旧版本｜2007～2014 年税调与污染数据匹配结果

1233 字 约 4 分钟 数据资料 企业数据数据匹配旧版本

新版本在这里：https://rstata.duanshu.com/#/brief/course/7ccf03e08f314374af879534b9ee8ecd

之前给大家分享过税调数据：

2007~2016 年税调企业地理信息数据（含经纬度及其所处的省市区县）：https://rstata.duanshu.com/#/course/76d38022cd004b09b2aa09647936beb0

也给大家分享过企业污染数据库：

1998～2014 年中国制造业排污整合数据库（dta 格式+原始数据）：https://rstata.duanshu.com/#/course/db26ad2971af481596a2a24e648375d2

最近有小伙伴想把这两份数据匹配起来，由于两份数据都非常巨大，所以我就直接帮大家匹配好了。

匹配结果

税调与污染数据匹配结果的时间范围为 2007～2014 年，经过匹配之后一共得到了 38.9 万条匹配结果：

包含的变量如下：

sdid、wrid、年份、组织机构代码、企业名称、行政区划代码、开业时间年、工业总产值现价万元、年正常生产时间小时、工业用水总量吨、煤炭消费总量吨、其中新鲜用水量吨、重复用水量吨、其中燃料煤消费量吨、原料煤消费量吨、燃料煤平均硫份、燃料油消费量不含车船用吨、其中重油吨、柴油吨、重油平均硫份、洁净燃气消费量万立方米、废水治理设施数套、废水治理设施处理能力吨日、工业废水处理量吨、工业废水排放量吨、氨氮去除量千克、化学需氧量去除量千克、其中当年新增设施去除的千克、化学需氧量排放量千克、氨氮排放量千克、工业废气排放总量万标立方米、废气治理设施数套、其中脱硫设施数套、废气治理设施处理能力标立方米时、其中脱硫设施脱硫能力千克时、二氧化硫去除量千克、二氧化硫排放量千克、氮氧化物去除量千克、氮氧化物排放量千克、烟尘去除量千克、烟尘排放量千克、工业粉尘去除量千克、工业粉尘排放量千克、行政区划名称、行业类别代码、行业类别名称、废水治理设施运行费用万元、化学需氧量产生量千克、氨氮产生量千克、二氧化硫产生量千克、氮氧化物产生量千克、烟尘产生量千克、化学需氧量产生量吨、化学需氧量排放量吨、氨氮产生量吨、氨氮排放量

匹配数量

为了让大家更直观地感受这份数据，我还绘制了两幅图进行展示。下图展示了税调与污染数据每年匹配成功的数量：

下图展示了 2007～2014 年税调企业五种污染指标的变化趋势：

匹配方法

结合税调数据与污染数据库的变量，我选择了两种匹配方式。

首先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

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，附件中也提供了匹配使用的代码供大家参考。

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：

点击这里跳转到 RStata 短书平台获取附件：旧版本｜2007～2014 年税调与污染数据匹配结果

相关文章

评论