基尼系数、泰尔指数及阿特金森指数等统计工具通常用于量化收入或财富分配的不平等程度，同样也可以应用于研究环境质量的分布情况。最近有小伙伴想要利用 PM2.5 数据来衡量环境质量分布的不平等程度，于是我就帮忙计算了 2000~2023 年各省市区县 PM2.5 浓度数据的基尼系数、泰尔指数及阿特金森指数。这里用到的 PM2.5 浓度数据是之前分享的：
CHAP-PM2.5年度：2000～2023 年各省市区县年度 PM2.5 浓度面板数据：https://rstata.duanshu.com/#/course/98277af2d6c64ee7a09faab9c3314fc3
数据概览
经过计算之后即可得到下面三份文件：
2000~2023年各城市PM2.5浓度（CHAP来源）数据的基尼系数、泰尔指数及阿特金森指数面板数据.dta 2000~2023年各区县PM2.5浓度（CHAP来源）数据的基尼系数、泰尔指数及阿特金森指数面板数据.dta 2000~2023年各省份PM2.5浓度（CHAP来源）数据的基尼系数、泰尔指数及阿特金森指数面板数据.dta
除了省市区县、年份信息，各文件都包含了 gini(基尼系数)、theil(泰尔指数)、atkinson(阿特金森指数) 变量。以 2000~2023年各区县PM2.5浓度（CHAP来源）数据的基尼系数、泰尔指数及阿特金森指数面板数据.dta 为例，该数据包含了 6.9 万条结果，预览如下：
PM2.5 浓度数据相关指标
图表展示效果更好些。
各省份 PM2.5 浓度阿特金森指数
下图展示了 2023 年各省份 PM2.5 浓度数据阿特金森指数：
各城市 PM2.5 浓度基尼系数
下图展示了 2023 年各城市 PM2.5 浓度基尼系数：
各区县 PM2.5 浓度泰尔指数
下图展示了 2023 年各区县 PM2.5 数据泰尔指数：
连续性检查
最后我们可以以省份为例检查下数据的连续性，下图展示了 2000~2023 年中国各省 PM2.5 浓度数据泰尔指数变化：
获取数据
是不是感觉很硬核！欢迎报名 RStata 培训班获取全部课程和以会员价获取数据资料（10元/份）详情可阅读这篇推文：数据处理、图表绘制、效率分析与计量经济学如何学习～
详情可点击阅读原文进入 RStata 学院了解（从首页的会员卡专区即可查看和购买会员卡）。
更多关于 RStata 培训班的信息可添加微信号 r_stata 咨询：
附件下载（点击文末的阅读原文即可跳转）：
https://rstata.duanshu.com/#/brief/course/799a02ea718c43aab5182e24cc5d55b8
