【已匹配】1998-2014年工业企业数据库和企业专利匹配结果（观测值近500万，手动清洗）

附件为1998—2014共17年间我国工业企业数据库与企业专利数据（数据来源是多
方检索的，详见下文）的联合匹配结果，已经按企业代码id精确匹配并手动清洗，近50
0万个观测值（将近十个G的数据大小，只能用百度网盘分享，谢谢大家理解），经我个人
以及两位在职教授（研究方向分别为经济统计和关税理论、政策）多次校对、核实，数据质
量较高，稳健且显著，具有较高的科研价值，助力大家多发C刊！变量包括1998—20
14年工业企业数据库所有变量，并匹配企业专利数据库（数据来源见下文）的几种专利数
据，要点如下：
1.现有工业企业数据库与各大数据库的匹配存在几大问题，致使基于这些
数据集进行的实证分析显著性有限甚至存在严重偏误。首先，对匹配后的数据清洗不足，极
端值、异常值甚至经济指标出现负数的情况屡见不鲜，即使是因为工业企业数据库本身存在
登记错误和一些偏差，将这些数据进行进一步的清洗，去除、填补异常部分也是必要的，向
您承诺，本面板数据集对工业企业数据库本身进行了详尽、充分的清洗和核查，确保稳健性
。其次，匹配方法混乱，匹配后不同数据库之间的企业ID并非一一对应甚至匹配错误（A
企业在工企数据库的指标对应了B企业的专利数据），这种低级错误无疑会造成回归结果的
不一致甚至伪回归；此外，假数据层出不穷，根本不存在1997年和2015年的工业企
业数据库，居然有人大肆分享98-14区间外的数据？猜测是用上市公司等数据库编造一
定的指标骗取钱财，严重鄙视。个人承诺，此面板数据尽力避免了上述问题，亲测稳健性和
显著性有保证，适合各方向的微观计量研究。

2.该面板数据的指标（变量）包括：
（
由于涵盖指标为几百个，此处只能列举部分重要指标，实际指标体系极为丰富，比海关数据
库要丰富数倍，能想到的指标都有，做任何方向的微观计量研究均可，既可单独当做清洗好
、匹配好的工业企业数据库用（其实一个清洗好的工业企业数据库现在至少100块，并且
绝对没我处理的“干净”，可能存在问题），也可以结合专利数据做各种创新模型，方法多
多，点子多多！）①工业企业典型指标：经营活动产生的现金流入、流出（千元）；投资活
动产生的现金流入、流出（千元）；筹资活动产生的现金流入、流出（千元）；研究开发费
；是否适用会计准则（虚拟变量，1为执行，0或空值为不适用）；营业成本、营业税金（
千元）；公允价值变动收益（千元）；年末从业人员数量合计（男性女性分别为单独变量）
；该企业人员的学历构成（研究生、本科、大专、高中、初中以上学历男性、女性分别设置
变量）；技术职称数量构成（初级、中级、高级工和初中高级技术职称人员的数量，均以男
性女性区分生成单独的数值变量）；国家资本、集体资本、个人资本、法人资本、外商资本
（均以千元计）；主营业务收入、利润构成、管理费用等（均以千元计）；固定资产折旧、
工业总产值（分为不变价和当年价格计两种指标）等（单位千元）
②企业专利数据相关指
标：包括发明专利申请量、发明专利授权量；实用新型的申请和授权量；外观设计的申请和
授权量；专利申请和授权总量等企业层面重要专利指标（单位为个数）。

3.数据来源为
98-14年的工业企业数据库和专利数据库，部分重要指标的缺失值和极端值是运用Py
thon在国家专利局网站和上市公司数据库内编程手动爬取而得（极个别数据运用的智能
填补方法见下文），并与同门师兄师姐以及老师手动进行数据清洗，去除了极端值和异常值
，甚至从一定程度上解决了登记错误和上报错误这一无法避免的偏差，工作量巨大，实测进
行研究的稳健性极好，适合各个方向的研究，请大家放心使用！

4.个人的研究领域是世
经、国贸与应用微观计量，现于某一中游985（也说不定是中下游98
5...笑）深知
一份优质的数据对于学术研究意义重大，因此我对数据质量作背书，承诺“良心”二字，绝
不让大家上当受骗，请大家擦亮双眼，get靠谱数据！

5.面板数据形成基本操作思路
：
第一步，参照Brandt(2012)的方法处理工企数据和专利数据（这篇文章可
以私信我发给大家原版链接PDF，是非常好的一篇应用计量理论操作论文）；
第二步，
根据企业名称和年份与专利数据进行匹配；
第三步，根据组织代码和年份与专利数据进行
匹配；
第四步，合并第二、三步的匹配数据，并去重；
第五步，手动清洗数据（软件是
Stata和Python，对数据的填补综合运用了极大似然插值法、多项式插值法、线
性插值法，将每种方法的拟合结果与前后数值进行比对，确保最优插值拟合，工作量极大，
效果极好）。 
新鲜出炉的“购买评价”，马赛克部分为这位同学的个人信息，不便公开
，数据质量有目共睹，请大家放心购买！

6.诚挚祝大家科研顺利，幸福快乐；也希望
经管之家论坛蒸蒸日上，为学术交流搭建温馨友好的平台！

7.除了本数据集外，我在论
坛还分享了关于绿色全要素生产率的数据，更是好评如潮！欢迎大家关注：

①2004
-2020年省际绿色全要素生产率及其分解项、原始数据，附带控制变量和理论推导
②
2000年-2020年共21年我国所有地级市绿色全要素生产率（GTFP），879
9个观测值
③2000-2020年地级市绿色全要素生产率原始数据，281个城市5
901个观测值
④2004-2019年省际绿色全要素生产率及其分解项、原始数据，
附带控制变量和理论推导（比第一个数据少一年，便宜一些，按需购买即可）
   

下载链接：https://download.csdn.net/download/weixin_45892228/89154078

点击下载：【已匹配】1998-2014年工业企业数据库和企业专利匹配结果（观测值近500万，手动清洗）