1998～2014 年工企、污染、专利匹配结果（附代码）

1517 字 约 5 分钟 数据资料 专利上市公司数据匹配

前几个个月给大家分享了很多跨数据库匹配结果的数据，例如这些：

两个数据库匹配：

  1. 工企 + 地理位置
  2. 工企 + 海关
  3. 工企 + 污染
  4. 工企 + 专利
  5. 上市公司 + 专利
  6. 上市公司 + 地理位置
  7. 瞪羚企业、独角兽和科技型初创企业名录数据 + 地理位置

三个数据库匹配：

  1. 工企 + 海关 + 专利
  2. 工企 + 海关 + 污染
  3. 工企 + 专利 + 专利知识宽度

今天继续给大家分享一份 工企 + 污染 + 专利 的匹配结果数据。事实上我们在匹配前就分别给工企数据库生成了一个 gqid 变量、污染数据库生成了一个 wrid 变量以及给专利数据库生成了一个 zlid 变量（除了专利数据，都从 RStata 平台上可以找到：https://rstata.duanshu.com/）。所以`工企 + 专利和工企 + 污染两份数据分别包含了 gqid + zlid 和 gqid + wrid，然后我们再使用 gqid 变量匹配两份结果数据就可以得到工企 + 污染 + 专利` 的数据库了！

虽然很简单，不过这个匹配过程对电脑内存要求比较高，所以我就帮大家匹配好了。

此次分享的数据包括两份：

  1. 完整版：直接把工企、污染、专利数据匹配起来，包含三个数据库的所有变量；
  2. 汇总版：先把专利数据汇总成每个公司的各种类型专利数量，然后和工企、专利数据匹配（所以这个版本只有 gqid 和 wrid 变量）；

由于即使是完整版，各年的数据也不大，所以这一次就不再提供 ID 对照表了，如果需要计算其它指标，可以从完整版出发。

下表展示了 工企 + 污染 + 专利 结果数据的匹配效果：

很多小伙伴担心匹配率很低的问题，实际上这个匹配率不可能很高，同时出现在工企、污染和专利三个数据库的企业本身就很少，虽然匹配率不高，但是绝对数量已经不少了。

年份 工企观测值数量 专利观测值数量 污染观测值数量 原始工企数据库的总观测值数 匹配率
1998 760 2648 760 165115 0.46%
1999 1044 4618 1044 162022 0.64%
2000 1283 5434 1283 162872 0.79%
2001 1309 6407 1309 171254 0.76%
2002 1505 9388 1505 181542 0.83%
2003 1730 12511 1730 196206 0.88%
2004 1843 14082 1843 279011 0.66%
2005 2040 20878 2040 270023 0.76%
2006 2497 24466 2497 301930 0.83%
2007 3139 33921 3139 336732 0.93%
2008 4166 44938 4166 412212 1.01%
2009 4849 52536 4849 366130 1.32%
2010 5824 77155 5824 442539 1.32%
2011 8145 108329 8145 302593 2.69%
2012 9648 136350 9648 324604 2.97%
2013 10273 136418 10273 344875 2.98%
2014 10574 175911 10574 309138 3.42%

下图更直观：

匹配效果预览

由于 2014 年的工企数据和之前年份的来源不同，里面没有企业匹配唯一标志码（用以跨年识别统一家企业）。所以需要把 2014 年的数据和之前年份的进行匹配，这个匹配可以参考 Brant 的方法：

  1. 根据组织机构代码匹配；
  2. 没有匹配成功的根据企业名称匹配；
  3. 仍然没有匹配成功的根据法人代表姓名+行政区划+成立年份匹配；
  4. 仍然没有匹配成功的根据电话号码+行政区划+成立年份匹配；
  5. 仍然没有匹配成功的按照成立年份+省地县码+行业代码+县的名字+主营业务匹配。
  6. 剩余的认定为新企业，生成新的标志码。

Stata 处理代码如下（合并面板前进行了一些处理，完整处理代码可以从附件中找到）：

* 将分年数据处理合并
* 根据组织机构代码填补 企业匹配唯一标识码
replace 组织机构代码 = strlower(组织机构代码)
bysort 组织机构代码 (年份): carryforward 企业匹配唯一标识码 if !missing(组织机构代码), replace
* 根据企业名称填补 企业匹配唯一标识码
bysort 企业名称 (年份): carryforward 企业匹配唯一标识码 if !missing(企业名称), replace
* 根据法人代表姓名+行政区划+成立年份
bysort 法定代表人 省地县码 开业成立时间年 (年份): carryforward 企业匹配唯一标识码 if !missing(法定代表人) & !missing(省地县码) & !missing(开业成立时间年), replace
* 根据电话号码+行政区划+成立年份
bysort 固定电话 省地县码 开业成立时间年 (年份): carryforward 企业匹配唯一标识码 if !missing(固定电话) & !missing(省地县码) & !missing(开业成立时间年), replace
* 按照成立年份+省地县码+行业代码+县的名字+主营业务匹配
bysort 开业成立时间年 省地县码 行业小类代码 地区市州盟 主要业务活动或主要产品1 (年份): carryforward 企业匹配唯一标识码 if !missing(行业小类代码) & !missing(省地县码) & !missing(开业成立时间年) & !missing(地区市州盟) & !missing(主要业务活动或主要产品1), replace
count if missing(企业匹配唯一标识码)

* 剩余的企业匹配唯一标识码没有填补成功的视为新企业，可以用gqid临时填充一下
tostring gqid, gen(sgqid) format(%10.0f) force
replace 企业匹配唯一标识码 = sgqid if missing(企业匹配唯一标识码)
compress

* 生成个体 id 设定面板
egen group = group(企业匹配唯一标识码)
duplicates drop group 年份, force
xtset group 年份
drop sgqid
gsort 年份 企业匹配唯一标识码
save "1998~2014年工企专利污染匹配结果（汇总版）.dta", replace

最后汇总下本次提供的数据和代码：

  1. 1998~2014年工企专利污染匹配结果（完整版）.dta
  2. 1998~2014年工企专利污染匹配结果（汇总版）.dta

点击这里跳转到 RStata 短书平台获取附件：1998～2014 年工企、污染、专利匹配结果（附代码）

相关文章

评论