stata基础数据清理

要点：

     （在这之前处理①“stkcd”② “year”③对“stkcd”和“year”进行排序 ④保存）

在使用的时候至少需要一个共同的变量，通常是 stkcd year。可以排序一下

（1）一对一

（2）一对多

m:1 表示keyword在using文件中必须是唯一没有重复的的 1：m 表示keywords在master文件中必须是唯一没有重复的注意！！！需要先在主文件中 duplicates drop stkcd year，force 后在merge

注意！！！append命令要求两份数据具有全部相同的变量，否则就会出现缺失值。

或者matchit

Stata：数据合并与匹配-merge-reclink (lianxh.cn)

1.从数据库中下载相关数据scv格式，并解压

2.是从导入里，将数据导进stata中的（因为是文本形式的）

下载的数据中同一公司，同一年份中会对应 2组数据，是因为统计口径不一样，一般选择“年末在职人员”

命令：

3.大部分数据使用的是“stkcd”而不是“symbol”，所以

4.处理年份数据：

①将“xxxx-12-31”改为只有年份的数据

    gen year =substr(enddate,1,4) 

   substr代表，提取字符“enddate”中，从第1个字符，向后提取4个字符（这里4表示间距）的数据为“year”

②如果数据中含有季报，半年报，年报，但是只要年报数据。需要先将年份，月份先提取出来再处理。（汉字是3个字符的，符号和数字都是一个字符）

   gen year =substr(acc,1,4)

   gen month = substr(acc,6,2)

  destring year month,replace               →进行数值型转换

  keep if month==12                              →只保留月份为12的

③将“year”进行数值型转换（因为此时“year”是字符型的数据）

   destring year,replcae

   destring的作用是转为数值，replace是替换掉原来的

5.保留合并报表数据A，删除母公司报表数据B。（因为字母无法直接转化为数值型的）

keep if typrep=="A"                            →加引号是为了告诉stata，保留的是非数值型的，typrep是报表类型的变量名

6.因为后续使用“stkcd”和“year”进行多个数据的合并，所以先将其排序

   sort stkcd year

7.处理完后保存在文件夹，并采用以上方式处理其他scv格式文件里的“stkcd”和“year”之后再保存起来

8.合并处理

从stata中保存之后的数据均为dta形式，所以再次打开不能从导入那里，否则会乱码

可以先使用  tabulate 命令，对该变量进行描述性统计

        gen EN = 0                                                             →生成一个新的变量，并赋值为0

        replace EN = 1  if equitynature == "国企"             →对新变量进行替换，输入条件，注意等号