【研究记录】stata清洗/处理数据

 Dummy

Q1. 生成dummy但是条件太多（string太长）

【　　　】合成控制法时候expression too long错误解决问题 - Stata专版 - 经管之家(原人大经济论坛) (pinggu.org)

local code1 ""C25","C26","C27","C28""
local code2 ""C29","C31","C32","C34""
local code3 ""C35","C36","C37","C38""
local code4 ""C39","C40","C41","I63""
local code5 ""I64","I65","M73""
gen hightech = inlist(industry,`code1') | inlist(industry,`code2')| inlist(industry,`code3')| inlist(industry,`code4')| inlist(industry,`code5')

Q2. 生成含有某个字段的dummy

【　　　】【求助】如何用stata查询不包含某一字符串的数据 - Stata专版 - 经管之家(原人大经济论坛) (pinggu.org)

gen PC=0
replace PC=1 if regexm( ActualControllerNatureID ,"1100")==1

流水型数据

Q3. 数据中出现重复项目

例如某公司（sktcd）的一项专利（Patentname）在多个年份公告了多次。

ssc install gtools, replace    //gduplicaties是gtools中的命令
gduplicates tag stkcd year PatentName, g(tag)
bys stkcd year PatentName tag : gen count=_n
keep if count==1
drop count tag
gduplicates report stkcd year PatentName

参考：(1 封私信 / 1 条消息) 如何用stata删除变量中的重复值,但保留重复值中的一个观测？ - 知乎 (zhihu.com)https://www.zhihu.com/question/318309053

Q4.  计算某条数据重复次数

例如已有数据是专利公告情况，需要知道某公司当年有多少项专利。另外，这之后出现的patentegrant的重复可由【Q3】解决。

duplicates tag stkcd year, generate(dup)    //注意：tag不是变量名
gen patentgrant = dup+1
drop dup

参考：[求助]stata重复数值只保留一项 - 求助成功区 - 经管之家(原人大经济论坛) (pinggu.org)https://bbs.pinggu.org/thread-3415514-1-1.html

Q5. 计算有几个是不同的（非重复值统计）

例如有一堆外商投资数据，想要知道某企业某年受到来自几个国家的投资（某国某年可能对该企业会有多次投资）

gduplicates tag stkcd year country, g(tag)
bys stkcd year country tag : gen count=_n	
bys stkcd year: gen count2=count if count==1
bys stkcd year: egen countrynum=count( count2 )

参考：stata中如何显示一个变量共有多少个不同的取值 - Stata专版 - 经管之家(原人大经济论坛) (pinggu.org)https://bbs.pinggu.org/thread-2172603-1-1.html