前不久给大家分享了一份新的工商注册信息数据：
1949～2023 年工商企业注册信息数据（含经纬度及其所属的省市区县）(版本2)：https://rstata.duanshu.com/#/brief/course/6d38a3f10cdb467492f3204d1ebdd313
最近又尝试了使用这份数据和税调数据进行匹配。结果得到了令人惊喜的匹配率（见后文图）。
因为数据较大，所以我提供了 dta 格式的税收调查数据与工商注册数据匹配结果的分年版本，时间范围为 2007～2016 年，最终得到如下数据集：
- 2007sd_info.dta
- 2008sd_info.dta
- 2009sd_info.dta
- 2010sd_info.dta
- 2011sd_info.dta
- 2012sd_info.dta
- 2013sd_info.dta
- 2014sd_info.dta
- 2015sd_info.dta
- 2016sd_info.dta
例如，2016sd_info.dta 即 2016 年税收调查数据与工商注册数据匹配结果，数据概览如下：
匹配结果
为了让大家更直观地感受这份数据，我还绘制了一幅图进行展示。下图展示了税收调查与工商注册数据每年匹配成功的数量：
匹配方法
结合税收调查数据与工商企业注册信息的变量，我选择了两种匹配方式。
首先根据企业名称进行匹配。为便于两个数据集的连接，我在税调数据中生成了sdid 变量以在匹配过程中识别每个观测值。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
点击这里跳转到 RStata 短书平台获取附件：旧版本｜2007～2016年税调数据与工商注册数据匹配结果（版本2）
评论