joinby 命令多對多匹配

1. joinby 命令：多對多的匹配

*輸入數據
clear
input group str3 x1
      1  "A"
      1  "B"
      1  "C"
      1  "D"
end
save file1.dta,replace

clear
input group str3 x2
      1  "M"
      1  "N"
end
save file2.dta,replace

*merge 多對多匹配

use file1.dta,clear
merge m:m group using file2.dta
list, clean noobs

*joinby 多對多匹配

use file1.dta,clear
joinby group using file2.dta
list, clean noobs

merge 命令多對多匹配結果：

group   x1   x2        _merge  
        1    A    M   matched (3)  
        1    B    N   matched (3)  
        1    C    N   matched (3)  
        1    D    N   matched (3)  

可以看出，merge 命令的多對多合並是有問題的，其會以較少數據文件的最后一行值 (比如這里的 file2.dta 的最后一行數據「group1，x2=N」) 進行重復合並。

joinby 命令多對多匹配結果：

group   x1   x2  
        1    A    N  
        1    A    M  
        1    B    M  
        1    B    N  
        1    C    N  
        1    C    M  
        1    D    N  
        1    D    M  

可以看出，joinby 命令顯然更符合我們的要求。關於 joinby 命令更多詳細介紹，請查看幫助文件 help joinby。

2. nearmrg 命令：相似值的匹配

*生成一份數據

sysuse auto.dta, clear 
keep make price mpg
keep if make == "Toyota Celica" |    ///
        make == "BMW 320i" |         ///
        make == "Cad. Seville"  |    ///
        make == "Pont. Grand Prix" | ///
        make == "Datsun 210" 
rename make make2
save "using.dta", replace
list, clean noobs

列出數據：

make2               price   mpg  
Cad. Seville       15,906    21  
Pont. Grand Prix    5,222    19  
BMW 320i            9,735    25  
Datsun 210          4,589    35  
Toyota Celica       5,899    18  

然后，我們將該數據與 auto.dta 進行合並，並找出 using.dta 數據中價格浮動在 $50 上下的數據。

sysuse auto.dta, clear
nearmrg  using "using.dta", upper nearvar(price) genmatch(usingmatch) limit(50)
keep make price mpg make2 _merge usingmatch
list, clean noobs

make                price   mpg   make2                   _merge   usingm~h  
Datsun 210          4,589    35   Datsun 210         matched (3)      4,589  
Buick Regal         5,189    20   Pont. Grand Prix   matched (3)      5,222  
Pont. Grand Prix    5,222    19   Pont. Grand Prix   matched (3)      5,222  
Olds Cutl Supr      5,172    19   Pont. Grand Prix   matched (3)      5,222  
Dodge Magnum        5,886    16   Toyota Celica      matched (3)      5,899  
Toyota Celica       5,899    18   Toyota Celica      matched (3)      5,899  
BMW 320i            9,735    25   BMW 320i           matched (3)      9,735  
Audi 5000           9,690    17   BMW 320i           matched (3)      9,735  
Cad. Seville       15,906    21   Cad. Seville       matched (3)     15,906  

可以看出，using data 中原有 5 行數據，合並后變成了 9 行數據。之所以如此，是因為 auto.dta 中價格浮動在 50 之內的數據都被保留了下來。