前不久给大家分享了最新的工商注册信息：
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
以及一份截止 2024 年 12 月 31 日的土地出让结果公告数据：
2000～2024 年土地出让结果公告数据（含经纬度及其所属的省市区县）：https://rstata.duanshu.com/#/course/4127c2c9925a47f89216f0080cb3d413
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
工商注册信息与土地出让数据匹配结果的时间范围为 2000～2024 年，经过漫长的匹配过程，一共得到了 162 万多条匹配结果。数据概览如下：
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。工商企业每年匹配成功的地块数量如下图所示：
不过需要注意的是，有差不多 20 万条匹配结果是个人购地的，这些实际上难以确认是匹配成功的结果。毕竟同名的人很多（不同的公司是不允许同名的），所以大家可以考虑使用下面的代码删去这些个人购地的记录：
*- 人名通常是三个字或者两个字的（Stata 中每个汉字的长度为 3） |
另外也有些四、五个字的可能也是人名，不过这些要谨慎删除，避免删除到不该删除的观测值。这些我并没有删除，是因为考虑到有些小伙伴会使用一些“宽松”的准则删除，例如同一个区县（购地人所处的区县和地块所在的区县相同）的同名人可以被视为同一个人，这些就不用删除了。
2024 年各省土地出让地块分布如下：
匹配方法
结合工商注册信息与土地出让数据的变量，我们使用工商注册信息中的企业名称与土地出让数据中的土地使用权人进行匹配。具体匹配方法分为三步：
- 首先土地使用权人可能是多个公司或个人，因此我们首先需要把这些土地使用权人拆分开，例如下面两个地块：
- 再对工商注册信息里的企业名称和土地出让数据里的土地使用权人变量进行处理。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/#/brief/course/d4fb816566244662ab6359fa848f1f1e
- 最后直接使用处理后的企业名称和土地使用权人匹配即可得到匹配结果。
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/#/brief/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/#/brief/course/7325758d0ad9457790215455dbcbcb1a
数据引用格式
在论文中使用该数据请声明数据来源于RStata 数据中心，或者 RStata Data Center，并使用下述的格式引用：
RStata 数据中心: 2000～2024 年工商注册信息与土地出让数据匹配结果. 2025. https://tidyfriday.cn/rsdb2/
RStata Data Center: Matching Results of Business Registration Information and Land Transfer Data from 2000 to 2024. 2025. https://tidyfriday.cn/rsdb2/
另外也建议在说明数据来源的同时，根据本文的介绍在论文中描述数据的详细处理方法。
点击这里跳转到 RStata 短书平台获取附件：2000～2024 年工商注册信息与土地出让数据匹配结果
评论