2000～2014 年工企海关匹配结果数据（更新版，含 gqid 和 hgid 变量）

对这份数据感兴趣的小伙伴建议认真阅读下面的介绍～ 这样才能更好的使用这份数据。

之前给大家分享过一份工企数据库和海关数据库的匹配结果数据：2000～2014 年工企和海关匹配数据 这份数据的匹配包含下面 5 个步骤：

1. 清洗工企数据库里面的企业名称、邮政编码和固定电话变量（等下要用这三个变量进行匹配）；
2. 清洗海关数据库里面的企业名称、邮编和电话变量；
3. 在工企数据库里面生成一个 ID 变量用以在匹配过程中识别每个观测值，然后只保留企业名称、邮政编码和固定电话、年份、ID 几个变量（这样可以避免因为数据过大导致匹配过程过慢）；
4. 对海关数据库进行汇总（例如只需要每个公司每年的进出口额的话）；
5. 匹配海关和工企数据然后再根据 ID 变量把工企数据库的其它变量也合并进来。

关于这五个步骤的代码实现，可以学习我们之前推出的 Stata 课程：「如何匹配海关和工企数据？」：

×

上次分享的数据包含下面两个版本：

1. 先把海关数据汇总成每个公司的进出口额数据，然后和工企数据匹配的结果数据（下面称为汇总版本，其观测值是一个个的公司）；
2. 直接把海关数据和工企数据进行匹配（下面称为完整版本，其观测值是一条条的商品）。

后来又有小伙伴提出能不能把工企、海关、专利、污染这些数据库都匹配到一起？而我们之前已经推出了 工企+专利、工企+海关、工企+污染，以及工企+地理位置的，那么如何建立一套标准，让这些匹配结果数据再进行匹配呢？于是我们想到可以给每个数据生成一个 ID 变量用以标志观测值：

1. 工企数据里面我们生成了一个 gqid 变量；
2. 海关数据里面我们生成了一个 hgid 变量；
3. 污染数据里面我们生成了一个 wrid 变量；
4. 专利数据里面也可以生成一个 zlid 变量（暂不提供）。

那么工企和海关匹配的结果里面就会有 gqid 和 hgid 变量；工企和污染匹配的结果里面就会有 gqid 和 wrid 变量。于是我们直接使用 gqid 变量就可以把这两份匹配结果合并起来。是不是特方便！

基于这种想法，我们已经给工企、污染、海关三份数据都生成好了 ID 变量（从 RStata 平台上可以找到：https://rstata.duanshu.com/）

上次分享的 工企+污染 的匹配结果数据，大家可以发现里面就有 gqid 变量和 wrid 变量。毫无疑问此次更新的工企和海关的匹配数据里面会有 gqid 变量和 hgid 变量（当然是完整版本的才有，汇总版本的只有 gqid 变量）。

感兴趣的小伙伴可以自行尝试把 工企+污染 和 本文所介绍的 工企+海关 数据直接使用 gqid 变量进行匹配得到 工企 + 海关 + 污染的匹配数据。

另外此次分享的数据还多了一份：ID 对照表。提供这份数据的原因在于很多小伙伴的电脑内存不大，没法读取完整版本的结果（很多年份的完整版本有 20多 GB），另外也提供了一份分拆的海关数据（很多年份的完整版本有 20多 GB，这样把每个年份的也都拆分成小文件更方便大家操作）。

ID 对照表的内容大致如下：

ID 对照表

这份数据仅仅包含了 gqid 和 hgid 变量，这就意味着你可以先分别从工企、海关数据库里面提取你需要的变量（这个结果数据是不大的），然后再把工企、海关数据的子样本分别和这份 ID 对照表进行匹配就可以得到工企海关的匹配结果了，由于都是使用 id 变量匹配，所以几乎不存在“该匹配上却没匹配上”的问题。

另外汇总版本的数据形式如下（包含出口总额和进口总额变量，单位均为美元）：

汇总版本的数据形式

完整版本的数据形式如下（包含工企和海关的所有变量以及 gqid 和 hgid 变量）：

完整版本的数据形式

大家从平台上还可以找到工企数据和海关数据，分别是下面这样的：

2006 年海关数据

2006 年工企数据

最后我们再来看一下这个数据的匹配结果：

三个版本（汇总版，完整版，ID对照表）的结果数据使用的匹配方法是一样的，但是由于细微的差异，结果也有细微的差异，下表展示的是汇总版的匹配效果：工企数据库中的工企数量 列展示的是匹配使用的工企数据库的每年样本数；汇总版本涉及的工企数量 列展示的是汇总版本匹配结果中涉及的工企数量，最后一列是匹配率（汇总版本涉及的工企数量 / 工企数据库中的工企数量）：

ID 对照表实际上是完整版仅仅保留 gqid 变量、hgid 变量和年份。

年份	工企数据库中的工企数量	汇总版本涉及的工企数量	匹配率
2000	162872	22747	13.97%
2001	171254	26446	15.44%
2002	181542	29939	16.49%
2003	196206	34093	17.38%
2004	279011	52969	18.98%
2005	270023	53167	19.69%
2006	301930	61461	20.36%
2007	336732	89007	26.43%
2008	412212	73368	17.8%
2009	366130	64445	17.6%
2010	442539	77424	17.5%
2011	302593	59657	19.72%
2012	324604	79688	24.55%
2013	344875	83723	24.28%
2014	309138	60055	19.43%

下图更直观些：

匹配效果

另外由于汇总版本的数据量较小，所以我们已经帮大家整理成了面板数据（除了匹配操作，没有对工企数据库的其它变量进行处理，大家需要根据自己的需要处理）。由于 2014 年的工企数据和 1998～2013 年的来源不同（变量命名也不是很相同），所以就没有合并到一起，大家可以根据需要自行选择是否使用以及如何使用 2014 年的。

其中 2000～2013 年的面板数据直接使用 xtset group 年份 即可设置面板数据。

这份数据的合并代码如下：

use "2000年工企海关匹配结果数据（汇总版）.dta", clear
forval i = 2001/2013 {
	append using "`i'年工企海关匹配结果数据（汇总版）.dta", force
}
replace 组织机构代码 = strlower(组织机构代码)
egen group = group(企业匹配唯一标识码)
order group
xtset group 年份
save "2000~2013年工企海关匹配结果面板数据（汇总版）", replace

为了更好的确认匹配数据的可靠性，我们计算了每年平均各个公司的进口额和出口额，如下图所示：

每年平均各个公司的进口额和出口额

感觉连续性很不错！

最后为了方便大家自行匹配，我们也提供了一份 Stata 匹配代码：

匹配代码

代码较乱，仅供感兴趣的小伙伴参考（使用的工企和海关数据都可以从平台上找到）。

最后本次提供的数据和代码包含下面这些：

1. 2000～2014 年工企海关匹配结果（完整版）；
2. 2000～2014 年工企海关匹配结果（汇总版）；
3. 2000～2014 年工企海关匹配 ID 对照表；
4. 2000~2013年工企海关匹配结果面板数据（汇总版）.dta；
5. 各年匹配 do 文档；
6. 海关编码国别（地区）代码表.xlsx
7. 工企、海关数据（含 id 变量）；
8. 海关数据分拆版（把每个数据文件拆分成 不到 2GB 的小文件）。

点击这里跳转到 RStata 短书平台获取附件：2000～2014 年工企海关匹配结果数据（更新版，含 gqid 和 hgid 变量）