Merge 检查一个变量的每个值是否与另一个变量的任何值匹配

我想要类似于

egen newvar=anymatch（oldvar1），values（oldvar2）

的东西。这将创建一个指示符变量，显示oldvar2中的特定值是否包含在oldvar1中的任何位置。除了对

anymatch

的AIK之外，

值

只接受

整数numlist

这将有很多用途，但这里是我的第一个示例：我有一个大型国家对数据集。我有一个Country1的子集，它有一个特定的属性。我想确定匹配子集中任何成员的Country2

让我们看看我是否可以制作一个玩具示例：

     +--------------------------------------------------+
     | pair   Country1   value_C1   Country2   valC1_g2 |
     |--------------------------------------------------|
  1. |   AB          A          1          B          0 |
  2. |   AC          A          2          C          0 |
  3. |   BA          B          3          A          1 |
  4. |   BC          B          4          C          1 |
  5. |   CA          C          5          A          1 |
     |--------------------------------------------------|
  6. |   CB          C          6          B          1 |
     +--------------------------------------------------+

_C1变量的值与Country1的属性相关。变量valC1_g2表示值_C1大于2。我想要一个变量，该变量指示Country2中的每个特定变量是否在

Country1的列表中的某个位置有匹配项（如果valC1\u g2

）

这似乎不是一个罕见的问题，但除了这个话题，我找不到任何直接解决这个问题的方法

这可以通过合并完成：

preserve // saves current data
tempfile localdata // initialize a temporary new dataset
  keep Country1 valC1_g2 // subsetting allows re-ordering of just these variables
  rename (Country1 valC1_g2) (Country2 valC2_g2) // renaming to match the target
  sort Country2 // this just facilitates the 1:1 merge
  save `localdata'
restore // bring back original data

sort Country2 
merge  Country2 using `localdata' // this re-orders the subset to align with Country2 
  sort Country1 pair  // this resets the dataset to the original order

list, abbreviate(10) separator(0)

     +-------------------------------------------------------------+
     | pair   value_C1   Country1   Country2   valC1_g2   valC2_g2 |
     |-------------------------------------------------------------|
  1. |   AB          1          A          B          0          1 |
  2. |   AC          2          A          C          0          1 |
  3. |   BA          3          B          A          1          0 |
  4. |   BC          4          B          C          1          1 |
  5. |   CA          5          C          A          1          0 |
  6. |   CB          6          C          B          1          1 |
     +-------------------------------------------------------------+

我发现这种方法有几个问题

首先，您将看到我的

merge

语法使用旧语法，因为Country2没有唯一标识我的数据。（我猜这意味着我在用新语法做m:m？merge的文档中说这是不可能的。）pair变量扮演着这个角色，但我不能按pair合并，否则我将无法获得所需的重新排序。也许我担心的太多了

第二，我如何检查它是否有效？之后，我想比较Country1和Country2中的国家ID，看看它们是否具有相同的值集<代码>比较不起作用，因为值没有按行排列。我唯一能想到做的就是再次使用merge重新排序后进行比较，但这实际上只是撤销了我刚才所做的

如果能提出更好的方法，我将不胜感激

一个变量，用于指示如果valC1_g2，Country2是否在Country1列表中

您的描述并不十分清楚，可能会导致不同的理解：

• 有些人可能会将其解释为相应观察（配对）中的Country1具有valC1_g2=1（如Pearly Spencer的代码中所示，如果您可能熟悉mata，这是优雅且“令人愉快的”）

• 同时，其他人可能认为相关观察（配对）中的Country2与某处的Country1相同，并且Country1的（最大）valC1_g2=1。请注意，这里提到了（max），因为对于您的小样本，假设任何国家1在任何观察中都应该有相同的valC1_g2，则无法确定

对我来说，你的代码意味着第二种理解。如果是这样的话，在代码中多添加一行代码可以帮助您解决问题。事实上，还有其他一些方法（可能更优雅），但这一种可能会节省您跟进的时间

preserve
tempfile localdata
keep Country1 valC1_g2

*(Addedline)
collapse (max) valC1_g2 if valC1_g2, by(Country1)

rename (Country1 valC1_g2) (Country2 valC2_g2)
save `localdata'
restore
sort Country2

* (It is better to use the new merge syntax, despite your old one might work)
merge m:1 Country2 using `localdata', keep(master match) nogen

编辑。你编辑的版本，确认了第二种理解，使它更清晰了一点。提高透明度的另一个建议是，“后续部分”（比较两个国家ID）不应与“第二部分”（检查第一部分代码的逻辑）放在同一行。这是两个不同的问题

下面的代码仍然使用-merge-作为主要工具，预计将通过以下方式为您的问题提供服务：

创建变量（C2inListC1）以检查Country2是否在 国家名单1

如果Country2在Country1的列表中，则其valC2_g2将具有对应Country1的valC1_g2的（最大）值。提到（max）是因为，如上所述，到目前为止，还不能确定每个国家1应该有相同的valC1_g2

创建变量（C1inListC2）以检查Country1是否在Country2列表中。然后，您可以使用C2inListC1和C1inListC2的信息来检查Country1和Country2是否具有相同的值集。只有当“所有国家2都在国家1的列表中”和“所有国家1都在国家2的列表中”时，两者才是相同的

请注意，尽管还有其他一些方法（编码可能更简洁或更优雅，特别是对于创建C2inListC1），-merge提供了非常清晰明了的逻辑，似乎是收集valC1_g2信息的最佳工具。它应该只在正确的逻辑上起作用。编码只是将逻辑本身翻译成编码语言

tempfile ListC1 ListC2

preserve
collapse (max) valC1_g2, by(Country1)
rename (Country1 valC1_g2) (Country2 valC2_g2)
save `ListC1', replace
restore

preserve
contract Country2
ren Country2 Country1
save `ListC2', replace
restore

merge m:1 Country2 using `ListC1', keep(master match) gen(C2inListC1)
merge m:1 Country1 using `ListC2', keep(master match) gen(C1inListC2) keepusing(Country1)

recode C2inListC1 C1inListC2 (3=1) (else=0)
label values C2inListC1 C1inListC2 none

count if C2inListC1==0 | C1inListC2==0
if r(N) == 0{
di "Country1 and Country2 have the same values set"
}
else {
di in red "Country1 and Country2 do NOT have the same values set"
}

---

编辑问题以澄清。谢谢您，@Romalpa Akzo！我可以问2个跟进Qs以确保我理解吗？首先，如果每个Country1只有一个valC1_g2值（因为它们派生自Country1的属性），代码将如何更改？我想你可以

折叠（第一）

而不是

（最大）

。就这些吗？第二，什么是“

keepusing（Country1）

”？它在Country1上合并，并保留（主匹配），因此最后一位似乎不必要。我错过什么了吗？再次感谢！（1） 是的。在这种情况下，塌陷（first）或（firstnm）甚至（mean）将起作用。无论如何，（max）在这个问题上似乎“更安全”。（2） keepusing（Country1）只是用于忽略由-contract-command创建的_freq变量。你可以省略keepusing（Country1）来了解区别。