作为一个跨专业过来的小博，感觉与专业学经济出身的同学差距挺大的，很多东西都得下工夫补上。　　这不，为了写毕业论文，入手了一套98-07的中国工业企业数据库，利用这个暑假打算将数据库整理好，以便以后的写作随时调用。作为一个小白，计量软件只会STATA，并且是很简单的回归应用，只能看懂小部分简单程序，想要入手这套数据库虽然已经做好心理准备，但困难却超出了预期。我将工作分为了三个阶段：　　第一个阶段：数据转化成DTA格式，我只会STATA
　　第二个阶段：数据重复值、缺省值等的处理和数据匹配等数据加工
　　第三个阶段：用数据计算出回归可用的各种变量，例如集聚度、全要素生产率等等。
　　当我完成每个阶段，我计划将自己处理过程分享一下，虽然不知道自己会卡在那个过程。
　　先说说手头的数据和工具：　　数据：ACCESS格式的工业企业数据库
　　工具：STATA.14
　　电脑配置：I5-5200U，2.2GHZ，4G
　　第一阶段问题：将数据库转化成能输入STATA的DTA格式

　　（1）首先想到的是STAT TRANSFER这个软件，然后下载了STAT TRANSFER9，免安装的，但跑完发现这个版本不能转化汉字，汉字转化出来基本就是乱码。因此选择最新的STAT TRANSFER12，但转化的时候发现要处理的每年的数据样本在16万-33晚之间，超出了这个软件的处理上限，然后用这个软件转化的可能性算是没有了。
　　（2）再次想到的方法是复制黏贴的方法，发现ACCESS不能直接往STATA里粘贴，于是新建EXCEL，在数据里导入ACCESS，发现用WPS可以很完整的将其导入EXCEL，这样就将ACCESS转化成了EXCEL，然后再往STATA复制黏贴，1999-2004可以很好的粘贴进STATA，但2005-2007则出现了数据样本凭空多出来10-50个样本，后来发现，原来是粘贴进STATA时候，有的数据样本被分成了两行，产生了数据错位，考虑到数据的完整性，这种方法也否决了。
　　（3）看论坛上说可以转化成CVS或者XML格式然后倒入STATA，于是从EXCEL格式转化成这两种格式的表格，然后再STATA里导入，发现CVS格式可以很快的完成，但汉字部分无法转化，是乱码；而XML格式一点击导入，则出现软件没反应，根本跑不动，将电脑开着一天也还是没反应，以为电脑太差，于是去电脑装配店用I7-7700K，16G的电脑跑，一个多小时依旧纹丝不动。看来这两种方法也废了。
　　（4）最后只好将2005-2007年的数据以EXCEL格式导入STATA，但被提示最大只能一次性导入40M的数据，没办法，只好将数据分割成小于40M的几个表格，分别导入转化成DTA格式，然后将每个样本生成一个id，用以下MERGE命令合并起来：
　　merge 1:1 id using filename.dta,force
　　合并以后很多变量类型会变成STRING格式，然后利用destring命令转化回来，检查了各年样本数量，与ACCESS格式是一致的，用LIST命令抽查三段每段100个样本的数据，发现没错误，觉得输入应当没有错误了。值得注意的是，STATA14可以识别汉字的变量，因此分表格时候可以直接复制汉字变量就可以了。
　　至此，第一阶段算是完成了，前后由于中间有很多琐事，用了一周的时间。