1949～2023 年各省市区县各行业存续企业数量面板数据

1599 字 约 5 分钟 数据资料 面板数据企业数据

今天给大家分享一份 1949～2023 年各省市区县各行业存续企业数量面板数据。由 RStata 数据中心处理得到（基于 RStata 1949～2023 年工商企业注册信息大数据）。

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/#/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

数据处理方法

该数据基于 RStata 的 1949～2023 年工商企业注册信息大数据处理得到。原始输入为按”事件年份”切分的 CSV：

  • 工商注册信息_精简/YYYY.csv：全部工商注册记录（含已注销企业），按”成立日期”年份切分（YYYY = 成立年份），列含省 / 市 / 县及行业四级代码；
  • 注销企业_精简/YYYY.csv：已注销（退出）企业，按”退出日期”年份切分（YYYY = 注销年份），除省 / 市 / 县及行业代码外，还含成立日期 / 退出日期。

“存续”的定义：企业在第 Y 年年末处于”存续”状态，当且仅当 成立日期年份 ≤ Y 且（未注销 或 注销年份 > Y），即某企业存活区间为 [成立年份, 注销年份 − 1]（若注销）或 [成立年份, 末年]（若未注销）。

存量递推算法（内存友好，data.table 仅用于高速读取）：

stock(Y) = stock(Y-1) + new(Y) − cancelled(Y)
  • new(Y)：当年新设企业，按注册主键 K 计数（注册文件本身即完整行业代码）；
  • cancelled(Y)：当年注销企业，先按其 newgcid 回溯注册文件取得注册 K，再按该注册 K 计数扣减。

其中主键 K = 省 | 市 | 县 | 行业门类 | 行业大类 | 行业中类 | 行业小类（缺失字段以 NA 参与）。这样”加”与”减”使用完全相同的主键，存量递推恒等式分量级严格成立。上一版曾直接按注销文件自身的 K 扣减，因制造业等小类常为空导致大量注销未被正确扣减（少减约 200 万 / 年），本版已修正。每年输出 stock(Y) 即为当年面板。

数据概览

为了方便大家使用，我把数据汇总成了分年份、分省市区县、分行业的存续企业数量面板数据，结果保存在 分年数据/ 文件夹下（1949～2023 年逐年一个 CSV，共 75 个文件）。

数据包含如下字段：

省代码、省、市代码、市、县代码、县、行业门类代码、行业大类代码、行业中类代码、行业小类代码、n

其中 n 为对应 地区 × 行业 组合在该年份年末的存续企业数量；行业分类统一到 2017 年国民经济行业分类标准。数据预览（以 2023 年为例）如下：

该面板可用来测算各地区、各行业的存续企业规模及其随时间的变化，进而分析创业活跃度、行业集聚与营商环境的区域差异与历史演变。

⚠️ 重要提示：虽然数据的时间范围是 1949～2023 年，但 2023 年的工商注册信息不太全，大家还是谨慎使用。尤其是 2023 年的各省 / 市存续企业数、时间趋势末端与区县分布，数值可能偏低，建议在正式分析中谨慎对待或剔除 2023 年。

图表展示

下图展示了 2023 年各省存续企业数量空间分布（省级填充地图）：

下图展示了 2023 年各市存续企业数量空间分布（市级填充地图）：

下图展示了 1949～2023 年全国存续企业总数的演化趋势（面积图）：

下图展示了 2023 年各区县存续企业数量的对数分布（直方图，反映长尾 / 集聚特征）：

处理代码

核心的存量递推逻辑（code/01_统计存续企业面板.R）如下：

# “存续”的定义：
#   企业在 第 Y 年年末 处于“存续”状态，当且仅当
#       成立日期年份 <= Y  且  （未注销  或  注销年份 > Y）
#   即：某企业存活区间 = [成立年份, 注销年份 - 1]（若注销），或 [成立年份, 末年]（若未注销）。
#   存量递推恒等式：stock(Y) = stock(Y-1) + new(Y) - cancelled(Y)

stock <- setNames(integer(0), character(0))
panel_cols <- c("省代码", "省", "市代码", "市", "县代码", "县",
                "行业门类代码", "行业大类代码", "行业中类代码", "行业小类代码", "n")

for (Y in proc_years) {
  inc <- inc_by_year[[as.character(Y)]]    # 当年新设企业，按注册主键 K 计数
  dec <- dec_by_year[[as.character(Y)]]    # 当年注销企业，按注册 K 扣减
  stock <- vadd(stock, if (is.null(inc)) setNames(integer(0), character(0)) else inc)
  if (!is.null(dec) && length(dec)) stock <- vsub(stock, dec)
  # ... 拆分主键 K，匹配地区名称，写出当年面板 stock(Y) ...
}

可视化代码见 code/02_可视化.R（基于 r-china-map 绘制省级 / 市级地图 + 时间趋势 + 直方图，结果保存于 picdir/）。

附件中也提供了该数据的处理代码供参考：

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年各省市区县各行业存续企业数量面板数据. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: Panel Data on the Number of Surviving Enterprises by Industry across Provinces, Cities, and Districts/Counties, 1949–2023. 2026. https://tidyfriday.cn/rsdb2/

关联课程 / 数据推荐

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

2000～2024 年工商注册信息与土地出让数据匹配结果：https://rstata.duanshu.com/#/course/3a535b05d3f840d3afe573f40883ec21

2000～2024 年政府采购供应商与工商注册信息匹配结果：https://rstata.duanshu.com/#/course/9df7d4c13cf64c69a4cc02a1d8044e9c

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

点击这里跳转到 RStata 短书平台获取附件：1949～2023 年各省市区县各行业存续企业数量面板数据

相关文章

评论