1949～2023年工商企业注册信息判断国有非国有

1897 字 约 6 分钟 数据资料 企业数据

今天给大家分享一份 1949～2023 年工商企业注册信息判断国有非国有数据。基于之前分享的 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) 处理得到，共覆盖 75 年（1949–2023）的工商注册企业，逐条根据工商部门登记的”企业类型”字段判断其所有制性质，输出 ownership（所有制大类）、is_soe（是否为国企）与 soe_reason（判定依据）三个新变量。

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/#/course/6d38a3f10cdb467492f3204d1ebdd313

整套数据累计 2.725 亿条注册记录，国企 218.9 万家（累计口径）。逐年的判定结果单独成 CSV 文件，文件名形如 <年份>_国企判定.csv，放在 工商企业注册信息判断国有非国有/ 子目录下；同时还在顶层提供一份汇总：工商企业注册年度汇总.csv。

数据处理方法

数据处理流程如下：

  1. 批量分块判定：使用 R 脚本（code/batch_judge_soe.R）逐个处理 76 个年度 CSV（1949–2023 + 注册年份缺失），对每个文件按 50 万行/块进行分块读取，只读取判定所需的 newgcid / 企业名称 / 企业类型 三列，单文件最大约 18 GB 也能平稳处理；输出文件已存在则自动跳过，支持断点续跑。
  2. 逐条判定所有制：每条记录通过核心分类函数 classify_ownership() 输出三个字段，详见下文”企业类型判断标准”。
  3. 逐年汇总 + 整体汇总。

企业类型判断标准（核心）

判定逻辑位于 code/judge_soe.R 与 code/batch_judge_soe.R 的 classify_ownership() 函数，采用”关键词优先级匹配 + 企业名称辅助标注”的口径。

第一步：文本预处理——统一全角括号为半角并 str_trim() 去首尾空格，避免 （国有控股） 与 (国有控股) 这类登记口径差异导致的漏判。

第二步：六类关键词规则（按优先级从高到低匹配）：

优先级 关键词（”企业类型”字段） 归类
1 含「非国有」（如”非国有独资”） 私营企业（否定词优先排除，避免”非国有独资公司”被误判为国企）
2 含「国有」（国有控股/国有独资/国有经营单位/国有事业单位…）或为「全民所有制」 国有企业
3 含「集体」（集体所有制/集体经营单位/集体分支机构） 集体企业
4 含「外商 / 外国 / 中外 / 台港澳 / 港澳台 / 外商投资」 外商港澳台投资企业
5 含「自然人 / 私营 / 个人独资 / 个体 / 合伙 / 非公司私营」 私营企业
6 字段为空 / NA 未知
7 上述均未命中 其他

第三步：输出三个判定字段：

  • ownership：按上表优先级命中的最终类别（六类之一）。
  • is_soe：是否国企，严格口径下只把 ownership == “国有企业” 计为 TRUE；如研究需要将集体企业也并入国企口径，把代码中 is_soe = (ownership == “国有企业”) 改为 is_soe = ownership %in% c(“国有企业”, “集体企业”) 即可。
  • soe_reason：判定依据，便于人工复核。共三种取值：

之所以要”否定词优先”，是因为工商登记中存在”非国有独资有限责任公司”这类表述——它字面含”国有”但实际上是私营。规则 1 先把它们剔除，再进入规则 2 的”含国有”匹配。

关键 R 代码

# 核心分类函数 classify_ownership()（节选自 code/judge_soe.R）
classify_ownership <- function(df) {
  df %>%
    # 统一全角括号为半角并去首尾空格
    mutate(企业类型_clean = 企业类型 %>%
             str_replace_all("（", "(") %>%
             str_replace_all("）", ")") %>%
             str_trim()) %>%
    # 关键词检测
    mutate(
      k_guo_you  = str_detect(企业类型_clean, "国有"),
      k_quan_min = str_detect(企业类型_clean, "全民所有制"),
      k_fei_gy   = str_detect(企业类型_clean, "非国有"),
      k_jiti     = str_detect(企业类型_clean, "集体"),
      k_waizi    = str_detect(企业类型_clean, "外商|外国|中外|台港澳|港澳台|外商投资"),
      k_siying   = str_detect(企业类型_clean, "自然人|私营|个人独资|个体|合伙|非公司私营"),
      k_name_gy  = str_detect(企业名称, "国资委|国有资产|国有投资|国有控股|国有资本|国资")
    ) %>%
    mutate(
      # 按优先级从高到低匹配
      ownership = case_when(
        k_fei_gy                                       ~ "私营企业",  # 否定词优先
        k_guo_you | k_quan_min                        ~ "国有企业",
        k_jiti                                        ~ "集体企业",
        k_waizi                                       ~ "外商港澳台投资企业",
        k_siying                                      ~ "私营企业",
        is.na(企业类型_clean) | 企业类型_clean == ""  ~ "未知",
        TRUE                                          ~ "其他"
      ),
      is_soe = (ownership == "国有企业"),  # 严格口径
      soe_reason = case_when(
        k_guo_you & !k_fei_gy ~ "企业类型含'国有'",
        k_quan_min            ~ "企业类型为全民所有制",
        k_name_gy & !is_soe   ~ "名称含国资线索(企业类型未明确，疑似)",
        TRUE                  ~ ""
      )
    ) %>%
    select(-企业类型_clean, -starts_with("k_"))
}

数据概览

每条原始记录包含以下字段：

newgcid、企业名称、企业类型、ownership、is_soe、soe_reason

其中：

  • newgcid：观测值编号（年份 + 序号）。
  • ownership：六类所有制大类之一（国有企业 / 集体企业 / 外商港澳台投资企业 / 私营企业 / 未知 / 其他）。
  • is_soe：是否国企（TRUE / FALSE，仅”国有企业”为 TRUE）。
  • soe_reason：判定依据，可用于人工复核。

关键数字（完整年度汇总，单位：家）：

年份 总记录数 国企数 国企占比 私营企业
1949 343 120 34.99% 35
1990 490,892 96,418 19.64% 43,862
2010 8,375,274 24,618 0.29% 7,526,905
2022 20,394,383 11,153 0.05% 19,626,254
2023 13,049,440 5,005 0.04% 11,879,861
1949–2023 累计 2.725 亿 218.9 万 — —

数据可用于研究国有/非国有企业在 75 年中的长期角色变迁、国有经济占比的下降轨迹、不同所有制企业的注册动态，也可作为企业层面研究中的所有制控制变量或分组依据。

数据预览如下（以 2022 年为例）：

图表展示

下图展示了 1949–2023 年中国工商企业注册总数的时间趋势（Y 轴对数刻度）：

下图展示了国有企业占比的时间趋势：

下图展示了各所有制类型企业数量占比的 100% 堆叠面积图：

处理代码

附件 Encrypted_Code_Report.pdf 中提供了该数据的全部处理代码（包含 R 判定脚本、R 批量脚本、Python 聚合脚本、Stata 绘图脚本）：

数据引用格式

由于该数据包含较多 RStata 处理的内容，在研究中使用该数据请使用清晰的方式注明数据来源于 RStata 或者 RStata 数据中心，并使用如下格式引用：

RStata 数据中心: 1949～2023年工商企业注册信息判断国有非国有. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: Classification of State-Owned and Non-State-Owned Industrial and Commercial Enterprises Registered, 1949–2023. 2026. https://tidyfriday.cn/rsdb2/

关联数据/课程推荐

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/#/course/6d38a3f10cdb467492f3204d1ebdd313

1970～2023 年各年各省市区县、各行业注销公司工商信息及数量统计面板数据：https://rstata.duanshu.com/#/course/bcdf21ad0e614645b8449e69342e0851

1990～2023 年上市公司参控股公司工商注册信息匹配结果：https://rstata.duanshu.com/#/course/d6b36b925b09444da2febfb7bf3a83bf

1999～2023 年上市公司子公司工商注册信息匹配结果：https://rstata.duanshu.com/#/course/3cb9288f5d57488e942fa9cb33f287e5

使用 Stata 匹配工商注册信息行业与国民经济行业代码：https://rstata.duanshu.com/#/course/bd1a192a81af45418c0d01ef8ea0c371

点击这里跳转到 RStata 短书平台获取附件：1949～2023年工商企业注册信息判断国有非国有

相关文章

评论