全国税调数据清洗求助

更新：回顾了一下计量知识（还是要夯实基础哇），问题自己解决了。
我所用到的全国税收调查每年都会进行，符合“Many surveys of firms are repeated at regular intervals, often each year“的定义，应该是要用混合横截面数据（pooled-cross-sectional data），而不是我一直在纠结的面板数据。
————————————————————
大神们好！正在写保研参营论文的stata小白求助
我使用的是07-16年的全国税收调查数据，我先简单处理了下（筛出想要的变量后，统一了变量名）目前dta文件里呈现的就是07-16年依次排序的数据，每年的数据量不一。有的公司每年都在，有的公司只出现了一年，不断有新公司进入，有的公司中途又不在了。不知道这个数据还需要怎样处理才便于后续使用呢？还是说可以直接使用reg命令了？
之前我只用过省级/地级市经济指标数据，处理成面板；第一次处理过这种公司层面的数据，有点手足无措，原始数据鼓捣一天就只弄成这样。万望大神指点一二！

zanika 发表于 2023-3-21 17:21
会比较麻烦吧？面板似乎要追踪所有年份里的每个个体，但我的数据里，企业经常只出现在某一年；并且我没有 ...

你用这个数据做混合截面显然是不太合适的，大家对这个数据还是了解比较多的，很可能会被挑战，就比如你用工企数据做混合截面肯定会被问为什么

主要看你想怎么处理？处理成什么样的数据取决于你要使用哪些变量以及研究的主题。
从你的表述中，你目前的数据只是把各年数据堆砌在一起了，要想使用的话，第一，要有年份变量，第二，要有企业ID变量，其他变量最好转化成数值型，再根据需要处理成对数之类就可以了

leewinjing 发表于 2023-3-21 09:41
主要看你想怎么处理？处理成什么样的数据取决于你要使用哪些变量以及研究的主题。
从你的表述中，你目前的 ...

谢谢回复！是的，我现在就只是数据堆砌在一起，不知道该怎么处理。
我想要做交互项的回归，被解释变量是样本企业营业收入对数（应该还会尝试其他指标），交互项是industry*city*post，都是二值变量，行业二位码C39时为industry=1，城市为郑州时city=1，2012年后post=1。
Ps：请问企业ID是要自己另外生成吗？原始数据里只有纳税人识别号。
（实在不好意思，第一次处理数据希望我表达清楚了，让您见笑啦）

识别号就是企业的代码吧，看你的数据应该是文本形式的，需要转化为数值型的
需要保证企业ID的唯一性。
看你的表述，对如何做和处理还是有点模糊

zanika 发表于 2023-3-21 08:51
更新：回顾了一下计量知识（还是要夯实基础哇），问题自己解决了。
我所用到的全国税收调查每年都会进行， ...

可以处理成面板的

zanika 发表于 2023-3-21 08:51
更新：回顾了一下计量知识（还是要夯实基础哇），问题自己解决了。
我所用到的全国税收调查每年都会进行， ...

可以参考工企数据的处理方法

917968079 发表于 2023-3-21 17:17
可以处理成面板的

会比较麻烦吧？面板似乎要追踪所有年份里的每个个体，但我的数据里，企业经常只出现在某一年；并且我没有企业id，只有纳税人注册号，还没法destring转成数值型（并且企业对应的注册号中途也有变更过）。感觉还是混合截面数据比较适合。

917968079 发表于 2023-3-21 17:18
可以参考工企数据的处理方法

谢谢建议！唉，我昨天就是在钻研B站上Brandt教授处理工企的方法，后来觉得实在麻烦就放弃了

917968079 发表于 2023-3-21 21:53
你用这个数据做混合截面显然是不太合适的，大家对这个数据还是了解比较多的，很可能会被挑战，就比如你用 ...

谢谢！我看连玉君老师之前评价非平衡面板和混合截面：

非平衡面板和混合截面还是有差别的。非平衡面板数据中还有部分人（样本个体）是有连续多次的观测数据，但混合截面数据至少说不知道数据中有没人（个体）是重复的。混合截面处理要求更加高一点，但是其实可以加上时间效应去做，但是加个体效应就比较难。混合截面的关键是要让它的 composition （组成），就是让两个截面可以观察到的个人特征变量 composition 比较接近，比较接近之后，再去做一个前后的 difference （差分），因为你没有办法在个体层面直接根据个体的 id 去做 difference （差分），所以要用协变量来定义，这是二者的差别。混合截面要比纯截面要稍微好一点，但是它比面板要差。

我再去和指导老师讨论下要不要处理成非平衡面板吧，感谢！