今天给大家分享一份专精特新企业数据与工商注册信息匹配结果。原始数据来源于国泰安数据库。不过包含的变量很少，所以就和工商注册信息匹配了下。

匹配率非常高。附件中提供了三个文件：

专精特新企业数据.dta 专精特新企业面板数据.dta 专精特新企业工商注册信息匹配结果.dta

第一个文件是初步整理的结果，包含了认定年份之类的：

由于专精特新的认定有效期一般为 3 年，所以我们可以根据 3 年的有效期把数据拓展成面板数据：

展开剩余68%

时间范围为 2013～2027 年。

最后就是与工商注册信息匹配的结果了：

包含如下变量：

zjtxid、年份、机构ID、公司名称、所属省份、所属城市、入选批次、认定类型、认定级别、是否上市公司、上市公司代码、与关联上市公司关系、关联上市公司代码、newgcid、企业名称_工商、成立日期、注册资本、实缴资本、行业门类、行业门类代码、行业大类、行业大类代码、行业中类、行业中类代码、行业小类、行业小类代码、省份、城市、区县、法人代表、经营状态、统一社会信用代码、工商注册号、纳税人识别号、组织机构代码、企业类型、登记机关、营业期限、纳税人资质、人员规模、参保人数、曾用名、英文名、注册地址、经营范围、邮箱、标签、成立年份、经度、纬度、省、省代码、市、市代码、县、县代码、核准日期、英文名称、法定代表人、公司规模、网址

其中 zjtxid 是观测值编号，由年份 + 观测值编号组成。平台上相关的数据都有这个编号，方便互相匹配。

匹配方法

结合专精特新企业数据与工商企业注册信息的变量，我选择了使用企业名称匹配。

为便于两个数据集的连接，我在专精特新数据中生成了zjtxid 变量以在匹配过程中识别每个观测值。模糊匹配耗时耗力，并且错误率很高。不同于英文，中文企业名称只要有一个字不同都可能不是同一家企业（英文企业名称有一两个字母不同可能是因为笔误）。所以中文企业名称的模糊匹配没有意义。因此这里我还是使用了精确匹配，考虑到企业名称中经常会把“有限公司”和“有限责任公司”混用，以及有限公司改股份有限公司之类的。所以这里在匹配前删除了下面词汇：股份有限、集团有限、有限责任、有限、责任、股份、公司、厂、 、(集团)、（集团）、（、）、(、)、省、市、区、县、回族自治区、壮族自治区、维吾尔自治区、自治区。这样可以大大提高匹配成功率。

获取详情见公粽號：Paper数据分析

注：素材来自网络，仅用于交流学习

发布于：河北省