1999～2024年上市公司子公司经纬度及其所处的省市区县数据

2024 字 约 6 分钟 数据资料 地形与地理上市公司

今天给大家分享一份 1999～2024 年上市公司子公司经纬度及其所处的省市区县数据。由 RStata 数据中心处理得到（原始数据来源：国泰安数据库、天眼查，经纬度由高德地图地理编码得到）。

这份数据在「上市公司子公司工商注册信息匹配结果」的基础上，进一步通过高德地图接口对子公司的注册地/名称进行地理编码，补全了经纬度，并根据经纬度和 2021 年区县行政区划矢量数据地理计算得到其所属的省、市、县及对应代码，方便大家直接在空间维度上展开分析。

上市公司子公司工商注册信息匹配结果：

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

这里展示的是截止 2023 年的数据链接，由于 2024 年工商注册信息不全，所以匹配结果就不再分享了，没有匹配上注册地址的企业是使用企业名称直接解析经纬度得到的（准确度会差一些）。

数据来源与处理方法

数据的处理流程可以概括为「导入合并 → 工商信息匹配 → 地理编码 → 省市区县匹配」四步，核心代码位于 code/ 文件夹（Stata 编写）：

  1. 导入与合并原始子公司表：从国泰安导出的两份 Excel 子公司情况表（FN_Fn061、FN_Fn0611）被读入并纵向合并，从「统计截止日期」中提取出年份，去除缺失年份的观测。
  2. 与工商注册信息匹配：以「企业名称」为键，将子公司与 1949～2025 年工商企业注册信息进行名称匹配（匹配前会剔除”股份有限””有限责任””有限公司””公司””省/市/区/县”等干扰词以提高命中率），得到每条子公司的工商注册属性。
  3. 地理编码补全经纬度：对缺失经纬度的子公司，将「注册地 + 子公司名称」组合为地址，调用高德地图接口解析出经纬度（该步由 R 语言完成，相关方法可参考下方课程），再根据经纬度反查得到所属省、市、县的名称与代码。
  4. 合并输出面板：将历史已有经纬度、补充经纬度与工商匹配结果按 zgsid 合并，输出为最终的 1999～2024 年面板数据。

数据概览

为了方便大家使用，我把数据汇总成了上市公司子公司—年份层面的面板数据，时间跨度为 1999～2024 年，覆盖全国各省市区县。

  • 观测值数量：1,378,040 条
  • 变量数量：29 个
  • 地理层级：全国 → 省 → 市 → 县（含经纬度与行政区代码）
  • 数据预览如下：

数据包含的 29 个变量可大致分为四类：

  • 标识类：zgsid（子公司观测值编号）、证券代码、年份、统计截止日期、子公司名称
  • 持股与财务类：直接持股、间接持股、注册资本（万元）、总资产（万元）、营业收入（万元）、净利润（万元）、归属于母公司所有者的净利润（万元）、期末总投资额（万元）、币种、是否退出
  • 注册信息类：经营范围、注册地、国家区域名称、区域标识、设立方式、注册成立时间
  • 地理类：经度、纬度、省、省代码、市、市代码、县、县代码（省/市/县及代码均根据经纬度判断得到）

这份数据的价值在于把「上市公司子公司」与「精确地理坐标 + 行政区划」对应起来，因此可作为空间分析的基础底表：例如研究上市公司子公司的地理集聚与扩张路径、刻画子公司规模与业绩的地域差异，或作为地理基础变量与夜间灯光、污染、专利、政府采购、土地出让等区域/POI 数据按经纬度或省市区县进行匹配合并（RStata 已基于该底表产出多份衍生匹配数据）。

图表展示

下图展示了 1999～2024 年各省份上市公司子公司的数量分布（基于省份级着色地图）：

下图展示了 1999～2024 年每年上市公司子公司数量的时间趋势：

下面这张是 2024 年上市公司子公司的地理分布图（按省份着色）：

处理代码

下面列出几段关键的处理代码（code/ 文件夹，Stata 编写）。

1. 导入并合并原始子公司表、提取年份：

*- 读取两份子公司情况表并合并
import excel using "上市公司子公司情况表214615838/FN_Fn061.xlsx", clear
save data1, replace
import excel using "上市公司子公司情况表214615838/FN_Fn0611.xlsx", clear
save data2, replace

use data1, clear
append using data2
drop in 1

*- 从统计截止日期中提取年份
gen 年份 = substr(统计截止日期, 1, 4)
destring 年份, replace force
drop if mi(年份)

2. 地理编码补全经纬度并反查省市区县：

*- 对缺失经纬度的子公司，根据注册地与名称组合地址进行地理编码（高德地图）
use 1999~2024年上市公司子公司工商注册信息匹配结果.dta, clear
keep if mi(经度)
keep zgsid 子公司名称 注册地
replace 注册地 = "" if 注册地 == "None"
gen address = 注册地 + 子公司名称
egen addid = group(address)
save 待解析经纬度, replace

*- 使用 R 语言调用高德地图接口得到经纬度，并反查省市区县
use medium_data, clear
joinby addid using "经纬度解析结果.dta"
keep zgsid 经度 纬度 省 省代码 市 市代码 县 县代码
save 补充经纬度, replace

*- 合并历史经纬度、补充经纬度与匹配结果，得到最终面板
use 1999~2024年上市公司子公司工商注册信息匹配结果.dta, clear
drop newgcid - 网址
merge 1:m zgsid using 全部经纬度信息
save "1999～2024年上市公司子公司经纬度及其所处的省市区县数据", replace

3. 绘制地图 + 散点（主图与右下角小地图框格分别处理）：

*- WGS84 经纬度转 Albers 投影，与底图坐标系统一
geo2xy 纬度 经度, gen(lat lon) projection(albers, 6378137 298.257223563 25 47 0 105) replace

*- 主图与右下角小地图框格分开处理：先保留全部点，再选出落入框格的点缩放平移后追加
gen class = "main"
save "code/temp_points.dta", replace

use "code/temp_points.dta", clear
keep if inrange(lon, 120000, 1766004.1) & inrange(lat, 320000, 2557786.0)
replace lon = lon * 0.5 + 2100000
replace lat = lat * 0.5 + 1665139
replace class = "smallbox"
append using "code/temp_points.dta"

*- 一次性绘制：主图用原始坐标，小地图框格内用缩放后的坐标
spmap ... point(data("code/temp_points.dta") x(lon) y(lat) ...)

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: 1999～2024年上市公司子公司经纬度及其所处的省市区县数据. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: Geographic Coordinates (Latitude/Longitude) and Provincial–Municipal–County Locations of Subsidiaries of Listed Companies, 1999–2024. 2026. https://tidyfriday.cn/rsdb2/

关联课程/数据推荐

2013～2024 年上市公司子公司与政府采购数据匹配结果：https://rstata.duanshu.com/#/course/2d649c18a9f84d7a92c5e64a251dc163

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/#/course/6f8633b486ed49e398c486d0d9f0f59a

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/#/course/537300af1a9947edb758789785c600f3

点击这里跳转到 RStata 短书平台获取附件：1999～2024年上市公司子公司经纬度及其所处的省市区县数据

相关文章

评论