Stata：使用egen group（）创建唯一标识符

我有一个数据集，其中每一行都是一个公司，年份与一个

公司ID

配对，后者是一个字符串

如果我这样做

duplicates drop firmid year, force

它不会删除任何内容，因为没有重复项（我最初是在运行

duplicates drop firmid year，force

后创建数据集的）

到目前为止还不错。我想创建一个面板，它需要一个数字的

firmid

。所以我跑了

egen newid = group(firmid)
xtset newid year

但会弹出“面板中的重复时间值”错误。而且

duplicates list newid year

列出了一大堆重复项

---

似乎

egen，group（）

没有生成唯一的组。我的问题是：为什么，以及如何以稳健的方式创建独特的组？

这是一个古老的主题，但我最近经历了相同的症状，所以我想分享我的解决方案。当然，只要提问者不提供进一步的细节，我们就不知道我和他的原因是否相同

这个问题原来是一个精度问题。如第4.4节所述，对存储为浮点数的整数进行的计算仅在16777216范围内精确。因此，如果样本中有超过16777216家公司，舍入错误将导致同一ID分配给多家公司。通过将ID变量的精度提高到long，可以直接解决这一问题：

egen long newid = group(firmid)

---

你能发布一个可复制的例子吗？例如，使用最小的数据输入来重新创建问题的完整的有问题的代码。有关在do文件中创建简短示例数据的信息，请参见

help input

。能否显示重复项的

firmid

？当有重复的时候，看到所有三个变量是很方便的。但是另一个考虑的方法是<代码>编码< /代码>，看。你已经把手指放在可能的问题上了，但是<代码>长通常是一个更好的替代方案，对于可能非常大的整数，因为

long

s占用4个字节，而不是8个字节，并且可以占用超过20亿的值。这几乎肯定是个问题。我当时正在处理美国人口普查局的机密数据，名单非常庞大。