数据筛选1

在 Stata 中，要进行数据筛选（例如使用 `keep`、`drop` 或 `if` 条件），数据需要满足以下基本格式要求：

 

---

 

### **1. 数据格式要求**

- **结构化表格**：数据应以典型的 **“长格式”** 或 **“宽格式”** 表格形式组织：

  - **每行** 代表一个 **观测（observation）**（例如一个人、一个时间点、一个实验对象）。

  - **每列** 代表一个 **变量（variable）**（例如年龄、性别、收入等）。

  - 例如：

    ```stata

    +------+--------+--------+

    | ID | Gender | Income |

    +------+--------+--------+

    | 1 | Male | 5000 |

    | 2 | Female | 6000 |

    +------+--------+--------+

    ```

 

- **变量类型正确**：

  - 确保变量类型（数值型 `numeric`、字符型 `string`、日期型 `date` 等）与内容匹配。

  - 例如：日期应转换为 `%td` 格式，字符变量需用引号筛选（`if Gender == "Female"`）。

 

- **无合并单元格/标题问题**：

  - 如果数据从 Excel 导入，需避免合并单元格或复杂标题，否则可能导致筛选错误。

 

---

 

### **2. 常见筛选操作**

#### **方法 1：使用 `keep` 或 `drop`**

```stata

* 保留满足条件的观测（例如：保留女性数据）

keep if Gender == "Female"

 

* 删除变量（例如：删除 "Income" 列）

drop Income

```

 

#### **方法 2：使用 `if` 条件**

```stata

* 筛选高收入人群（假设 Income 是数值型）

summarize Income if Income > 10000

 

* 筛选特定日期之后的数据（日期格式需正确）

list Date if Date > td(01jan2020)

```

 

#### **方法 3：生成子集**

```stata

* 创建一个新数据集，仅包含筛选后的数据

preserve

keep if Age >= 18 & Age <= 30

save "young_adults.dta", replace

restore

```

 

---

 

### **3. 数据导入与清洗**

- **导入外部数据**：

  - 使用 `import excel` 或 `import delimited` 导入 Excel/CSV 数据时，确保第一行为变量名，无多余标题。

  ```stata

  import excel "data.xlsx", firstrow clear

  ```

 

- **处理缺失值**：

  - 使用 `drop if missing(Age)` 删除包含缺失值的观测。

 

- **类型转换**：

  ```stata

  * 将字符型日期转换为 Stata 日期格式

  gen date_num = date(DateString, "YMD")

  format date_num %td

  ```

 

---

 

### **4. 常见问题**

- **筛选失败的原因**：

  1. 变量类型不匹配（例如：对字符型变量使用数值运算符）。

  2. 日期未正确转换为 Stata 日期格式。

  3. 数据中存在隐藏字符（如空格），需用 `trim()` 清理：

     ```stata

     replace Gender = trim(Gender)

     ```

 

---

 

### **总结**

Stata 要求数据为 **结构化表格**（行=观测，列=变量），并确保变量类型正确。只要数据格式规范，即可通过 `keep`、`drop` 或 `if` 条件自由筛选。若从外部导入数据，需先清洗和转换格式。