是101.8，线性插值会得到约102.05，而相邻年份均值则可能直接用2004年的102.3近似。这两种结果对后续分析的影响通常不大，但如果缺失年份恰好处于价格剧烈波动期，插补误差就会放大，此时宁可在论文中明确注明缺失，也不要强行插补。

3.3 第三步：把环比指数拼接成定基指数

这是整个数据清洗过程中技术含量最高的环节。假设要把以2000年为基期的定基指数算出来，操作思路是：首先确认2000年各省的总指数为100，然后将2001年的环比指数乘以100得到2001年定基指数，再乘以2002年的环比指数得到2002年定基指数，依此类推。数学上就是累计连乘。

base_year = 2000 df["chain"] = df["total_index"] / 100.0 df_sorted = df.sort_values(["province_code", "year"]) df_sorted["fixed_index"] = df_sorted.groupby("province_code")["chain"].transform( lambda x: x.cumprod() * 100 )

这段代码的原理是用cumprod对每个省份的环比指数做累计连乘，再乘以100作为基期指数。需要注意，基准年本身的环比指数不能参与乘算，所以实际操作中要么把基准年单独设定为100，要么用上述代码后再做一次基准校正。拼接过后的定基指数能直观看出从2000年到2024年间，各省投资价格整体累计上涨了多少，这对长期对比分析很有帮助。

这里有一个经常被忽略的细节：环比指数连乘虽然有数学依据，但统计上指数编制过程中存在权重结构的周期性调整，连乘得到的累计指数与直接以某年为基期编制的定基指数，理论上会有微小差异。如果追求极致的准确性，应该使用官方直接发布的定基指数序列，但公开资料中各省27年连续的定基指数并不完整，所以实际研究中普遍采用连乘法，只要在论文中注明拼接方法即可。

4. 典型应用场景拆解：怎么用这个数据集

4.1 场景一：计算固定资产投资的“实际值”与真实增速

固定资产投资价格指数最直接的应用，就是把名义投资额转换为实际投资额。各省统计公报中公布的固定资产投资额是当年价格口径，即包含价格变动因素的名义值。如果比较不同年份的投资规模，直接相减会高估实际增长，必须用投资价格指数进行平减。

计算方法是：实际投资额 = 名义投资额 ÷ 固定资产投资价格指数 × 100。这里的指数如果是以某年为基期的定基指数，那么平减后的实际投资额就是以基期价格计算的数值，跨年可比。举个例子，某省2000年名义投资额是500亿元，当年价格指数是100，实际投资额就是500亿元；假设2020年该省名义投资额为3000亿元，而2020年相对于2000年的定基指数是150，那么以2000年价格计算的实际投资额为2000亿元，名义增长5倍，实际只增长3倍，差距非常明显。

平减后计算实际增速也有固定套路。用t年实际投资额相对于t-1年实际投资额的变化率，就是真实投资增速。很多研究中提到“投资实际增速远低于名义增速”，差距就来自价格平减。如果不用固定资产投资价格指数，而改用PPI或GDP平减指数替代，由于这些指数的口径与投资构成不一致，算出来的实际增速偏差会比较大，这一点做实证分析时要格外注意。

4.2 场景二：区域投资价格差异的比较分析

省级数据最大的价值在于能观察区域差异。整理数据时，看图的第一印象是东部发达地区的固定资产投资价格指数波动相对平缓，部分中西部地区和资源型省份的指数波动更加剧烈，这个特征和当地投资结构有一定关系。比如基建占比高的省份，建筑材料价格波动对指数影响明显；制造业投资占比高的省份，设备价格走势的权重更大。

做区域对比时，可以先按省级数据画出热力图或分组线图。比如把各省按照东部、中部、西部、东北进行区域分组，计算各组各年份的总指数均值，观察区域间投资价格走势的趋同或分化。2020年前后部分省份建筑安装工程价格指数差异较大，这种结构性差异很可能反映了不同区域房地产和基建投资景气的分化。

需要提醒的是，区域平均会掩盖省际差异，比如同属东部，不同省份的产业结构、投资周期可能差异很大。因此严谨的区域比较分析，建议以省份为基本单元，同时控制区域固定效应，不要只做简单的分组均值比较。

4.3 场景三：计量模型中的数据接入与变量处理

在实证研究中，固定资产投资价格指数通常作为关键解释变量、控制变量或构造变量的基础数据。比如考察投资价格变动对区域产出的影响，可以用总指数作为核心解释变量；研究房价或土地价格时，可以拆出其他费用价格指数；构建企业实际税负或投资效率指标时，则主要用指数做平减。

接入面板数据时，需要注意数据类型匹配问题。省级面板通常按月或按年记录，这里的价格指数是年度数据，所以合并时以年份作为键值关联。如果模型中的其他变量是季度数据，需要先将年度指数转换为季度值，或者统一到年度频率。最常用的做法是取同一年四个季度相同的数值，或者用插值法将年度指数在季度间平滑展开。

模型设计时还要控制省份固定效应和时间固定效应。由于固定资产投资价格指数本身存在明显的时间联动性（各省价格走势受全国建材、设备市场影响），如果不控制时间效应，估计结果很可能被共同趋势干扰，得到虚假相关。一个好习惯是先把指数对省份和时间做双向固定效应回归，观察残差中是否还有系统性成分，再做进一步分析。

5. 常见问题与排查技巧实录

5.1 数据使用中最容易踩的几个坑

第一个坑是混淆坐标系中不同指数的基期口径。直接从统计公报中复制数据时，最容易出错的是把以上年为100的环比指数当成定基指数使用，导致跨年累计比较时数值严重失真。这是使用价格指数类数据最经典也最常见的问题。

第二个坑是忽略指数口径的调整。统计制度在不同时期有微调，比如行业划分变化、投资项目统计起点提高等，这些调整会影响指数编制的样本范围和权重，导致同一指标前后年份不完全可比。做时间序列分析时，建议先画图观察有没有明显的结构性断点，如果有，分析中要考虑加入虚拟变量或分段处理。

第三个坑是替代指标误用。固定资产投资价格指数与PPI中有部分重合，但覆盖范围完全不同。PPI反映工业品出厂价格，而固定资产投资价格指数涵盖建安工程、设备购置和其他费用，口径差异导致两者走势可能背离。用PPI替代固定资产投资价格指数做平减，结果往往高估或低估实际增速，并不规范。

5.2 数据处理中的疑问速查

5.3 关于数据质量控制的最后一点心得体会

整理这个数据集时，我在核对环节花的时间比收集环节多得多。刚开始核对时凭印象看数据，觉得没什么问题，后来把连续年份的指数画成折线图逐个省份检查，才发现几处明显的异常记录，基本都是录入错误和口径混用。指数类数据和普通的数值数据不一样，相邻年份之间有内在连续性，如果前后年份数值差异突然超出合理范围，几乎可以肯定有问题。

我的建议是，不管数据来源多权威，拿到手都应该做一次逻辑校验。具体方法很简单：一是画时间序列折线图看是否有异常尖峰；二是计算相邻年份的环比增速，看增速是否在合理区间，超出正常范围就回溯检查；三是和全国平均指数对照趋势，如果有省份长期偏离全国走势，需要排查是否因为结构性原因。把这三步走完，基本上能筛掉绝大多数低级错误。

用这个数据集做研究，有一个操作上的小技巧：不要只保留总指数，把分项指数也一起留着。很多分析起初只需要总指数，但做到后面想深入拆解价格变动来源时，没有分项指数就得重新回头找数据，耗时耗力。数据集同时提供总指数和三大分项指数，就是考虑到这种研究深化的需求。建议使用时直接以完整面板数据入库，后续不管是横截面分析、时间序列回归还是空间计量，都能即取即用，不用反复折腾数据接口。