2001～2023 年上市公司前 5 大供应商及客户与土地出让数据匹配结果

1156 字 约 4 分钟 数据资料 土地上市公司数据匹配

最近有小伙伴需要研究上市公司主要供应商及客户的购地行为，但是计算量太大，想让我帮忙处理下，这不就来了！

上市公司前 5 大供应商及客户的信息前不久刚分享过：

2001~2023 年上市公司前5大供应商、客户与工商注册信息匹配结果（含经纬度及所处的省市区县）：https://rstata.duanshu.com/#/course/c0b17ab7ab2945ffaea746dec9380a8e

最近也更新过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

今天分享的就是上面两份数据匹配后的结果。

匹配结果

上市公司前 5 大供应商及客户信息与土地出让数据匹配结果的时间范围为 2001～2023 年。计算结果包含了两份 dta 格式的文件，数据概览如下：

  • 2001~2023年上市公司前5大供应商与土地出让数据匹配结果.dta

  • 2001~2023年上市公司前5大客户与土地出让数据匹配结果.dta

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。上市公司前 5 大供应商和前 5 大客户每年匹配成功的地块数量如下图所示：

匹配方法

结合上市公司前 5 大供应商及客户信息与土地出让数据的变量，我们分别使用上市公司前 5 大供应商中的供应商名称和前 5 大客户中的客户名称，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：

  1. 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：

  1. 再对上市公司前 5 大供应商中的供应商名称、前 5 大客户中的客户名称、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

  1. 最后分别使用处理后的供应商名称和客户名称，与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：

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: 2001～2023 年上市公司前 5 大供应商及客户与土地出让数据匹配结果. 2025. https://tidyfriday.cn/rsdb2/

RStata Data Center: Matching Results of Top 5 Suppliers and Customers of Listed Companies and Land Transfer Data from 2001 to 2023. 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：2001～2023 年上市公司前 5 大供应商及客户与土地出让数据匹配结果

相关文章

评论