今天给大家分享一份 2007~2014 年税调与污染数据匹配结果。理论上来说直接根据税调数据和污染数据中的企业名称与组织机构代码匹配即可，不过实际上税调数据里面有不少观测值的企业名称是缺失的，因此一个更好的办法是使用之前分享的工商注册信息匹配结果进行匹配：
2007～2016年税调数据与工商注册数据匹配结果（版本2）: https://rstata.duanshu.com/#/brief/course/cb8992583a404b73bd01a0a5486ac640
1998～2014 年污染数据与工商注册数据匹配结果（版本2）: https://rstata.duanshu.com/#/brief/course/445615ebbb8f424d87445bb2b4a292b5
因此，针对这两份数据，我们可以使用三个变量进行匹配：
- newgcid，这个是我给工商注册信息数据的观测值编号；
- 企业名称；
- 组织机构代码。
首先是根据 newgcid，由于工商注册信息是使用企业名称和组织机构代码匹配的，所以这个变量相当于凝缩了两种信息。
其次是根据企业名称进行匹配。在之前的课程「Stata 中的中文模糊匹配——以 2014 年工企数据和境外投资名录数据匹配为例」中，我分享过使用 Stata 进行模糊匹配的方法，不过模糊匹配耗时耗力，并且错误率很高。不同于英文，中文企业名称只要有一个字不同都可能不是同一家企业（英文企业名称有一两个字母不同可能是因为笔误）。所以中文企业名称的模糊匹配没有意义。因此这里我还是使用了精确匹配，考虑到企业名称中经常会把“有限公司”和“有限责任公司”混用，以及有限公司改股份有限公司之类的。所以这里在匹配前删除了下面词汇：股份有限、集团有限、有限责任、有限、责任、股份、公司、厂、 、(集团)、（集团）、（、）、(、)、省、市、区、县、回族自治区、壮族自治区、维吾尔自治区、自治区。这样可以大大提高匹配成功率。
Stata 中的中文模糊匹配——以 2014 年工企数据和境外投资名录数据匹配为例：https://rstata.duanshu.com/#/course/d4fb816566244662ab6359fa848f1f1e
R 语言中的中文模糊匹配——以工企数据和境外投资名录数据匹配为例：https://rstata.duanshu.com/#/brief/course/2a44e6b5be8740a895e1daad087e2a63
之后再对没有匹配成功的使用组织机构代码进行匹配，最后合并两部分的匹配结果，就得到了我们需要的数据。
数据匹配的方法都差不多，感兴趣的小伙伴也可以学习下面两个课程：
如何匹配中国工业企业数据库和海关数据库？以 2013 年为例：https://rstata.duanshu.com/#/course/5463b8d7afcb438ca1e537fa76c1a45d
工企和污染数据是如何匹配的？使用 Stata 完成整个过程：https://rstata.duanshu.com/#/course/7325758d0ad9457790215455dbcbcb1a
最终匹配效果如下：
根据这个数据就可以计算税调企业的一些指标了，例如 2007～2014年税调企业各种污染指标变化：
点击这里跳转到 RStata 短书平台获取附件：2007~2014 年税调与污染数据匹配结果(版本2)
评论