质量检测｜论数据质量差异的显著性

日前，一位热心粉丝给企研数据团队的客服提出了一个很有“挑战性”的问题，为什么有些网站都已经开始限时免费分享全国工商数据了，企研数据还要卖这么贵，而且还不允许全量数据下载到个人电脑上，只能在云桌面上使用？好吧，这的确是一个好问题！原因也有很多，比如我们是一家正规的公司，需要避免出现数据安全问题；数据一旦传开了，公司无法生存等等。

回到开始的问题，为了证明其所言不虚，这位粉丝还把Stata数据描述与回归的结果发给了客服。于是，作为专业科研数据服务商，团队对这些结果进行了“学习”，结果发现其统计出来的城市级某类企业的数量非常少，于是我们对此提出了质疑。但是这位粉丝坚决否认自己的统计方法有错，而且数据来源是目前圈内“颇具声望”的“某某数据网”（曾经把企研数据免费对外分享的统计数据放在其数据库中～～～，如图1所示），应该具有权威性。

图1 来自某位用户的咨询

于是，双方进行了你来我往的多次“交流”，最后我们一起得到了上面这张表格截图。基于该数据网统计出来的，概念上应该是某年新注册的企业数量。我们展示了用企研数据的工商库统计的2001-2019年新增企业数量，与该数据库的这一统计指标具有可比性。可以清晰地看到，从数据量上，两者相差不止一个数量级。当然，可能会有人抬杠，数量多就一定更加准确吗？当然不是，但是在这里我们一眼就能看出来，疫情前一年，2019年，全国新增企业16.5w家，这怎么可能嘛！横向的匹配比较工作，完全没有必要，两份数据根本没有可比性。

朋友们，是谁的数据更加靠谱呢？当然，我们某某数据网的数据来自热心网友的分享，不排除这些数据网有更全面完善的数据，也可能就是这位热心网友下载错了。那么情况究竟如何呢？欢迎大家留言，或者跟我们联系。

长按扫码，咨询客服

·END·

星标⭐我们不迷路！

想要文章及时到，文末“在看”少不了！

点击搜索你感兴趣的内容吧

往期推荐

戳原文，更有料！