一、数据来源与规模

数据库由四类原始数据加工汇总而成：

• 工商登记数据：企业注册、在营、新增、注吊销等信息，构成企业规模与动态字段；
• 专利、商标、软件著作权数据：构成创新产出字段（专利数）；
• 工商企业财务年报数据：资产、权益、销售、利润、收入、纳税、负债等财务字段；
• 行业与区域标准：行业按 GB/T 4754—2017《国民经济行业分类》划分，区域按行政区划代码归并。

加工方式为“先识别、后汇总”：将每家企业匹配行业编码与所在行政区，再按“区域 × 行业 × 年份”交叉汇总为统计表。库表规模如下：

• 总记录数：90,077,280 行（约 9,000 万行）；
• 时间范围：2000—2023 年，共 24 年，每年行数恒定 3,753,220 行；
• 区域单元：3,215 个，覆盖全国、省级、地市级、县区级；
• 行业编码：1,970 个，覆盖门类（20）、大类（97）、中类（473）、小类（1,380）及“全部行业”合计；
• 统计字段：26 个。

图 1 数据库的三维结构与数据生成逻辑（区域 × 行业 × 年份，交叉点承载 26 项指标）。

二、维度结构

（一）区域维度

按行政区划编码分为四级：全国（编码 000000）、省级（X0000）、地市级（XXXX00）、县区级（其余编码）。各层级行数分布如下：

区域比较的主体是县区级记录，占全表 84% 以上。

（二）行业维度

行业按 GB/T 4754—2017 四级编码：门类（1 位字母，A—T，共 20 个）、大类（3 位码，97 个）、中类（5 位码，473 个）、小类（7 位码，1,380 个）；另设“全部行业”（__ALL__）合计行。行业名称采用四级全称，如“制造业-有色金属冶炼和压延加工业-有色金属压延加工-铝压延加工”。

（三）时间维度

2000—2023 年逐年记录，每年 3,753,220 行，构成连续 24 年的面板数据。

三、字段说明

26 个字段按经济含义分为五组：

1.维度标识（5个）：年份、行政区划编码、区域、行业编码、行业。标识该行所属的时间、区域与行业。

2.企业规模与动态（5个）：企业个数（含死亡）、在营企业数、新增企业数、注吊销企业数、累计注吊销企业数。分别反映历史上累计出现的企业总量、当前存续的企业、当年新注册的企业、当年注销吊销的企业、累计注销吊销的企业。

3.财务年报（8个）：资产总额、所有者权益合计、销售总额、利润总额、主营业务收入、净利润、纳税总额、负债总额。来自工商企业年报，反映区域的资产规模、经营规模、盈利与负债状况；该组字段自 2014 年起才成规模覆盖。

4.创新产出（1个）：专利数。按注册地统计该区域、该行业、该年份企业的专利计数。

5.企业年龄结构（7个）：企业年龄 0-5 年、6-10 年、11-15 年、16-20 年、21-25 年、26-30 年、30 年以上。七个年龄段的在营企业数之和等于在营企业总数，反映企业群体的年龄构成。

以「广东省深圳市· 2023 · 全部行业」一行为例，展示一条记录的全部 26 个字段取值（企业数量单位：户，金额单位：元）：

四、样本数据

选取五条记录，展示不同区域层级、行业与年份的组合（数量单位：户）：

样本解读：① 全国、省级、市级三级逐层加总关系清晰，如深圳市在营企业约占广东省的 32%、广东省约占全国的 12.8%；② 南山区信息传输业在营 64,807 户中专利 20,840 项，专利/在营比约 32%，反映该行业在科技强区的创新集中度；③ 2000 年上海交通运输业专利仅 2 项，体现早期年份专利字段覆盖率低，使用时需注意年份差异（详见第六节口径提示）。

五、主要统计结果与图表解析

（一）全国总量趋势（2000—2023）

全国在营与新增趋势

图 2 全国在营企业数与当年新增企业数（2000—2023）

解析：在营企业数由 2000 年 645.2 万户增至 2023 年 6,672.3 万户，24 年增长约 10.3 倍；当年新增企业数由 93.7 万户增至 1,030.8 万户，增长约 11 倍。两条曲线同步上行，企业存量与增量持续扩张；2023 年当年注吊销 485.8 万户，累计注吊销 3,444.5 万户，约为当年在营企业数的一半。

（二）省级在营企业数排名（2023）

图 3 2023 年省级在营企业数 TOP10

解析：广东 851.0 万、山东 519.5 万、江苏 505.3 万、浙江 413.9 万、河南 341.3 万、上海 330.4 万、四川 302.5 万、河北 277.1 万、安徽 270.2 万、湖北 261.0 万。广东一家占全国在营企业（6,672.3 万）的 12.8%，前四名均为东部沿海省份。

（三）行业门类在营企业数（2023全国）

图 4 2023 年全国在营企业数：行业门类 TOP10

解析：批发和零售业 2,121.3 万，居绝对首位；租赁和商务服务业 790 万、制造业 665 万、科学研究和技术服务业 660 万、建筑业 587 万、农/林/牧/渔业 450 万随后。前六门类合计约 5,273 万，占全国在营企业的 79%。服务业门类占据前列，反映全国市场主体的产业结构以服务业为主。

（四）字段覆盖率（2000—2023）

图 5 专利数据与财务年报数据的记录覆盖率（2000—2023）

解析：专利数字段的记录覆盖率由 2000 年约 1.2% 升至 2023 年约 15.6%（2023 年覆盖 58.5 万行）；财务年报字段自 2014 年起开始成规模出现，2014 年约 25.1%，2023 年约 81.1%（覆盖 304.5 万行）。早期年份两字段覆盖明显不足，跨年份比较时应以覆盖率口径校正。

（五）全国在营企业年龄结构（2023）

图 6 2023 年全国在营企业年龄结构

解析：0-5 年企业 4,028.4 万，占 60.4%；6-10 年 1,357.8 万，占 20.4%；11-15 年 497.2 万；16-20 年 336.9 万；21-25 年 231.3 万；26-30 年 129.7 万；30 年以上 91.2 万，仅占 1.4%。年龄越短企业数量越多，七组之和等于在营企业总数（6,672.3 万），反映全国企业以新设企业为主、长龄企业稀少的年龄分布。

六、使用口径提示

• 缺失值处理：原始文件中财务字段缺失常显示为 0.000000，与真实 0 值难以直接区分，使用前应结合字段覆盖率判断，不宜简单把 0 当作“没有”；
• 财务字段覆盖：自2013年才开始有年报数据，2014年和2015年的样本规模不足300万家，从2016年开始，财务年报才具有大规模的样本量，目前的财务年报只能截止到2023年。2023 年覆盖率约 81.1%，且为年报数据加总口径，数值供量级参考；
• 覆盖范围：工商登记以大陆 31 个省级单元为主；
• 编码规则：区域编码 X0000 为省级、XXXX00 为地市级、其余为县区级，000000 为全国；行业编码 1 位为门类、3 位为大类、5 位为中类、7 位为小类，ALL 为全部行业合计。