之前给大家分享过不少污染库与其他数据的匹配结果，例如：
- 工企 + 污染：https://rstata.duanshu.com/#/brief/course/bb9b96fa8a0e40c2b2bf7b2eb040f673
- 上市公司 + 污染：https://rstata.duanshu.com/#/brief/course/bf80a2be715b43ed8ebd3b9de4c20e89
- 工企 + 污染 + 绿色专利：https://rstata.duanshu.com/#/brief/course/2788761b9ff843b3b07d426b6b719802
- … (平台上还有很多，就不一一列举了)
最近有小伙伴提出区县层面的污染数据太少了，可以通过对污染库进行地理编码得到每家企业的经纬度，进而判断其所处的省市区县。然后就可以加总得到区县层面的数据了。
因此今天给大家分享的就是企业污染库的经纬度及其所处的省市区县数据了。
为了尽可能得到每家企业的历史地址，我采用了下面的工作流程：
- 考虑到工企数据库里面有企业的历史地址信息，所以首先把污染库与工企数据库匹配，匹配成功的就是第一部分的经纬度结果（因为我之前给工企数据库解析过经纬度）；
- 没有匹配成功的再逐次使用企业名称和组织结构代码和工商注册信息匹配，匹配成功的就是第二部分经纬度结果；
- 最后剩下的部分再直接使用企业名称进行地理编码（高德地图 + 百度地图），这样的操作准确度略差一些，但是问题不大。
- 大概还有 2000 个观测值没法解析成功，只能放弃了。
另外实际上污染数据库中也有行政区划代码，因此如果不是需要具体的企业经纬度，可以考虑直接使用数据原有的行政区划代码，毕竟经纬度解析可能有错误的结果。
最终一共得到了大概 165 万个有地理信息的观测值：
关于如何使用 R 语言或者 Stata 进行地理编码以及根据经纬度判断所处的省市区县，感兴趣的小伙伴可以学习下面两个课程：
- 使用 Stata 进行地理编码：地址解析经纬度、坐标转换 & 根据经纬度判断所处的省市区县：https://rstata.duanshu.com/#/brief/course/537300af1a9947edb758789785c600f3
- 使用 R 语言进行地理编码：地址解析经纬度、坐标转换 & 根据经纬度判断所处的省市区县：https://rstata.duanshu.com/#/brief/course/6f8633b486ed49e398c486d0d9f0f59a
下图展示了历年企业污染库企业数量与平均化学需氧量排放量：
2014年企业污染库中企业的地址分布如下：
点击这里跳转到 RStata 短书平台获取附件：1998~2014年企业污染库地理位置(含经纬度及其所处的省市区县)
评论