Stata | 从 CNRDS 和 CSMAR 整理区县面板数据

PyStaData

发布于 2022-11-08 12:58:56

1.4K10

代码可运行

文章被收录于专栏：PyStaData

运行总次数：0

代码可运行

问题描述

分别由 CSMAR 和 CNRDS 下载区县统计数据，整理成区县面板数据。

CNRDS

获取数据

CNRDS 县域统计分为：基本情况，综合经济，农业、工业及投资，教育、卫生和社会保障，共计四张表。以基本情况分表为例，原始数据储存格式如下：

分析问题

对每张份表循环，提取每个指标，再按照年份、省、地区将分指标匹配。处理过程需要注意指标名称作为变量名时，特殊字符的处理。

实现过程

cd ../CNRDS
global files "区县基本情况 区县综合经济 区县教育、卫生和社会保障 区县教育、卫生和社会保障"
foreach f of global files{
	import excel using "`f'.xlsx", clear
	drop in 1
	nrow
	replace 指标 = usubinstr(指标,"(","",.)
	replace 指标 = usubinstr(指标,")","",.)
	replace 指标 = usubinstr(指标,"：","",.)
	levelsof 指标, local(variables)
	foreach v of local variables{
		preserve
		keep if 指标 == "`v'"
		destring 数值 年份, force replace 
		keep 年份 省份 地区 地区编码 数值
		rename 数值 `v'
		save `v', replace
		restore
	}
}
fs *.dta
foreach f in `r(files)'{
	use `f',clear
	duplicates drop 年份 省份 地区, force
	save `f', replace
}
mergemany 1:1 all, match(年份 省份 地区) all
missings report _all,sort percent
rename (省份 地区)(省 县) 
drop 指标
save "../CNRDS中国区县面板数据_2000-2021.dta", replace

CSMAR

获取数据

CSMAR 县域经济库分为两个层级，17 个一级名称对应着不同表格，包含不同的变量。下载获取这些原始数据，得到一堆压缩包，首先解压：

cd ../CSMAR
fs *.zip
foreach f in `r(files)'{
	unzipfile `f'
}

分析问题

以各区县行政区划分表为例，CSMAR 数据储存的结构为前三行分别为变量名、中文标签、单位。处理思路是：首先，对所有的分表循环，删除第一行和第二行，并对中文标签去除特殊字符，存为 .dta；通过 统计年度、县域代码 将数据匹配。

实现过程

fs CNT_*.xlsx
foreach f in `r(files)'{
	import excel using "`f'",clear
	ds
	foreach v in `r(varlist)'{
	replace `v' = usubinstr(`v',"-","",.) in 2 
	}
	drop in 1
	drop in 3
	nrow 
	scalar f_temp = "`f'"
	local fname = usubinstr(f_temp,".xlsx","",.)
	duplicates drop 统计年度 县域代码, force
	save `fname'.dta, replace
}
mergemany 1:1 all, match(统计年度 县域代码) all
destring 年份 教育阶段标识-年末城乡居民储蓄存款余额, replace force
save "../CSMAR中国区县面板数据_2000-2021.dta", replace