如何用excel或stata筛选出注册地于中国大陆以外并删除避税地及港澳台的样本？

Question

论文用到OFDI变量，需要筛选出注册地于中国大陆以外并删除避税地及港澳台的样本，所收集数据有注册地Site一列，里面五花八门。我知道中国大陆的省份是什么，我也知道需要剔除的避税地国家有哪些，但收集到的数据里注册地信息详略不一（比如有河北、河北石家庄、河北省石家庄市、山东省北京路、香港、中国香港、HK、HongKong、USD、美国、英属等乱七八糟的信息），我需要根据这一列进行数据处理。请问怎么利用excel或stata操作，如何筛选出注册地于中国大陆以外并删除避税地及港澳台的样本呢？

Answer 1

Excel 筛选非中国大陆且非避税地/港澳台样本的详细方案

准备工作

1. 确保您的数据有一个"Site"列（或其他名称的注册地列）
2. 在工作簿中新建一个工作表命名为"关键词列表"

步骤一：建立关键词库（在"关键词列表"工作表）

A列 (中国大陆关键词)	B列 (避税地/港澳台关键词)
河北	香港
石家庄	澳门
山东	台湾
北京	开曼
...(其他省份城市)	英属维尔京
广东	百慕大
广州	HK
深圳	Macao
...	...

步骤二：在主数据表添加辅助列

1. 识别中国大陆：

   • 在数据表右侧添加两列："含大陆关键词"和"含避税地关键词"
   • 在"含大陆关键词"列的第一个单元格（假设是B2）输入：

     =SUMPRODUCT(--ISNUMBER(SEARCH(关键词列表!$A$2:$A$100,A2)))>0
     

     这将检查A2单元格是否包含任何中国大陆关键词

2. 识别避税地/港澳台：

   • 在"含避税地关键词"列的第一个单元格（假设是C2）输入：

     =SUMPRODUCT(--ISNUMBER(SEARCH(关键词列表!$B$2:$B$100,A2)))>0
     

     这将检查A2单元格是否包含任何避税地关键词

3. 双击这两个公式的填充柄，将公式应用到整列

步骤三：筛选所需数据

1. 选择整个数据区域（包括标题行）
2. 点击"数据"选项卡 → "筛选"
3. 在"含大陆关键词"列的下拉菜单中，选择"FALSE"
4. 在"含避税地关键词"列的下拉菜单中，选择"FALSE"
5. 现在显示的就是注册地既不在中国大陆，也不在避税地/港澳台的样本

步骤四：复制筛选结果

1. 选中所有可见行（不包括标题）
2. Ctrl+C复制
3. 新建工作表，右键 → "粘贴值" → 保存为干净数据集

高级技巧

1. 处理大小写问题：

   • 修改公式为不区分大小写：

     =SUMPRODUCT(--ISNUMBER(SEARCH(LOWER(关键词列表!$A$2:$A$100),LOWER(A2))))>0
     

2. 处理中英文混合：

   • 在关键词列表中添加英文对应词，如：
     • 中国大陆添加"China", "CHN"
     • 避税地添加"Hong Kong", "Macau", "Taiwan"

3. 处理缩写：

   • 在避税地关键词中添加常见缩写："HK", "MO", "TW", "BVI"等

4. 精确匹配（可选）：

   • 如果需要完全匹配而非包含关系，改用：

     =COUNTIF(关键词列表!$A$2:$A$100,A2)>0
     

注意事项

1. 关键词列表应尽可能全面，建议包含：

   • 所有中国省份、直辖市、自治区名称
   • 主要城市名称
   • 常见避税地的各种表述方式

2. 执行筛选前建议先备份原始数据

3. 对于特殊个案（如"山东省北京路"这种混合地址），可能需要：

   • 添加例外规则
   • 或先进行数据清洗（将此类地址替换为纯"山东"）

4. 筛选完成后，可以删除辅助列再保存最终数据集