手把手教你用STATA复刻企业避税研究：从Wind数据清洗到DDBTD指标生成（附完整do文件）
企业避税研究全流程实战：基于STATA的指标构建与计量分析
在实证会计与公司金融领域，企业避税行为研究一直是热点话题。对于刚接触该领域的研究者而言，如何正确处理财务数据、构建关键指标并理解其经济含义，往往是研究路上的第一道门槛。本文将扮演你的"数字实验室助手"，带你完整走一遍从原始Wind数据到最终DDBTD指标的全过程，不仅提供可复用的STATA代码，更会解释每个步骤背后的计量逻辑。
1. 研究准备与数据清洗
任何严谨的实证研究都始于规范的数据准备。我们使用2000-2020年沪深A股非金融类上市公司数据，原始数据集通常包含以下关键字段：
* 基础字段示例 describe stkcd year net_profit pre_tax_profit income_tax operating_cf total_assets deferred_tax_liab deferred_tax_assets tax_rate数据清洗四步法：
行业筛选：剔除金融行业样本（证监会行业代码J开头的公司）
drop if substr(industry_code,1,1)=="J"盈利能力筛选：保留税前利润为正的观测值
keep if pre_tax_profit > 0税率异常值处理：剔除实际税率超出[0,1]范围的样本
gen effective_tax_rate = income_tax / pre_tax_profit drop if effective_tax_rate <0 | effective_tax_rate >1面板数据声明：设置公司-年份面板结构
xtset stkcd year
注意：实际税率计算时需考虑分母为零的情况，上述代码已通过前置筛选避免此问题
2. 核心指标构建原理与实现
2.1 税率差异指标(RATE_diff)
名义税率与实际税率的差异是最直观的避税衡量方式。我国企业所得税法定税率经历过多次调整，需要在代码中动态处理：
* 名义税率设置（考虑2008年税率改革） gen statutory_rate = 0.33 replace statutory_rate = 0.25 if year>=2008 * 实际税率计算 gen effective_tax_rate = income_tax / pre_tax_profit * 税率差异指标 gen RATE_diff = statutory_rate - effective_tax_rate指标经济学含义：该值越大，表明企业通过税收筹划实际承担的税负越低，避税程度越高。但需注意该指标易受税收优惠等合规因素影响。
2.2 长期税率差异(LRATE_diff)
为平滑年度波动，研究通常采用五年移动平均：
* 按公司计算五年均值 bysort stkcd: gen LRATE_diff = (RATE_diff + RATE_diff[_n-1] + RATE_diff[_n-2] + /// RATE_diff[_n-3] + RATE_diff[_n-4])/5 if _n>=5提示：使用
tssmooth ma命令也可实现移动平均，但需先tsset时间序列
2.3 会计-税收差异(BTD)
BTD反映会计利润与应税所得间的差异，计算涉及多个财务指标：
* 应纳税所得额计算 gen taxable_income = (income_tax - (deferred_tax_liab - deferred_tax_assets)) / statutory_rate * BTD计算（经总资产标准化） gen BTD = (pre_tax_profit - taxable_income) / total_assets计量要点：
- 递延所得税计算方式：
deferred_tax = deferred_tax_liab - deferred_tax_assets - 标准化处理消除规模效应
3. 进阶指标：DDBTD的模型构建
DDBTD通过控制应计项目影响，得到"纯净"的避税程度衡量。其计算需要分步骤回归：
3.1 总应计利润(TACC)计算
gen TACC = (net_profit - operating_cf) / total_assets3.2 分年度行业回归
使用循环实现分年度分行业的回归计算：
* 创建存储变量 gen resid = . gen u = . * 分年度分行业回归 levelsof year, local(years) foreach y of local years { levelsof industry_code if year==`y', local(industries) foreach i of local industries { qui reg BTD TACC if year==`y' & industry_code=="`i'" qui predict temp_resid if e(sample), resid replace resid = temp_resid if e(sample) drop temp_resid } } * 计算公司层面残差均值 bysort stkcd: egen u = mean(resid) * 生成DDBTD gen DDBTD = u + resid模型解析：
- 该过程实现了文献中"分年度分行业"回归的要求
u代表公司i的长期残差均值resid代表年度特异性残差- DDBTD即为BTD中不能被应计利润解释的部分
4. 结果验证与稳健性检验
4.1 描述性统计
先查看关键指标的分布特征：
tabstat RATE_diff LRATE_diff BTD DDBTD, stat(mean sd p25 p50 p75 N) col(stat)4.2 相关性分析
检查指标间关系是否符合理论预期：
pwcorr RATE_diff BTD DDBTD, star(0.05)4.3 稳健性检验方案
| 检验类型 | 实施方法 | 预期结果 |
|---|---|---|
| 替代指标 | 使用不同窗口期的LRATE_diff | 符号一致，显著性强 |
| 子样本分析 | 按产权性质分组回归 | 国有组系数更小 |
| 模型设定 | 加入更多控制变量 | 核心指标保持显著 |
| 极端值处理 | 对主要变量进行1%缩尾处理 | 系数方向不变 |
5. 实战问题排查指南
5.1 常见报错解决方案
问题1：
factor variables and time-series operators not allowed- 原因：未正确声明面板数据结构
- 解决：先运行
xtset stkcd year
问题2：
missing values generated- 检查：
misstable sum查看缺失值分布 - 处理：
drop if missing(BTD)或多重插补
- 检查：
问题3：回归结果不显著
- 检查：
estat hettest检验异方差 - 处理：使用
robust标准误
- 检查：
5.2 效率优化技巧
并行计算：大数据集时使用
parallel命令parallel, cores(4): reg BTD TACC i.year i.industry_code内存管理：处理大型面板数据时
set maxvar 30000 set matsize 10000自动化报告：使用
esttab输出回归结果esttab using results.rtf, replace star(* 0.1 ** 0.05 *** 0.01)
6. 研究延伸与创新思路
6.1 前沿模型拓展
非线性关系：在模型中加入二次项
gen TACC_sq = TACC^2 reg DDBTD TACC TACC_sq分位数回归：考察不同避税程度的影响差异
qreg DDBTD size leverage roa, q(0.25 0.5 0.75)
6.2 多维度交叉研究
将避税指标与以下领域结合：
- 公司治理（董事会特征、股权结构）
- 数字化转型（IT投资、数字技术应用）
- ESG表现（社会责任评级、环境披露质量）
6.3 动态分析技巧
构建避税行为的持续性指标：
* 滞后项回归 xtreg DDBTD L.DDBTD, fe研究避税策略的路径依赖特征。