2000～2014 年工企、海关、专利匹配结果数据（待更新）

1487 字 约 5 分钟 数据资料 企业数据专利上市公司数据匹配已失效

前一段时间分别给大家分享了 工企+海关 和 工企+专利 的匹配结果数据：

  1. 1998～2014年工企业专利数据匹配结果（更新版，含 gqid 和 zlid 变量）
  2. 2000～2014 年工企海关匹配结果数据（更新版，含 gqid 和 hgid 变量）

很多小伙伴想把两个匹配结果数据再匹配起来使用，也就是 工企 + 海关 + 专利 三个数据的匹配结果。

在匹配上面两份数据之前我们分别给工企数据库生成了一个 gqid 变量、海关数据库生成了一个 hgid 变量以及给专利数据库生成了一个 zlid 变量（除了专利数据，都从 RStata 平台上可以找到：https://rstata.duanshu.com/）。所以上面两份数据分别包含了 gqid + zlid 和 gqid + hgid，然后我们再使用 gqid 变量匹配两份结果数据就可以得到 工企 + 海关 + 专利 的数据库了！

虽然很简单，不过这个匹配过程对电脑内存要求比较高，所以我就帮大家匹配好了。

此次分享的数据包括四份：

  1. 完整版：直接把工企、海关、专利数据匹配起来，包含三个数据库的所有变量；
  2. 汇总版：先把海关数据汇总成每个公司的进出口额数据、专利数据汇总成每个公司的各种类型专利数量，然后和工企、专利数据匹配（所以这个版本只有 gqid 变量）；
  3. 2000~2014年工企海关专利匹配结果面板数据（汇总版）.dta

由于即使是完整版，各年的数据也不大，所以这一次就不再提供 ID 对照表了，如果需要计算其它指标，可以从完整版出发。

下表展示了 工企 + 海关 + 专利 结果数据的匹配效果：

年份 总观测值数量 工企观测值数量 专利观测值数量 海关观测值数量 原始工企数据库的总观测值数 匹配率
2000 198647 1195 6765 197432 162872 0.73%
2001 349198 1577 10165 347879 171254 0.92%
2002 388599 1953 15248 386456 181542 1.08%
2003 530709 2387 19221 528963 196206 1.22%
2004 762638 3286 28648 758782 279011 1.18%
2005 868409 3611 36122 865407 270023 1.34%
2006 1015486 4613 51719 1006169 301930 1.53%
2007 396019 5460 62259 378892 336732 1.62%
2008 534530 7828 74318 514766 412212 1.90%
2009 545154 9081 88259 516655 366130 2.48%
2010 765157 11476 132996 727298 442539 2.59%
2011 875349 12258 166578 827012 302593 4.05%
2012 1413546 19095 283769 1318749 324604 5.88%
2013 1515143 20778 284061 1429497 344875 6.02%
2014 1238497 14816 252269 1145162 309138 4.79%

下图更直观：

匹配效果概览
完整版的数据预览如下
汇总版的数据预览如下

2000~2014年工企海关专利匹配结果面板数据（汇总版）.dta 是汇总版合成的面板数据。

由于 2014 年的工企数据和之前年份的来源不同，里面没有企业匹配唯一标志码（用以跨年识别统一家企业）。所以需要把 2014 年的数据和之前年份的进行匹配，这个匹配可以参考 Brant 的方法：

  1. 根据组织机构代码匹配；
  2. 没有匹配成功的根据企业名称匹配；
  3. 仍然没有匹配成功的根据法人代表姓名+行政区划+成立年份匹配；
  4. 仍然没有匹配成功的根据电话号码+行政区划+成立年份匹配；
  5. 仍然没有匹配成功的按照成立年份+省地县码+行业代码+县的名字+主营业务匹配。
  6. 剩余的认定为新企业，生成新的标志码。

Stata 处理代码如下（合并面板前进行了一些处理，完整处理代码可以从附件中找到）：

* 将分年数据处理合并
* 根据组织机构代码填补 企业匹配唯一标识码
replace 组织机构代码 = strlower(组织机构代码)
bysort 组织机构代码 (年份): carryforward 企业匹配唯一标识码 if !missing(组织机构代码), replace

* 根据企业名称填补 企业匹配唯一标识码
bysort 企业名称 (年份): carryforward 企业匹配唯一标识码 if !missing(企业名称), replace

* 根据法人代表姓名+行政区划+成立年份
bysort 法定代表人 省地县码 开业成立时间年 (年份): carryforward 企业匹配唯一标识码 if !missing(法定代表人) & !missing(省地县码) & !missing(开业成立时间年), replace

* 根据电话号码+行政区划+成立年份
bysort 固定电话 省地县码 开业成立时间年 (年份): carryforward 企业匹配唯一标识码 if !missing(固定电话) & !missing(省地县码) & !missing(开业成立时间年), replace

* 按照成立年份+省地县码+行业代码+县的名字+主营业务匹配
bysort 开业成立时间年 省地县码 行业小类代码 地区市州盟 主要业务活动或主要产品1 (年份): carryforward 企业匹配唯一标识码 if !missing(行业小类代码) & !missing(省地县码) & !missing(开业成立时间年) & !missing(地区市州盟) & !missing(主要业务活动或主要产品1), replace

* 剩余的企业匹配唯一标识码没有填补成功的视为新企业，可以用 gqid 临时填充一下
tostring gqid, gen(sgqid) format(%10.0f) force
replace 企业匹配唯一标识码 = sgqid if missing(企业匹配唯一标识码)
compress

* 生成个体 id 设定面板
egen group = group(企业匹配唯一标识码)
duplicates drop group 年份, force
xtset group 年份

最后汇总下本次提供的数据和代码：

  1. 2000～2014 年工企海关专利污染匹配结果（完整版）；
  2. 2000～2014 年工企海关专利匹配结果（汇总版）；
  3. 2000~2014年工企海关专利匹配结果面板数据（汇总版）.dta；

点击这里跳转到 RStata 短书平台获取附件：2000～2014 年工企、海关、专利匹配结果数据（待更新）

相关文章

评论