RStata 免费分享｜2000～2014 年工企和海关匹配数据
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）； 清洗海关数据库里面的企业名称、邮编和电话变量； 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）； 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）； 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？」：
和上次一样，这次分享的数据也包含下面两种版本的：
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）； 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）。
两个版本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）：
| 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 | 22310 | 13.7% |
| 2001 | 171254 | 26446 | 15.4% |
| 2002 | 181542 | 29943 | 16.5% |
| 2003 | 196206 | 34096 | 17.4% |
| 2004 | 279011 | 52966 | 19.0% |
| 2005 | 270023 | 53475 | 19.8% |
| 2006 | 301930 | 61467 | 20.4% |
| 2007 | 336732 | 89237 | 26.5% |
| 2008 | 412212 | 73364 | 17.8% |
| 2009 | 366130 | 64562 | 17.6% |
| 2010 | 442539 | 77420 | 17.5% |
| 2011 | 302593 | 59789 | 19.8% |
| 2012 | 324604 | 79824 | 24.6% |
| 2013 | 344875 | 83893 | 24.3% |
| 2014 | 309138 | 60068 | 19.4% |
下图会更直观：
为了方便大家自行匹配，我们也给大家提供一份整理完好的海关数据（dta 格式），之后也会免费分享，大家可以耐心等待。
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 year 即可设置面板数据。
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：
感觉连续性还不错！
另外这两份数据都非常大（总共大概是 370+ GB，另外海关数据是 180+ GB），已经拆分成了逐年的数据，可以直接使用 append 进行合并（Stata），数据格式是也是仅提供供 Stata 读取的 dta 格式。
下面再展示下部分的数据预览：
获取数据
整理不易，感谢大家帮忙分享
赞 (0)