国泰安数据库有提供上市公司前 5 大供应商和客户的数据，不过数据里面并没有这些供应商的工商信息或者所处的省市区县信息。
因此我首先把该数据和之前分享的工商注册信息进行了匹配：
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/#/brief/course/6d38a3f10cdb467492f3204d1ebdd313
这样我们就有了这些供应商、客户的注册地址（当然里面实际上有很多个人和匿名供应商、客户，这些并没有匹配），然后我又使用匹配得到的注册地址进行了经纬度的解析，对于那些匹配没有成功的只能直接使用企业的名称进行解析（会有错误解析的可能性，不过估计不会很多）。
匹配供应商/客户和工商注册信息的时候使用的是剔除关键词的精确匹配方法。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
匹配后的供应商数据概览如下：
含有经纬度信息的有 3.59w 个观测值，没有经纬度信息的基本都是国外的公司、个人或者匿名。
匹配后的客户数据概览如下：
含有经纬度信息的有 6.19w 个观测值，同样，没有经纬度信息的基本都是国外的公司、个人或者匿名。
使用这些数据就可以更方便的研究上市公司与上下游公司的关系了。
下图展示了所有的供应商和客户的地理分布：
下图展示了 2021 年上市公司与供应商/客户的网络关系：
点击这里跳转到 RStata 短书平台获取附件：旧版本｜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）
评论