有问必答——匹配问题

之前，有粉丝提问，如何处理变量之间跨行匹配的问题。见下图示例中标红的部分，就是将变量pid与pid_f下相同的身份代码匹配并保留与pid_f 相对应的income值。其中pid表示个人身份代码，pid_f表示其“爹“的身份代码，income表示“爹”的收入。通俗的讲就是给每个人找“爹”并把与之相对应“爹”的收入保留下来。我们将介绍两种方法解决这一问题（ 原始数据链接 ： https://github.com/Stata-Club/Sharing-Center-of-StataClub/blob/master/article/2018uf%E5%8E%9F%E5%A7%8B%E6%95%B0%E6%8D%AE.dta?raw=true ，感兴趣的读者可以自行下载）。

思路分析：“当你解决不了问题的时候，别忘了post。”，我们利用循环将个人（pid）的每一个身份代码与其爹（pid_f）每一个身份代码进行匹配，如果个人（pid）的 身份代码等于其爹（pid_f）的身份代码，则通过post命令输出他们的身份代码及相对应的“爹“的收入。

我们先help一下post命令的用法：

help post

postname ：定义一个post的名称。

newvarlist ：定义输出变量的名称，可以是数值型，也可以是字符型。

filename ：指定输出结果的位置。

replace ：代替已有同名文件。

post ：输出结果。

postclose ：结束整个post过程。

我们可以把这整个使用过程当作一个 邮件寄送的过程 ，首先定义一个邮件系统的名称（postname），其次，指定需要邮寄的信息（newvarlist）和收信位置（filename），然后，邮寄出指定的内容（post），最后结束邮递过程（postclose）。

接下来我们开始进行匹配工作。首先，用以下命令行对原始数据进行转码：

clear
cd E:\直播课程\qq群问答
unicode encoding set gb18030
unicode translate " 2018uf原始数据.dta", transutf8 invalid
unicode erasebackups, badidea

其次，建立循环匹配出我们需要的数值并输出。

use 2018uf原始数据.dta, clear
capture postclose mypost
postfile mypost  long pid  ///
 long pid_f  long income  ///
using  mypost.dta, replace
forvalues i = 1 (1)`=_N'{                 // 对pid变量下的每个身份代码进行循环
    forvalues  j = 1/ `=_N'{                 // 对pid_f变量的每个身份代码进行循环
          while pid[`i'] == pid_f[`j']{         // 判断个人身份代码是否匹配其“爹“的身份代码
              post mypost  (pid[`i'])  (pid_f[`j'])  (income[`j'])   // 输出符合判断语句的观测值
           continue, break
               }  
    } 
}
postclose mypost
use mypost.dta,clear
br  in  1/10

结果如下图所示：

在上述循环过程中，由于pid下的每一个身份代码都要和pid_f下的每个身份代码相匹配，即要循环n*n次（n为样本值），如果样本值很大的话，这无疑会耗费大量时间。下面介绍另外一种方法。

利用merge命令，先保留一份个人身份代码（pid），然后再保留一份pid_f的身份代码及其相对应的收入（income），最后利用merge将二者合并保留完全匹配的数据。

代码如下：

use 2018uf原始数据.dta,clear
keep pid
rename pid id    
save 1,replace
use 2018uf原始数据.dta,clear
drop pid
drop if pid_f == 0
rename pid_f id
save 2,replace
merge m:1 id using 1.dta
keep if _m == 3      //保留两张表都匹配上的值
drop _m
br in 1/10

结果如图所示（id为pid与pid_f都匹配上的变量）

小结：以上两种方法都达到了匹配的效果，读者朋友们如有需求，可视具体情况选择其中一种方法使用。