CNDD-0055 2000-2015年中国工业企业数据库(附stata处理代码)

01 数据介绍
▪ 关键词:中国工业企业数据库
▪ 数据编号0055
▪ 数据名称:中国工业企业数据库
▪ 数据区间:2000-2015年
▪ 样本数量:>1,000,000,000条
▪ 数据来源:CNDD根据中国工业企业数据库整理
▪ 数据说明中国工业统计数据库的统计范围中国大陆地区销售额2000万元/RMB以上的大中型制造企业,即包括国有企业、集体企业、股份合作企业、联营企业、有限责任公司、股份有限公司、私营企业、其他内资企业、港澳台商投资企业、外商投资企业。工业统计指标包括工业增加值、工业总产值、工业销售产值等主要技术经济指标以及主要财务成本指标和从业人员、工资总额等。截止目前共收录了中国30万多家企业,占中国工业总产值的90%左右,含盖中国工业制造业60多个大产业,100多个中类、1000多个子行业,是产业研究中必备的基础资料。
▪ 数据维度公司层面
▪ 更新时间:2023年
▪ 综合评价由于工业企业数据库的独特优势,近几年来每年都有大量的海内外经济学者使用该数据库撰写和发表论文,主题涵盖产业组织理论、企业理论、公司金融、转型经济学、国际贸易、劳动经济学和区域经济学等学科。第一,它的样本量非常大,涵盖了全国所有的国有工业企业和规模以上的非国有工业企业。第二,它的指标非常多,包括了企业的基本情况和企业的财务数据,比较全面地反映了企业的市场进入、投资、借贷、广告、研发、出口等行为和企业的短期与长期经营绩效,并且企业加总数据反映出企业所处行业或地区的市场结构。第三,它的时间序列比较长。工业企业数据库最早的建立年份是1998 年,目前已经更新到了2015 年,前后跨期18年。
CNDeepData 数据应用质量评级

▪ 常用度:★★★

▪ 稀缺度:★★★

▪ 新颖度:★★

▪ 总体级别:11颗星

  常用度:是数据市场中需求指标,是指该数据在经济管理类学术论文中使用频率。

✔  稀缺度:是数据市场中供给指标,是指该数据在其他数据库的出现频率。

  新颖度:是数据市场中生成指标,是指该数据在生成时方法新颖程度和工作量。

02 主要指标

图片

03 数据特征概览
▪ 数据概览

图片

▪ 清洗数据stata处理代码

图片

04 前沿文献速递

▪ 文献来源

张平淡,屠西伟.制造业集聚、技术进步与企业全要素能源效率[J].中国工业经济,2022,No.412(07):103-121.

▪ 文献内容:

提高企业全要素能源效率是破解能源短缺与环境污染问题,实现碳达峰、碳中和目标的重要途径。文章改进了两步随机前沿模型,基于中国工业企业数据库与工业企业污染排放数据库合并数据对企业全要素能源效率进行测算,采用Bartik方法构建城市层面的外部需求作为工具变量,甄别了制造业集聚对企业全要素能源效率的影响。实证研究发现,样本期内制造业集聚抑制了企业全要素能源效率的改进,在一系列稳健性检验后这一结论依然成立。异质性分析发现,制造业集聚对出口企业、国有企业和较低集聚水平地区的企业全要素能源效率具有更强的抑制作用。机制分析发现,制造业集聚没有带来企业中性技术进步,也没有带来企业专利质量的显著提升,而且制造业集聚抑制了能源体现式技术进步,促进了资本体现式技术进步,还加剧了资本相对于能源的要素技术进步偏向。文章对于有序推进碳达峰、碳中和工作中如何切实改进企业全要素能源效率、夯实高质量发展的企业微观基础提供了经验证据和政策启示。

▪ 研究设计与相关数据应用

 

(1) 计量模型构建
文章采用如下计量模型估计制造业集聚对企业全要素能源效率的影响:

图片

其中,下标 i 为企业,c 为城市,j 为行业,t 为年份。EEicjt表示企业全要素能源效率;MAct表示城市制造业集聚水平;C表示控制变量集合,其中,企业层面的控制变量组包括企业年龄、企业性质和是否出口等变量,城市层面控制变量组包括人口密度、地形坡度和政府干预力度。为控制城市所在 省份层面的宏观政策等因素的影响,加入省份交乘年份的固定效应 Rpt 、行业交乘年份的固定效应 λjt ;ai表示企业的固定效应,εicjt为扰动项。
(2)主要指标构建方法
①企业全要素能源效率

对中国工业企业数据库与工业企业污染排放数据库合并数据进行清洗,最终样本期限定在 2001—2007 年 。在此基础上,根据全要素能源效率测算生成企业全要素能源效率指标(EE)。

制造业集聚

区位熵在地区产业专业化程度等方面具有良好的测算优势(张平淡和屠西 伟,2021),在此同样借助区位熵对城市制造业集聚水平予以测度,公式如下:

图片

其中,c 表示城市,t表示时间;Xct表示第c个城市在第t年的制造业就业人数,Sct表示第c个城市在第t年全行业总就业人数,∑cXct 表示所有城市制造业的总就业人数,∑cSct表示所有城市全行业的总就业人数。考虑到集聚度量指标的稳健性,文章基于中国工业企业数据,参考现有研究(范剑勇等,2014)还进行了七种集聚指标的测算,验证结论的稳健性。

工具变量构造

制造业集聚对企业全要素能源效率能够产生影响,可能也会受到能源效率的反向作用。能源效率的提升是制造业集聚外部性的体现,有助于集聚深化,导致集聚对能源效率的影响存在向上偏误。为了缓解反向因果问题:第一,文章将制造业集聚设定在宏观层面,将能源效率下沉到企业层面。一般而言,单个企业能源效率的改善不足以影响整个宏观层面的制造业集聚,从而在一定程度上缓解反向因果问题。第二,构造工具变量。制造业集聚本质上是产业组织形式的动态调整,从工具变量的构造看,需要一个直接影响产业组织形式变化但又不直接影响企业能源效率的工具变量。相对而言,外部需求是一个理想的工具变量。外部需求引致生产要素的空间集聚,能够促进相似类型 和具有上下游投入产出关系的企业集聚以及原有企业扩大生产规模,这种外部需求并不直接影响企 业的能源效率,在一定程度上能够克服反向因果的问题。此外,尽管模型中控制地区和时间的固定效 应,但仍有不可观测特征的时变因素无法控制,本文不仅要为制造业集聚寻找需求方面的冲击,而且要求这个冲击要足够的外生于城市个体特征,因此不直接采用城市实际外部需求或城市实际出口额 (张川川,2015),而是采用 Bartik 方法(Goldsmith-Pinkham et al.2020)构造城市外部需求(EX)这一工具变量。之所以摒弃城市实际出口额,而将加权平均额作为外部需求,是为了消除城市潜在的混淆 效应(Confounding Effects),更大程度上满足排他性约束(Exclusion Constraint)。 工具变量构造方法如下:

图片

其中,sharecj × Exportjt为c城市、j行业的出口额;ln∑sharecj × Exportjt为城市层面加权出口额对数值,衡量城市外部需求。具体而言,Exportjt表示j行业t期的全国出口总额,份额sharecj定义如下:

图片

其中,outputcj 表示c城市在制造业行业(j两位数代码水平)的总产值比重。根据 GoldsmithPinkham et al.(2020)份额设定方式,文章将份额(share)固定在期初水平(1998 年),目的在于使外部需求在城市层面上呈现差异,同时增强工具变量的外生性。

05 其他相关文献
[1]聂辉华,江艇,杨汝岱.中国工业企业数据库的使用现状和潜在问题[J].世界经济,2012,35(05):142-158.
[2]鲁晓东,连玉君.中国工业企业全要素生产率估计:1999—2007[J].经济学(季刊),2012,11(02):541-558.
[3]杨汝岱.中国制造业企业全要素生产率研究[J].经济研究,2015,50(02):61-74.

06 获取方式

此数据为会员专属数据,添加客服微信,购买年度普通会员149元,年度高级会员299元,永久高级会员899元,可享CNDeepData所有数据免费获取。

▪ 添加客服微信方式

扫描下方二维码,或搜索下方微信号。

添加客服微信号:DeepData001

获取更多更新数据

图片
图片
往期已推送数据
CNDD 已推送数据列表及业务介绍
CNDD 全国各地区儒家文化变量数据合集
CNDD 中国上市公司创新变量数据合集(全网最全)
CNDD 中国银行业数据合集
CNDD 中国债券市场研究数据合集
版权声明 …
1. 除中国深度数据库(CNDD)特殊声明外,CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权,不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分,否则视为侵权。2. 对于存在侵害CNDD上述权利违法行为的主体,CNDD保留依法追究其法律责任的权利。

数据授权使用说明 …
任何使用CNDD数据等产品的单位和个人,承诺只将CNDD的数据等用于学术研究,并在所得研究成果(包括但不限于学术论文、咨询报告等)中注明数据来源于CNDD。数据来源的注明方式请参考:“本研究数据来源于中国深度数据库CNDD”;英文参考:“We get the data from CNDeepData (CNDD)”。
图片
中国深度数据库:让精品数据 得以流动
CNDeepData:Let high-quality data flow without barriers

资源下载此资源下载价格为99积分(年度普通会员免费),请先

部分图片来源于网络,如涉侵权请告知,本站将第一时间删除。客服微信号:DeepData001

发表评论

您的电子邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部