工企数据问题很多，处理起来比较繁琐，最近又搞了一次，一边整理一边发现问题，一步一步完善，两天也就做了两个年度的，希望是已经把所有的问题都遇到了，之后会顺畅些。
主要工作是清洗数据和匹配城市行业，以及用类似excel数据透视表的功能加总到城市和行业。
以下是总结，不一定完全合理，也没有完全按照聂辉华老师文章那样处理得很精确，不过也参考了一些比较权威期刊发表的文章，仅供参考。个人水平有限，有问题的话欢迎指正，若有其他解决方案也恳请赐教，共同进步。

一、导入数据到stata

从access格式导入stata，有帖子介绍过具体操作，参考：
https://bbs.pinggu.org/thread-3231726-1-1.html
https://bbs.pinggu.org/forum.php ... =#pid62774762Access
亲测无误tips:命令中的("1999") 是在那个exe里命名的名称，("qy99")  是access打开以后左边框里的名称而不是access外面文件名的名称，要打开文件看看，确认一下

二、初步清洗数据

（一）指定目标路径
正式开始前可以先指定目标路径，也就是通过运行程序产生的文件放在哪里以及调用的文件放在哪里，命令如下：tips:cd 后边跟路径，不一定必须加英文的双引号，有时候不加双引号也可以，不过加了保险些。路径可以打开文件夹右键看属性，然后复制过来。
（二）打开do文件记录命令
打开do文件记录命令也是一个不错的习惯，do文件写得差不多以后，可以从头再运行一遍，记录下结果，这时候可以用log的命令：结束时用：tips:log会产生记录的文件，记录下命令和结果，可以设置产生的文件格式，可以是txt文本也可以是网页，每一步都会被记录下来，所以感觉把do文件尝试得差不多了以后，最后再运行一遍，再记录，结果里面不会有太多有问题的步骤。以及每一次记录如果写同样的文件名，就会被代替，不过如果不加replace的option就打不开，所以每次命名要注意区分。
（三）筛选数据
下面正式开始筛选数据，相关标准很多，很多文章有介绍，被引最多的是（Brandt，2012；聂辉华，2012）这两篇，我在另一个帖子里有发过论文原文，参考：https://bbs.pinggu.org/thread-7387896-1-1.html
我这里只根据需要进行了几个关键变量的筛选，命令如下：tips:1.工企数据中每年的变量名称会有不同，比如工业总产值有的后面还有括号，所以很难批量循环处理，需要一个一个变量自己辨别，命令相应要修改。比如同样是工业总产值不变价，有的年份叫“工业总产值（不变价、新规定）”（1998、1999）有的年份叫“工业产值固”（2000），也有的叫“工业产值不”（2001）；比如同样是港澳台资本金（1998、1999），2000年命名是“港澳台资本”，2001年甚至有错别字叫“港奥台资本”真的是醉醉的，要每年挨个儿对着选变量。2.关于标准，职工大于等于30是有在论文里看到，用来筛选规模以上企业，所以没有用大于等于8。3.注意，drop只能删掉小于的，删不掉空缺值，所以用keep if更方便，省得专门再删一次空缺值。
（四）删除无关变量
因为工企数据库里面的变量特别多，数据量也很多，动辄几十万，所以没用的变量建议删掉，或者直接只保留需要的变量，命令如下：（五）适时保存数据
记得适时保存数据，但不要时时保存，因为stata不像excel可以随时Ctrl+Z，stata里面错一步就要重新来，所以小心了。三、匹配城市

（一）重命名加标签
因为工企数据库里变量名称是汉字，在stata里虽然能导入，但是不便于进行后续的运算，所以还是把涉及运算的变量改名字，顺便label标记备注一下，要不改到最后都乱了。这里列几个关键变量，一是便于后续理解，二是给个示范。（二）统一匹配变量的格式
用来匹配的变量格式和名称应该是相同的，比如我这里用行政区划匹配城市名称，行政区划的变量在匹配的文件和被匹配的文件里应该有相同的命名，我这里是xzdaima1，也有相同格式，即数字型。
我只用地级市数据，所以只取原来字符串型数据xingzhengdaima 的前四位，新变量命名为xzdaima，又因为在另一个文件里行政代码的变量为数字型， 所以这里将字符串型数据转为数字型，然后命名为xzdaima1，和匹配过来的那个文件里的变量名以及数据类型一致。tips:之所以不用数据库里的城市是因为有些年份压根没有登记城市，或者登记的名称都不统一，有的有“市”有的没有“市”甚至有的名字错误，所以用匹配相对好些，但是也有问题，就是行政区划代码每年多少有变动，如果不统一对应到一个固定的对照表的话，就会有很多匹配不上的。这个行政代码和城市名称的对应表就要自己做了，如果用县级数据或是地级市数据，在研究年份中有行政级别调整的城市就可以剔除了，比如从县级市到地级市的。关于撤县建市等行政区划调整问题可以参考：https://bbs.pinggu.org/thread-7801095-1-1.html
（三）匹配城市
然后是关键一步，用merge命令合并，这里是m:1，多对一，因为企业很多，但城市就那么几百个。关于匹配就不多说了，网上有很多资源可以学习。tips:这个行政区划代码匹配表没有太合适的，自己做也还是有点瑕疵，不够合理，这里就不分享了。
（四）删除没匹配上的企业tips:因为这个匹配表还是有些问题，如果不对每年的数据分别做一个对照表，也很难完全匹配上，所以其实删一些也没关系，删个一万多条数据都OK，毕竟占比很少。

四、匹配行业

和匹配城市一样，行业也有很多标准，有几版，所以行业代码也有所不同，需要对应，这个对应也得自己做。步骤和上一步差不多。
（一）重命名（二）统一匹配变量的格式（三）匹配行业（四）删除没匹配上的企业（五）适时保存数据待续