工商名錄數(shù)據(jù)庫(實(shí)時(shí)-要點(diǎn))

該數(shù)據(jù)集是研究微觀企業(yè)及其對外直接投資的重要數(shù)據(jù)集！

蔣冠宏等眾多著名國際商務(wù)學(xué)者均使用該數(shù)據(jù)集產(chǎn)出重要研究成果！

具體的處理方法為：
參考Brandt等(2023)對數(shù)據(jù)庫進(jìn)行了逐年合并，并對錯(cuò)誤數(shù)據(jù)進(jìn)行了清洗。將《名錄》與《工業(yè)企業(yè)數(shù)據(jù)庫》按照企業(yè)進(jìn)行匹配合并，以蔣冠宏等（2023）為代表的眾多學(xué)者在研究相關(guān)問題時(shí)均對兩個(gè)數(shù)據(jù)庫進(jìn)行了合并，但由于《工業(yè)企業(yè)數(shù)據(jù)庫》錯(cuò)誤較多且企業(yè)存在改名的現(xiàn)象，導(dǎo)致兩個(gè)數(shù)據(jù)庫匹配成功率較低。為解決這一問題，采用了獨(dú)創(chuàng)的同地區(qū)模糊匹配法，具體步驟如下：
首先，根據(jù)《工業(yè)企業(yè)數(shù)據(jù)庫》中錯(cuò)誤率較低的“地區(qū)編碼”和“郵政編碼”確定該企業(yè)所在（副）省級單位（包括省、直轄市、自治區(qū)和計(jì)劃單列市），未能確定企業(yè)所在地點(diǎn)的樣本不足1%（398萬余個(gè)原始樣本中不足2萬），剔除這部分樣本。然后，采用文本處理工具將兩個(gè)數(shù)據(jù)庫中的企業(yè)名進(jìn)行分詞，提取出核心部分，將地點(diǎn)和“有限責(zé)任公司”等通用后綴去除，如“南京盛東化工有限公司”，提出的核心部分為“盛東化工”。使用模糊匹配程序包將兩個(gè)數(shù)據(jù)庫進(jìn)行匹配，模糊匹配提高了匹配的成功率，如“中國石油”和“中石油”是一家公司，如果使用精確匹配，則不能匹配成功，但不能過于模糊，否則“中石油”和“中石化”將被識別成同一家公司，根據(jù)該程序包的使用經(jīng)驗(yàn)，將模糊匹配閾值設(shè)為80%。最后，按年按地區(qū)進(jìn)行匹配，這樣可以大大提高匹配的成功率，在同一省份的同一年份，每個(gè)企業(yè)的匹配空間大幅減小，重名的可能性降低，此外，去除地名開頭和通用后綴避免了如“北京”和“北京市”這樣同一意思但字符不同所造成的差別，使得成功率進(jìn)一步提高。最終，經(jīng)過以上處理，在2001—2023年的樣本區(qū)間上，將兩個(gè)數(shù)據(jù)庫匹配合并，共獲得3989940個(gè)樣本，其中，共有6889家工業(yè)企業(yè)進(jìn)行對外直接投資，共投資8429次，匹配成功率大幅高于同類文獻(xiàn)。
由于《工業(yè)企業(yè)數(shù)據(jù)庫》中統(tǒng)計(jì)錯(cuò)誤和缺失值較多，參考Feenstra等（2023）、聶輝華等（2023）對原始數(shù)據(jù)進(jìn)行清洗和精簡，包括（1）剔除了雇員數(shù)少于8人且多于100萬人的樣本；（2）剔除了同一年內(nèi)重復(fù)或錯(cuò)誤的記錄以提高樣本信息的準(zhǔn)確度；（3）剔除了一些明顯錯(cuò)誤，如工業(yè)總產(chǎn)值、工業(yè)增加值、固定資產(chǎn)數(shù)值非正數(shù)的樣本；（4）剔除了存續(xù)年份大于100年或小于0年的樣本等；（5）本文將按年列示的數(shù)據(jù)庫根據(jù)企業(yè)名稱、法人代表名稱、地理位置等信息匹配成非平衡面板，非平衡面板中，由于統(tǒng)計(jì)披露和逐年匹配誤差，部分企業(yè)出現(xiàn)時(shí)間較短或者不連續(xù)，本文僅選擇數(shù)據(jù)連續(xù)存在3年以上的企業(yè)，剔除了不足3年的樣本。最終，精簡之后的樣本量總數(shù)為742788，共2492家工業(yè)企業(yè)進(jìn)行對外直接投資，投資3140筆。總結(jié)來看，在工業(yè)企業(yè)數(shù)據(jù)庫的基礎(chǔ)上匹配了兩個(gè)新變量，第一個(gè)是該企業(yè)該年是否進(jìn)行了對外直接投資；第二，同一家企業(yè)每一年可能會有多筆對外直接投資，本文統(tǒng)計(jì)了匹配到的樣本數(shù)，即該企業(yè)該年對外直接投資的筆數(shù)。


處理過程和代碼展示： 首先是原始數(shù)據(jù)，包括2000-2023年工業(yè)企業(yè)數(shù)據(jù)庫數(shù)據(jù)和境外投資企業(yè)（機(jī)構(gòu)）名錄數(shù)據(jù)。

Python代碼包括數(shù)據(jù)預(yù)處理，字段刪減統(tǒng)一改名，公司名處理，模糊匹配等。

stata代碼包括分年合并，非平衡面板處理，刪除離群數(shù)據(jù)等。


結(jié)果展示及字段說明：
處理后保留的字段和相關(guān)說明詳見Excel表。 1.該數(shù)據(jù)集一共含有3989940個(gè)樣本值，合并了2000年-2023年的分年工業(yè)企業(yè)數(shù)據(jù)庫，剔除了各年的重復(fù)值和失效樣本，未做其他樣本選擇。
2.將各年數(shù)據(jù)分別與商務(wù)部境外投資企業(yè)名錄進(jìn)行匹配，采取了必要的模糊匹配，增加配對成功的數(shù)量，其中OFDIs列表示該企業(yè)當(dāng)年對外投資的次數(shù)，一共匹配成功8900多筆投資，優(yōu)于目前可以見到的一些匹配工作。
3.penal_id字段唯一標(biāo)識面板中的不同企業(yè)，總面板數(shù)據(jù)是非平衡的，企業(yè)樣本從一年到橫跨十四年不等。
4.字符串變量基本選自工業(yè)企業(yè)數(shù)據(jù)庫中的字符串，加入了省份變量和分詞后的法人單位變量幫助匹配。
5.數(shù)據(jù)變量除了OFDIs之外，其他均來自于工業(yè)企業(yè)數(shù)據(jù)庫，在一定程度上選取了2000年-2023年各年數(shù)據(jù)庫字段的交集，即14年出現(xiàn)了12次以上的變量（這樣做是因?yàn)榧词谷笔б?/strong>可以通過插值補(bǔ)全），如果某個(gè)變量僅出現(xiàn)過個(gè)位次，則無法補(bǔ)全缺失值，無法使用該指標(biāo)的面板數(shù)據(jù)。
6.通過以上方法選取了40多個(gè)企業(yè)指標(biāo)，均為財(cái)務(wù)指標(biāo)，包括資產(chǎn)類、負(fù)債類、權(quán)益類和損益類等，具體即缺失情況見“字段及缺失情況.xlsx”為進(jìn)行微觀層面的研究提供了堅(jiān)實(shí)的基礎(chǔ)。
7.但也不得不刪去了一些變量，如僅在某幾年出現(xiàn)的現(xiàn)金流量指標(biāo)，以及行政區(qū)碼、輕重工業(yè)、企業(yè)規(guī)模、從業(yè)人數(shù)、新產(chǎn)品產(chǎn)值、工業(yè)增加值、長期投資、流動(dòng)資產(chǎn)凈額、本年折舊、固定資產(chǎn)凈值、無形資產(chǎn)、營業(yè)收入、營業(yè)成本、銷售利潤、投資收益、營業(yè)外收入、營業(yè)外支出、利稅總額、應(yīng)付福利總額、稅金及附加、中間投入合計(jì)等指標(biāo)。
數(shù)據(jù)說明、字段及缺失情況.xlsx
最終結(jié)果：
總數(shù)據(jù)300多萬條，目前僅支持stata格式，敬請諒解！清洗后數(shù)據(jù)質(zhì)量非常高且目前很新，謝絕議價(jià)！
工企與境外投資匹配結(jié)果 分年數(shù)據(jù)也可出售，30一年，未合并，可見下方聯(lián)系方式