微精选

缘起

找工作的间隙没心思写论文，整理了以前攒的数据。

在实证研究中，为确保行业分类标准在时间序列上的一致性，我们通常需要对不同版本的《国民经济行业分类》代码进行匹配和统一。这在处理跨度较长的微观数据库时尤为重要。

以当前广泛使用的工企库为例，该数据库跨度为 1998-2013 年，期间采用了三个不同版本的行业分类标准：

• 1998-2002 年：采用 1994 版《国民经济行业分类》
• 2003-2012 年：采用 2002 版《郭明经济行业分类》
• 2013 年：采用 2011 版《国民经济行业分类》

同样，税调也存在类似问题，涉及 2002 版与 2011 版标准的并存。

现有文献的通行做法是将其他版本的行业代码统一转换至 2002 版。具体路径如下：

1. 从 1994 版到 2002 版的转换

该过程已相对成熟。这主要得益于 Brandt et al. (2012) (以下简称 BVZ) 的重要工作，他们构建并公开了一套完整的制造业四位数行业代码的对照表。我们可以使用 BVZ 提供的数据，将 1994 版代码映射至 2002 版。

2. 从 2011 版到 2002 版的转换

对于此转换路径，目前尚无类似 BVZ 提供的权威现成方案。因此，我们需要自行构建转换关系。当前的主流方法是借鉴 BVZ 的处理思路，并依据国家统计局发布的《2011 国民经济行业分类注释》，手动建立 2011 版和 2002 版四位数代码之间的对应关系。

基础数据准备与核验

在正式进行代码转换前，我们需要准备并核验基础数据。具体来讲，我们需要拿到以下两套关键资料：

1. 三套完整的行业代码名录

即 1994 版、2002 版和 2011 版《国民经济行业分类》的完整代码与名称列表。感谢颖宝提供这部分数据。

2. 官方版本新旧对照表

这些对照表是连接不同版本行业代码的桥梁，通常作为附录收录在《国民经济行业分类》中。我们主要涉及两张对照表：

• 2002 版 vs 1994 版：其新旧类目对照表位于《国民经济行业分类》(GB/T 4754-2002) 的附录 B，第 52 页起
• 2011 版 vs 2002 版：其新旧行业类目对照表位于《2011 国民经济行业分类注释》的附录 3，第 473 页起。

需要说明的是，《2011 国民经济行业分类注释》同时提供了新旧 (附录 3) 和旧新 (附录 4) 两份对照表。由于旧新对照表缺乏说明列，所以我们还是以新旧对照表为准。

在获取上述数据后，我们首先对数据进行核验，以确保我们所用代码名录的准确性和完整性。我们从 1994 版行业代码开始：

观察其各门类的频数和合计数，可以发现与官方一致，所以是准确无误的。

同样对比 2002 版：

     一级行 |
   业代码_I |
 ndCd1_2003 |      Freq.     Percent        Cum.
------------ -----------------------------------
          A |         38        4.16        4.16
          B |         33        3.61        7.78
          C |        482       52.79       60.57
          D |         10        1.10       61.66
          E |         11        1.20       62.87
          F |         37        4.05       66.92
          G |         14        1.53       68.46
          H |         93       10.19       78.64
          I |          7        0.77       79.41
          J |         16        1.75       81.16
          K |          4        0.44       81.60
          L |         27        2.96       84.56
          M |         23        2.52       87.08
          N |         18        1.97       89.05
          O |         16        1.75       90.80
          P |         13        1.42       92.22
          Q |         17        1.86       94.09
          R |         29        3.18       97.26
          S |         24        2.63       99.89
          T |          1        0.11      100.00
------------ -----------------------------------
      Total |        913      100.00

以下是官方的数据，各门类和总数都完全一致。

最后是 2011 版：

     一级行 |
   业代码_I |

      ndCd1 |      Freq.     Percent        Cum.
------------ -----------------------------------
          A |         60        5.48        5.48
          B |         37        3.38        8.87
          C |        532       48.63       57.50
          D |         12        1.10       58.59
          E |         21        1.92       60.51
          F |        113       10.33       70.84
          G |         40        3.66       74.50
          H |         12        1.10       75.59
          I |         17        1.55       77.15
          J |         29        2.65       79.80
          K |          5        0.46       80.26
          L |         39        3.56       83.82
          M |         31        2.83       86.65
          N |         21        1.92       88.57
          O |         23        2.10       90.68
          P |         17        1.55       92.23
          Q |         23        2.10       94.33
          R |         36        3.29       97.62
          S |         25        2.29       99.91
          T |          1        0.09      100.00
------------ -----------------------------------
      Total |      1,094      100.00

拿到的数据也与官方公布的数据完全一致。

上述对比可知，我们拿到的三版行业代码名录与官方发布的内容完全一致。

这里也可以得到一个重要的启示：在处理工企库或税调数据时，如果发现数据中四位数行业的类别数量比官方公布的还多，这可能意味着数据存在代码误记、录入错误或分类标准混淆等问题，需要进行审查和修正。

考虑到多数研究主要聚焦于制造业，且为了减少工作量，我们接下来的内容仅集中讨论制造业四位数行业代码的跨版本转换。

BVZ 的转换方法论

BVZ 提供了公开的 1994 版至 2002 版的代码转换数据，这为我们提供了一个绝佳的范例。通过逆向工程他们的转换结果，我们可以提炼出其处理行业代码变更的基本原则，并进一步将这些原则应用到处理 2011 版的转换中。

在行业代码的转换中，主要存在以下四种对应关系：

1. 一对一映射

这是最简单的情形，指一个旧版行业代码被一个新版代码直接替代，行业内涵和边界未发生实质性变化。处理方式是直接进行代码替换。如以下情形：

2. 多对一映射

指多个旧版行业合并成一个新版行业。例如，1994 版中的甘蔗糖业、甜菜糖业和加工糖业，在 2002 版中被统一合并为制糖业。处理方式是将所有旧代码下的企业统一归如新的行业代码：

3. 一对多映射

指一个旧版行业被拆分注入到多个新版行业中。例如，1994 版的其他水产品加工业，在 2002 版中被细分为鱼油提取及制品的制造和其他水产品加工。

为保证时间序列上行业定义的一致性，BVZ 在此处采取了向上归并的策略。他们没有保留更精细的新分类，而是将所有拆分出的新代码统一到一个代表性的代码下 (此处为 1364)。这种处理牺牲了部分行业的粒度，但换取了跨时期可比性。

BVZ 转换数据也印证了这一点。其中 cic02 代表 1994 版代码，cic03 代表 2002 版代码，而 cic_adj 是经过调整后用于最终分析的协调化代码。

cic_adj	cic03	cic02
1364	1369	1359
1364	1364	1359

4. 多对多映射

这是最复杂的情形，涉及多个旧版行业与多个新版行业之间的交叉、重组的复杂关系。例如，下图展示了 1994 版 的 2031、2033、2073 等行业，与 2002 版的 2031、2032、2039、2663 等行业之间存在犬牙交错的对应关系。

面对这种模糊性，BVZ 采用了与一对多情况一致的归并策略。他们找到了这些相互关联的代码所能归属的最小共同上级行业，并将所有涉及的代码全部统一到该上级行业的代码下。在上面的例子中，BVZ 就将全部代码统一为 2031。

在深入理解了 BVZ 这套处理复杂对应关系的逻辑后，我们就可以将其作为方法论基础，着手处理 2011 版到 2002 版的代码转换工作。

2011 版转换 2002 版

现在，我们将前面提炼出的 BVZ 方法论，应用于 2011 版新旧行业类目对照表，以构建我们自己的转换方案。分析该对照表后，我们同样会遇到四种映射关系。

1. 一对一映射

此种情况最为直接，新旧代码仅有年份标识的差异，行业内涵不变。我们只需要在数据处理中建立直接的等同关系即可：

2. 一对多映射

指一个 2002 版行业，在 2011 版中被进一步细分。例如，2002 版的畜禽屠宰，在 2011 版中被拆分为牲畜屠宰和禽类屠宰。

遵循 BVZ 的向上归并原则，为了维持与 2002 年及以前数据在行业定义上的可比性，我们需要将 2011 版中更精细的两个行业 (1351 和 1352) 重新合并，并统一对应回 2002 版的父级代码 1351。

3. 多对一映射

指多个 2002 版行业，在 2011 版中被合并为一个行业。例如，2002 版的饲料加工、肉制品及副产品加工，在 2011 版中共同归属于饲料加工这一项。

应用 BVZ 逻辑，为确保基准 (2002 版) 的统一性，我们需要将源头端的 2002 版行业也视为一个整体。即在最终的协调化代码体系中，将它们统一到一个代码下 (即 1320)，以便与 2011 版进行匹配。

4. 多对多映射

多对多映射的处理最为复杂，有时需要通过多次归并才能结局。以下是一个典型的迭代归并案例：

• 第一轮归并

如下所示，我们发现 2002 版的 1761、1762、1763、1769，和 2011 版的 1761、1762、1763 存在复杂的交叉关系。应用 BVZ 原则，我们将这个集合内的所有代码统一协调至一个代表性代码，即 1761。

同样地，2002 版的 1751、1752、1753、1754、1759，和 2011 版的 1771、1772、1773、1779 也构成了独立的复杂映射。我们将这个集合内的所有代码统一协调至另一个代表性代表，即 1751。

• 第二轮归并

在初步处理后，1751 和 1761 这两个协调代码所代表的行业簇，在逻辑上似乎是独立的。然而，对照表的进一步揭示了一个隐藏的关联：

2002 版的 1751、1761、1762、1763、1769、1830，和 2011 版的 1820、1930 又构成了新的交叉关系。因此，我们必须进行第二轮、更大范围的归并。

我们将上述三个部分涉及到的所有新旧代码进行合并，统一归属到一个最终的代表性代码下，此处我们选择 1751 (选择 1761 亦可，关键是保持一致性)。

最终，这个庞大的行业簇包括：

• 2002 版的 10 个代码： 1751、1752、1753、1754、1759、1761、1762、1763、1769、1830
• 2011 版的 9 个代码： 1761、1762、1763、1771、1772、1773、1779、1820、1830

它们在我们的协调化方案中，都将被统一标记为 1751。

结语

最终，通过对官方新旧对照表的系统梳理，并严格遵循从 BVZ 中提炼出的向上归并原则，我们逐一解决了所有的代码映射问题。在完成这一过程后，我们就得到了一份完整、可靠且逻辑一致的 2011版–> 2002 版行业代表对照表。

感谢颖宝的数据支持，以及和琛哥极富教益的讨论。