[原创]stata合并数据集详细举例(merge)

[hellohappy]

前言：
    一般来说，用到stata进行数据合并，都应该是用1：1合并，这才能一一对应，所以，非一一对应的合并我就不说了。免得混乱。
    一般来说，善用生成的 _merge 变量来删除不要的匹配，再加上知道下面的几种情况怎么匹配，基本上已经够用了。
    （merge的用于匹配的变量格式必须一致，格式不一致的请参照命令help recast）
下面是的例子。

例子1：

    我有一个数据集1（文件名字为1.dta），他长这样（其中数据的内容我随便填的）：

例子1数据集1.png (12.12 KiB) 查看 23457 次

例子1数据集1.png (12.12 KiB) 查看 23457 次

    我还有一个数据集合2（文件名字为2.dta），他长这样：

例子1数据集2.png (7.69 KiB) 查看 23457 次

例子1数据集2.png (7.69 KiB) 查看 23457 次

    显然上面两个数据集合就是个面板数据，我想要合并他们，变成下面这样：

例子1合并后.png (14.99 KiB) 查看 23457 次

例子1合并后.png (14.99 KiB) 查看 23457 次

    我要怎么做呢？
        首先分析一下，用什么指标能唯一地识别出一个数据？显然，对应上面这个面板数据，用year和id两个指标，就能唯一的指明某一条数据。所以我们应用year和id这个组合来进行匹配。（同样的，如果你的数据本身就是有唯一id，那就直接用这个唯一id来匹配，如果你的数据本身有多个维度才能唯一指定某一个数据，那你就需要多个变量的组合来匹配）
        然后，选择其中一个数据集合作为原本的数据集合。另一个数据集合就用来匹配，匹配成功后就加进原来数据集里面。
        比如这里把 1.dta 作为原数据集合。
        所以，上述的操作代码为：

Code： 全选

//加载数据集1.dta
use "C:\Users\Administrator\Desktop\1.dta"
//根据year id两个维度来匹配数据
merge 1:1 year id using "C:\Users\Administrator\Desktop\2.dta"

    然后就完成了！

例子2：

    我有一个数据集1（文件名字为1.dta），他长这样（其中数据的内容我随便填的）：

例子2数据集1.png (14.67 KiB) 查看 23456 次

例子2数据集1.png (14.67 KiB) 查看 23456 次

    我还有一个数据集合2（文件名字为2.dta），他长这样：

例子2数据集2.png (7.7 KiB) 查看 23456 次

例子2数据集2.png (7.7 KiB) 查看 23456 次

    同样的我想要合并他们，变成下面这样：

例子1合并后.png (14.99 KiB) 查看 23457 次

例子1合并后.png (14.99 KiB) 查看 23457 次

    这一次和上面不一样的是，他们是互补的数据，你有我没有，我有你没有，我们只需要非空值。
    要合并这个方法很简单，加一个update选项就可以了。update的意思是，如果原来的数据集合该数据为空，那么就使用匹配数据集里面的非空数据替换掉空数据。

Code： 全选

//加载数据集1.dta
use "C:\Users\Administrator\Desktop\1.dta"
//根据year id两个维度来匹配数据
merge 1:1 year id using "C:\Users\Administrator\Desktop\2.dta",update

例子3：

    我有一个数据集1（文件名字为1.dta），他长这样：

例子3数据集1.png (14.8 KiB) 查看 23455 次

例子3数据集1.png (14.8 KiB) 查看 23455 次

    我还有一个数据集合2（文件名字为2.dta），他长这样：

例子3数据集2.png (9.35 KiB) 查看 23455 次

例子3数据集2.png (9.35 KiB) 查看 23455 次

    你会发现，数据集1和数据集2的 var3 变量里面，有一部分是重叠的如果你想要原数据集（也就是数据集1）作为正确的数据，也就是这个：

例子3合并后1.png (15.55 KiB) 查看 23455 次

例子3合并后1.png (15.55 KiB) 查看 23455 次

    你的代码就只需要跟例子2一样就行了。

Code： 全选

//加载数据集1.dta
use "C:\Users\Administrator\Desktop\1.dta"
//根据year id两个维度来匹配数据
merge 1:1 year id using "C:\Users\Administrator\Desktop\2.dta",update

    但是如果你认为匹配数据集（也就是数据集2）的数据才是正确的，也就是这样：

例子3合并后2.png (15.67 KiB) 查看 23455 次

例子3合并后2.png (15.67 KiB) 查看 23455 次

    你应该在update后面再加上replace。replace的意思是，当有冲突时候，使用匹配数据集的非空数据来替换原数据集的非空数据。

Code： 全选

//加载数据集1.dta
use "C:\Users\Administrator\Desktop\1.dta"
//根据year id两个维度来匹配数据
merge 1:1 year id using "C:\Users\Administrator\Desktop\2.dta",update replace

 

---

其实前面已经把stata的1：1匹配讲完了，如果你明白上面三个情况下怎么用，后面的例子应该也能明白怎么弄

---

例子4：

    我有一个数据集1（文件名字为1.dta），他长这样：

例子4数据集1.png (18.3 KiB) 查看 23453 次

例子4数据集1.png (18.3 KiB) 查看 23453 次

    我还有一个数据集合2（文件名字为2.dta），他长这样：

例子4数据集2.png (4.94 KiB) 查看 23454 次

例子4数据集2.png (4.94 KiB) 查看 23454 次

    合并后同样的，长这样：

例子1合并后.png (14.99 KiB) 查看 23457 次

例子1合并后.png (14.99 KiB) 查看 23457 次

    你会发现，这其实就是给原来的数据集1添加新的一年的数据：
    方法其实就是和例子2、例子3一样！包括是否用匹配数据覆盖原数据，加不加replace，都是一样的。

Code： 全选

//加载数据集1.dta
use "C:\Users\Administrator\Desktop\1.dta"
//根据year id两个维度来匹配数据
merge 1:1 year id using "C:\Users\Administrator\Desktop\2.dta",update

例子5：

    我有一个数据集1（文件名字为1.dta），他长这样：

例子5数据集1.png (10.95 KiB) 查看 23452 次

例子5数据集1.png (10.95 KiB) 查看 23452 次

    我还有一个数据集合2（文件名字为2.dta），他长这样：

例子4数据集2.png (4.94 KiB) 查看 23454 次

例子4数据集2.png (4.94 KiB) 查看 23454 次

    合并后同样的，长这样：

例子1合并后.png (14.99 KiB) 查看 23457 次

例子1合并后.png (14.99 KiB) 查看 23457 次

    你会发现，这个例子其实就是例子4删掉了year==2013时候的样子。
    所以这个怎么办啊？
        。。。这个就是例子1的变形。代码也一样

Code： 全选

//加载数据集1.dta
use "C:\Users\Administrator\Desktop\1.dta"
//根据year id两个维度来匹配数据
merge 1:1 year id using "C:\Users\Administrator\Desktop\2.dta"

[hufei_lt]

您好 我尝试了最后一个例子，发现数据集合2的时间“2013”并没有加入到合并后的结果中。 请问您可以实现吗

[hellohappy]

您好 我尝试了最后一个例子，发现数据集合2的时间“2013”并没有加入到合并后的结果中。 请问您可以实现吗

没有把，我刚刚也试了一下，是可以合并进去的。
合并命令执行完毕后，截图是这样的：

stata的merge命令使用截图1.png (7.98 KiB) 查看 23232 次

stata的merge命令使用截图1.png (7.98 KiB) 查看 23232 次

合并以后有一个变量叫 _merge ,这个变量里面，赋值为1、 2、 3，分别代表观测值是 from master，from using 或 matched。
上面截图中
    from master 的数字 12 就是原来的数据集1里面有，而匹配数据集2没有的观测值个数，
    from using 的数字 4 就是原来的数据集1里面没有，而匹配数据集2有的观测值个数，
    matched 的数值 0 就是原来的数据集1里面有，而匹配数据集2也有的观测值个数。

可能你数据集写错了，我把这个样例数据集合传上来，你再回去试一下吧。

最后一个例子的数据集1和2：

例5的数据集1和2.zip

(1.52 KiB)

例5的数据集1和2.zip

(1.52 KiB) 尚未被下载

[hufei_lt]

你好 您的方法没有问题  最后一个例子可以实现 
是我在将csv转成dta文件时出了错误
insheet using C:\Users\Administrator\Desktop\TRD_Week.csv
describe
save "C:\Users\Administrator\Desktop\TRD_Week.dta"
insheet using C:\Users\Administrator\Desktop\TRD_Week2.csv
describe
save "C:\Users\Administrator\Desktop\TRD_Week2.dta"

TRD_Week.csv  和 TRD_Week2.csv   是不同的 但是得到的TRD_Week.dta 却和TRD_Week2.dta 一模一样