《工业企业数据库》匹配：（一）数据预处理-经管之家官网！

经济学管理学金融学统计学

您当前的位置> 会计>>

《工业企业数据库》匹配：（一）数据预处理

人大经济论坛-经管之家：分享大学、考研、论文、会计、留学、数据、经济学、金融学、管理学、统计学、博弈论、统计年鉴、行业分析包括等相关资源。
经管之家是国内活跃的在线教育咨询平台!

提供"微信号、微博、抖音、快手、头条、小红书、百家号、企鹅号、UC号、一点资讯"等虚拟账号交易，真正实现买卖双方的共赢。【请点击这里访问】

TOP热门关键词

专题页面精选

扫码加入财会交流群

最近看了Brandt, L., et al. (2012). "Creative accounting or creative destruction? Firm-level productivity growth in Chinese manufacturing."Journal of Development Economic 97(2): 339-351.的论文。Brandt, L., et al. (2012)在论文的附件中给出了《中国工业企业数据库》的匹配方法。
liuyanclick非常详细的对这篇论文的数据处理过程做了介绍，详细的处理过程可见liuyanclick在经管之家的一系列帖子https://bbs.pinggu.org/thread-5913071-1-1.html。
Brandt, L., et al. (2012)在匹配工业企业数据库的时候，用主营产品加上企业所在地等信息作为企业的识别和匹配条件。这样的做法可以提高样本的匹配成功率，但也可能导致企业的错误匹配。同时，Brandt, L., et al. (2012)的匹配代码也比较复杂。我希望自己写一个《工业企业数据库》的处理过程，并一定得写一个比原作者更好的方法，主要还是希望在这个过程中对《工业企业数据库》更加了解，同时熟悉STATA操作。欢迎小伙伴们加入讨论。整个处理过程我将分为三个帖子。第一个帖子（本帖）将介绍数据的预处理过程，第二个帖子将介绍用《工业企业数据库》生成平衡面板数据的过程，第三个帖子将介绍生成非平衡面板数据的过程。
*-----------数据的预处理，以1998年的数据为例---------
*数据的预处理需要统一变量名（用英文命名）和修改变量的存储格式（用于匹配的变量保存为字符串格式，用于计算指标的变量保存为数值型格式）。我给出了我对1998年的原始数据进行预处理的do 文档preprocess1998，代码如下：
cls
clear
set more off
use 1998.dta,clear
rename v1 id
drop gs ksgs
rename v4 name
drop v5//企业单位类别
rename v6 corp_representive
rename v7 title
rename v8 county //乡（镇）
rename v9 house_number//门牌号
rename v10 street //村、街道（街道办事处）
rename v11 community //居委会、社区
rename v12 diming_code//四位地名代码
tostring diming_code,replace
rename v13 dq //地区代码：六位省地县码
tostring dq,replace
rename v14 xiangcun_code //乡村码
tostring xiangcun_code,replace
rename v15 phone
tostring phone,replace
rename v16 ext_phone //电话分机
rename v17 fax
rename v18 ext_fax//传真分机
rename v19 zip //邮政编码
tostring zip,replace
rename v20 productA
rename v21 productB
rename v22 productC
rename v23 nic//national industry classification 1994年版
tostring nic,replace
drop b081 b082 b083 b084 b08a
rename v29 accounting_system
tostring accounting_system,replace
rename v30 registration_type
tostring registration_type,replace
rename v31 holding_status//控股情况
tostring holding_status,replace
rename v32 adm_subordination //隶属关系
tostring adm_subordination,replace
rename v33 est_year
tostring est_year,replace
rename v34 est_month
tostring est_month,replace
rename v35 operating_status
tostring operating_status,replace
rename v36 cons_qualification//建房资级别
tostring cons_qualification,replace
rename v37 chan_huo_dan_wei_shu //产活单位数
rename v38 agri_industry//农林牧渔业
tostring agri_industry,replace
rename v39 manu_industry//工业
tostring manu_industry,replace
rename v40 building_industry //建筑业
tostring building_industry,replace
rename v41 trans_industry//运输业
tostring trans_industry,replace
rename v42 sales_industry //批发零售业
tostring sales_industry,replace
rename v43 catering_industry//餐饮业
tostring catering_industry,replace
rename v44 other_industry//其他产业
tostring other_industry,replace
rename v45 firm_scale
tostring firm_scale,replace
rename v46 ligh_or_heavy_industry//轻重工业
tostring ligh_or_heavy_industry,replace
rename v47 workforce_congye
drop b231 b232 b233
rename v51 indus_output_fixed //工业产值固
rename v52 indus_output_current //工业产值现
rename v53 new_product_output//新产品产值
rename v54 indus_sales//工业销售现
rename v55 exp_value//出口交货值
rename v56 indus_added_value //工业增加值
rename v57 current_assets//流动资产
rename v58 receivables//应收账净额
rename v59 inventory //存货
rename v60 finished_product //产成品
rename v61 avg_current_assets //年均流动资产余额
rename v62 long_term_investment
rename v63 fixed_assets //固定资产合
rename v64 fixed_assets_original //固定资产原价合计
rename v65 prod_oper_expense//生产经营费用
rename v66 acc_depreciation
rename v67 depreciation//本年折旧
rename v68 fixed_assets_ending//固定资产净年末余额
rename v69 intangible_assetsA//无形及递延资产合计
rename v70 intangible_assetsB//无形资产
rename v71 total_assets
rename v72 current_liabilities//流动负债合计
rename v73 long_term_liabilities//长期负债
rename v74 total_liabilities
rename v75 total_equity
rename v76 paid_in_capital //实收资本
rename v77 national_capital
rename v78 collective_capital
rename v79 corporate_capital
rename v80 individual_capital
rename v81 gat_capital
rename v82 foreign_capital
rename v83 sales_revenue //销售收入
rename v84 sales_cost //销售成本
rename v85 sales_expense //销售费用
rename v86 sales_tax_and_sur //销售税附加
rename v87 sales_profit
rename v88 other_profit
rename v89 adm_expenses//管理费用
rename v90 tax_in_adm_expenses//其中：税金
rename v91 property_insurance //其中：财产保险费
rename v92 unemployment_insurance//其中：劳待保险费
rename v93 fin_expenses//财务费用
rename v94 interest_in_fin_expenses//其中：利息支出
rename v95 operating_profit
rename v96 subsidy_income
rename v97 total_profit
drop v98 //亏损总额
rename v99 total_profit_and_tax//利税总额
rename v100 income_tax
rename v101 profit_payable//应付利润
rename v102 wage //年应付工资
rename v103 wage_in_operating //其中：主营业务工资
rename v104 welfare//年应付福利
rename v105 welfare_in_operating //其中：主营业务福利
rename v106 value_added_tax//应交增值税
rename v107 input_tax //进项税
rename v108 output_tax //销项税
rename v109 intermediate_input //中间投入合计
drop ls
*其他年份的数据预处理和1998年的方法一样，都是体力活儿，没啥技术含量。
-----单独年份的数据处理完以后，接下来需要对所有年份的数据（1998-2006）进行汇总处理---
do文档名为my preprocess，代码如下：
* 数据预处理（第二部分）
*（1）保留用于匹配的变量和计算指标的变量
*（2）将法人代码中的字母统一为大写字母
*（3）剔除无效样本：违背会计常识的样本、关键变量观测值确实的样本
*（4）统一国民经济行业分类码（这部分还没有做，对后面的匹配结果略有影响）
*（5）在变量名后加上样本所在的年份，使得同名变量在不同年份可比、可区分
cls
clear all
set more off
*部分年份的主营产品长度超过240个字符，截取前20个字符
forvalues i = 1998/2006{
qui do preprocess`i'
gen product=substr(productA,1,20)
saveold "m`i'.dta",replace
}
*将“从业人数”和“职工人数”统一命名为workforce
use "m1998.dta",clear
rename workforce_congye workforce
saveold "m1998.dta",replace
forvalues i = 1999/2002{
use "m`i'.dta",clear
rename workforce_zhigong workforce
saveold "m`i'.dta",replace
}
forvalues i = 2003/2006{
use "m`i'.dta",clear
rename workforce_congye workforce
saveold "m`i'.dta",replace
}
*将“销售收入”和“主营业务收入”统一命名为revenue
forvalues i = 1998/2003{
use "m`i'.dta",clear
rename sales_revenue revenue
saveold "m`i'.dta",replace
}
forvalues i = 2004/2006{
use "m`i'.dta",clear
rename main_operating_revenue revenue
saveold "m`i'.dta",replace
}
*将法人代码中的小写字母替换成大写、保留接下来将使用到的变量、去掉法人代码或法人名称缺失的样本、
*去掉法人代码或法人名称重复的样本、在所有的变量名后加上年份
forvalues i = 1998/2006{
use "m`i'.dta",clear
replace id=upper(id)
keep id name dq phone nic zip productest_year registration_type corp_representive ////
workforce revenue total_profit indus_output_current new_product_output////
exp_value intermediate_input acc_depreciation depreciation fixed_assets////
national_capital corporate_capital individual_capital foreign_capital////
collective_capital gat_capital total_equity
drop if id==""
drop if name==""
bysort id : drop if _N>1
bysort name : drop if _N>1
foreach var of varlist *{
rename `var' `var'`i'
}
compress
saveold "m`i'.dta",replace
}
*简单描述下运算结果生成的数据文件：
forval i = 1998/2006{
use "m`i'.dta",clear
des,short
}
至此，数据预处理结束。生成m1998,m1999,...,m2006等九个文件，用于接下来的匹配。
PS：《工业企业数据库》的存储格式一般为数据库（dbd）格式，在对数据预处理前需要先将数据转换成纯文本格式（csv），然后在转换成dta格式。liuyanclick已经对这个过程做了非常详细的介绍，我就不再重复了。
PPS：我使用的MAC版的STATA13。数据我存储到了百度云盘，链接如下：链接:https://pan.baidu.com/s/18k2-q5RFLV79OXDUj_kgeQ密码:46id

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP

本文关键词：

本文论坛网址：https://bbs.pinggu.org/thread-6435476-1-1.html

上一篇 | FinTech _ The Technology Driving Disru ...

下一篇 | 请问经济学中的水平效应(level effect)和 ...

会计库精彩帖子推荐更多

您可能感兴趣的文章

本站推荐的文章

人气文章

本文标题：《工业企业数据库》匹配：（一）数据预处理

本文链接网址：https://bbs.pinggu.org/jg/huiji_huijiku_6435476_1.html

1.凡人大经济论坛-经管之家转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责；
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性，不作出任何保证或承若；
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。

《工业企业数据库》匹配：（一）数据预处理-经管之家官网！

会计库