stata格式工业企业数据库处理

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

                                                                                                                               本文转自 经管联盟 公众号！

我们拿到的很多数据源是非标准化的，字段名称不统一、字段结构不统一，等等。在进行数据分析前都要对数据进行标准化处理，以达到理想的数据状态，如工业企业数据库。

工业企业数据库的原始格式是mdb格式，即access数据库格式。由于该数据库每年样本量有几十万条，通过Excel来进行数据处理比较困难。另外，2003版Excel最大行数是65536行 ；2007版本最大行数是1048576行，无法存储大量数据，更不要说进行数据处理了。

工业企业数据库数据处理资料分享链接：

链接：

https://pan.baidu.com/s/1t78Cx3jdton91Ph1OBDqXg

提取码：cxdp

对工业企业数据库的处理：

1、将工业企业数据库里面的表导出成txt格式

2、用insheet命令导入到stata里面

1. local varname ///id   ///co_name   ///p_name   ///……
   
2. insheet `varname' using 2007年中国工业企业数据库.txt,clear

复制代码

注：stata的变量名不能用中文，所有要预先制作一个变量英文映射表

3、对英文变量加上label

这里介绍Excel的两个公式

一个是vlookup，VLOOKUP函数是Excel中的一个纵向查找函数。由于各年公布的工业企业变量名称不完全一致。如工业中间投入这个指标，2006年公布的名称为中间投入合计，2007年公布的名称为工业中间投入合计。所有为了统一各年的名称，可以做一个名称标准表，然后通过vlookup公式查找对应的标准名称，这样对各年变量加label就会是统一的名称了。

另外一个公式是CONCATENATE，CONCATENATE 函数可将最多 255 个文本字符串合并为一个文本字符串。联接项可以是文本、数字、单元格引用或这些项的组合。工业企业数据库中总共有100多个字段，如果写100多个label var 会很麻烦。我们可以在Excel里面写一个label var 的公式，然后通过Excel往下拉，就能实现100多个label var 了，比写循环简单、实用。

4、各年数据合并，数据格式统一

由于数据统计不规范，转换后的数据格式不一定完全统一，如统一变量，有的年份是字符格式，有的年份是数字格式，这就需要统一化处理。

字符转数字，如：

1. gen pro_code=real(substr(adminarea_code,1,2))
   
2. destring(opening_year),gen(opening_year1) force

复制代码

数字转字符，如：

1. tostring varlist , {generate(newvarlist)|replace} [tostring_options]

复制代码

5、格式统一后，然后选择需要的变量进行合并处理

1.   use qy1999.dta,clear  append using qy2000.dta

复制代码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

j610f2012 发表于 2019-5-29 19:53
...

很有价值的分享