如何在 Stata 中将堆叠的纵向数据集与字符串变量 ID 合并？

Question

我一直在尝试将我最初从 MS Excel 导入的三个 Stata 文件与 6 个字符的字符串 ID 代码（例如 n5fpeb）合并，但没有成功。它们在 Stata 数据文件中存储为 str6 变量。

我记录了一些其他变量，这些变量也可以识别每次观察 - 数字参与者 ID 和学校 ID 号，因为每个参与者都是学校学生。我的主数据集采用堆叠格式，因为我的数据是纵向的。当我尝试 1:m 合并（即merge 1:m id using "C:\Users ... May.dta", generate(_merge1)）时，Stata 返回以下错误消息：variable id does not uniquely identify observations in the master data。

我已阅读各种指南，但无法弄清楚为什么数据集不会合并。我可以使用错误的命令吗？或者字符串变量，或者多个字符串变量，让 Stata 感到困惑？我想学习如何干净利落地将未来的观察结果添加到我的主数据集中。

Answer 1

我会尝试解释错误

变量 id 不能唯一标识主数据中的观察结果

看看这个数据集

clear
input ///
id date metric
1 25 45
1 26 98
1 27 54
2 23 09
2 24 13
2 25 87
end

list, sepby(id)

正如您所说的那样，它是纵向（面板）数据。尽管我们有一个名为id 的变量，但这并不意味着该变量唯一地标识了观察。事实上，它没有。如果我要覆盖（比如用一张纸）date 和 metric 上的信息，您将无法根据变量 id 唯一地识别每个观察值；对于每个主题的所有三个观察结果，id 具有相同的值。

现在滑动你的纸，这样你就可以看到id 和date。因为这两个变量的组合创建了唯一值对（即 1/25、1/26、1/27、2/23、...），所以 两个 变量加在一起可以唯一标识观察。请注意，merge 命令接受varlist，因此您可以指定多个变量。

Stata 在您的 merge 1:m id 中抱怨，它希望 id 能够唯一地识别观察结果，但事实并非如此。此外，它说问题出在 master 数据上，即当前加载的数据。

运行

duplicates report id
duplicates report id date

加载示例数据集后，单独使用 id 时会看到重复项，但 id date 没有重复项。

如果您提供具有代表性的示例数据集（主数据集和使用数据集），以及最终数据集的外观，您可能会获得有关所需命令的具体帮助。有关指南，请参阅 this page。

Answer 2

您的问题的解决方案取决于您尝试与主数据集合并的具体内容。根据您的描述，我认为您的主数据中的每个参与者都由数字 ID 或字符串 ID 标识。既然你提到它是一个纵向的堆叠文件，我猜还有一个年份变量（或其他一些时间变量）。

如果您尝试合并的数据集是对相同数据的更多观察（相同变量，可能只是更多年），请查看append 命令。

如果您尝试合并的数据集处于参与者级别，那么 William 是对的，您需要 m:1。这是因为您在主文件中对同一参与者的许多观察结果相互叠加。 1:m 期望在堆栈中只找到每个 id 的一个副本。

如果您尝试合并的数据集处于参与者年级别（即也是纵向的），那么您需要merge 1:1 id year ...（或任何您的时间变量）。如果您的观察堆栈中每个 id 和 year 对只有一个副本（即每个时间段的每个参与者只有一个记录），这将起作用。请注意，如果您的数据不干净并且有多个，这将不起作用。

希望这会有所帮助！