Stata 字符变量处理

Stata 中经常需要对 字符变量 做处理，将 字符变量 转换为 数值变量。但 字符变量 的形式多样，包括 标识符变量/分类变量、日期变量、纯数字变量 等，在转换过程中需要使用不同的转换方法。尤其当字符串内容为数字时（如 日期变量、纯数字变量），需要格外小心。

本篇推文将提供七个建议，涵盖多种字符串形式的处理方法，帮助大家更好的处理字符型变量。

 

1. 保留备份

1.1 保留原始数据

• 保留原始 dta 数据 使用 save 命令将修改后的数据另存为新的 .dta 文件，不要直接修改替换原始数据。
• 保留导入的原始数据 不要丢弃用于导入（ import）数据的任何原始数据文件，例如文本或电子表格文件。有时，可能需要返回到源头并重新开始数据导入和处理工作。

1.2 保留原始变量

因为字符串转换很容易出错，所以在字符串操作过程中，通常生成一个新的变量来保存转换结果，而不是替换原有的字符串变量。有些命令提供 replace 选项，可以将原始变量替换为转换后的结果，但这种情况下，如果转换出错将找不到原始的字符串变量。更好的方式是使用 generate() 选项生成新的变量，如果出现错误，也可以回到原始变量，重新修改。

译者注： 需要补充说明的是，如果遵循了第一条建议，即我们的 do 文档 的首行始终是以 import xxx.txt 或 import xxx.xlsx 的方式导入原始 TXT 或 Excel 文档，那么可以在 dofile 中采用 replace 的方式替换到原变量，以免产生过多的新变量。后续处理过程中若需返回，则可以重新导入原始数据。

 

2. “日期型”字符串变量

使用 list、edit 或 browse 命令查看字符串变量，如果变量中包含形如 20jan2010 09:15:22、20/01/2010 、2010w3、2010q1 的数据，这种变量就是**“日期型”**字符串变量，通常包含以下几种类型：

日期类型	该类型的显示格式
datetime	20jan2010 09:15:22.120
(daily) date	20jan2010, 20/01/2010, ...
weekly date	2010w3
monthly date	2010m1
quarterly date	2010q1
half-yearly date	2010h1
yearly date	2010

2.1 日历年（yearly date）

如果日期型变量是以字符串保存的形如 1984 或 2018 这样的年度日期，可以直接使用 destring 命令转换为数值格式，具体见 help destring。

2.2 包含日期的字符串变量

如果字符串变量包含日期或时间，需要使用日期-时间函数转换为数字格式的日期或时间变量。具体转换过程可以分为如下两个步骤： Step 1： 使用日期-时间函数 help datetime，将字符串日期转换为数字日期 Step 2： 使用 format 命令，将数字显示为想要的日期格式

2.2.1 数字日期

数字日期，可以理解为某一日期距离原点的时间间隔。Stata 将 1960 年的第一个日期设为原点 0（如：日度数据的原点为 1960年1月1日；月度数据的原点为 1960 年第 1 月；周数据的原点为 1960 年第 1 周）。不同的日期类型，计算时间间隔的单位不同（如：日度数据为 间隔天数，月度数据为 间隔月数，周数据为 间隔周数）。

以日度数据为例，1776年7月4日 的数字日期是 -67019，表示 1960年1月1日 之前的第67019 天。从这里可以看出一个问题：对于字符串日期来说，含义是很直观的；但对于数字日期，含义通常比较模糊（如 67019），很难直观判断这个数字代表的是什么日期。可以通过 format 命令，将数字日期显示为日期格式，详情参见 help format。

format 的语法为 format varlist %fmt，其中 varlist 为数字日期变量，%fmt 为显示的日期格式，需要与日期类型相对应（如：日度数据的日期格式为 %td）。常见的日期类型与对应的日期显示格式如下表所示：

日期格式 %fmt	日期类型	举例
%tc	date/time	format var