资料名称： 工业企业字段整理与企业—年份合并的 Stata 教学模板。

附件内容： cleaning_template.do、两份合成 CSV 和字段映射说明，共 4 个文件。

输入规模： 主表 300 行、指标表 284 行；含专门设置的重复键与未匹配记录，不包含真实工业企业数据库。

清洗企业数据，先弄清每行代表什么，通常比先做缩尾更关键。同一企业同一年出现多行，可能源于重复记录，也可能对应不同报表或统计主体。在确认唯一键之前合并，很容易把一条观测扩成多条。

这份模板围绕 firm_id 与 year 组织检查。两份 CSV 分别导入后保存为临时 Stata 数据文件，再执行一对一合并。主表键不唯一或关键字段缺失时，程序直接停止，避免继续生成看似完整的结果。

指标表包含 5 个重复键、共 10 行重复记录。默认规则把这些有歧义的键全部隔离，另存审计清单，不根据金额大小或文件顺序挑一条保留。真实项目应追查重复来源，确定规则后再把可用记录补回。

隔离后，示例得到 271 条唯一匹配记录、29 条主表独有记录和 3 条指标表独有记录。完整合并表保留匹配标识；分析样本、未匹配清单与重复清单分别输出。这样可以解释样本为什么减少，而不是只得到最后一份删减后的数据。

这套模板不自动判断企业退出，也不设定规模门槛或缩尾比例。它解决的是键、重复与合并关系；研究样本的筛选条件应另行记录。适合在正式整理之前理解检查顺序，或作为自己清洗程序的起点。

下面是帖子的相关资料的获取以及相关的内容说明，内容包含：清洗脚本、两份合成 CSV、字段映射与合并对账说明。