Stata如何实现变量快速拼接？

本文作者：杨慧琳

文字编辑：杨长青

技术总编：司海涛

在数据处理中，我们可能需要将多个变量拼接为一个变量。这一操作可以通过replace或gen命令实现。但是，这种方法仅适用于字符型变量的拼接。当各个变量数据类型不同时，Stata将提示“type mismatch”的错误。

例如，当前路径下存在如下数据集：

使用describe命令查看各个变量类型，如下：

可知，变量company和make均为字符型，gear_ratio为浮点型，foreign为字节型，其余的为整值型。我们使用gen命令将变量company和make拼接在一起，公司名和人名用冒号隔开，执行程序与结果如下：

gen com_make = company + ":" + make

这样，两个字符型变量便拼接在一起了。

但在实际操作中，我们可能还需要拼接更多的变量，较为直接的处理思路是现将变量转换为字符型，其次逐一拼接。但这种方法较为繁琐，尤其是存在多个拼接变量且需添加分隔符时更加难以操作。那么，有没有什么命令可以实现变量快速拼接，并在各个变量间添加分隔符呢？我们介绍两种简单方法。

1、catenate命令

catenate命令可以将字符型或数值型变量拼接在一起，并生成一个新的字符型变量。在拼接过程中，可自动转化变量类型，并可定义变量拼接范围。其基本语法如下：

catenate newvar = varlist [if exp] [in range] [,punct(punctchars) ]

其中，punct(punctchars)选项用于定义拼接变量间的分隔符，默认以空格分隔。当然，也可使用punct(no)选项，表示不使用分隔符。

在本例中，我们尝试将数据集中前5行的所有变量进行拼接，并以逗号分隔。执行程序与结果如下：

catenate v = company make price mpg weight length gear_ratio foreign in 1/5, p(,)

2、concat()函数

concat()函数是egen命令自带的一个函数，也可以实现不同类型变量的拼接。其基本语法如下：

concat(varlist) [, format(%fmt) decode maxlength(#)punct(pchars)]

其中，format(%fmt)选项可用于定义数值型变量在拼接后的显示样式；decode选择可进行解码；maxlength()选项用于定义变量标签最大长度。在默认情况下，各个变量紧密连接，中间不存在空格等符号。

在本例中，我们依然将所有变量进行拼接，并设置数值型变量的显示样式为%5.3f，变量之间以分号分隔。执行程序与运行结果如下：

egen v1 = concat(company make price mpg weight length gear_ratio foreign), format(%5.3f) p(;)

通过以上两种方法，我们便实现了变量的快速拼接。尤其是当变量名具有一定规律性，如v1、v2、v3…时，采用以上方法将更加高效，仅需执行“catenate v = v*, p(,)” 或“egen v =concat(v*), p(,)”即可，极大简化了数据处理程序。