Stata中如何保留仅属于指定列表的州数据？

我在处理微观数据集时遇到了问题：每个州不同年份对应不同个体数据，想保留部分州的数据，但各州个体数量不同，keep if _n <= _N/2没法用。于是先做了州唯一值的数据集，筛选出要保留的州后存到列表里，再导入原始数据想保留列表内的州，但尝试的命令都失败了，原代码如下：

sort my_list
egen random = mean(runiform()), by(my_list)
sort random my_list
keep if _n <= _N/2

levelsof mylist, local(list)
local req_list ""
foreach value of local list{
    localreq_list `"`req_list' `value'"'
}

drop random my_list

use "path\to\mydta.dta"

keep if inlist(STATEFIP, `req_list') *this kept deleting the entire dataset
keep if inlist(levelsof STATEFIP, `req_list') *levelsof not found

原代码里的问题 #

1. 变量名写错了：前面分组用的是my_list，但levelsof命令里写成了mylist（少了下划线），Stata找不到这个变量，根本提不出州的唯一值。
2. 局部变量赋值错了：localreq_list "req_list' value'"'这里少了空格，应该是local req_list "req_list' value'"'，不然req_list这个变量根本没被正确赋值，是空的。
3. inlist用法不对：
   • levelsof是Stata的命令，不是函数，不能直接塞到inlist里，这肯定会报错。
   • 就算req_list正确生成了，如果STATEFIP是字符串类型，inlist里的每个值还需要加引号，不然匹配不上。

正确的两种实现方法 #

方法一：修正局部变量逻辑，用inlist匹配

// 处理州唯一值数据集，筛选出要保留的州
sort my_list
egen random = mean(runiform()), by(my_list)
sort random my_list
keep if _n <= _N/2

// 正确提取州的唯一值到局部变量，注意变量名要和数据集里的一致
levelsof my_list, local(state_list)

// 关闭当前数据集，打开原始数据
use "path\to\mydta.dta", clear

// 根据STATEFIP的类型选命令：
// 如果是数值型州编码：
keep if inlist(STATEFIP, `state_list')

// 如果是字符串型州编码（要给每个值加双引号）：
// keep if inlist(STATEFIP, `"`state_list'"')

方法二：用merge替代inlist（州数量多的时候更稳妥）

如果要保留的州数量很多，inlist可能会因为参数太长报错，用merge更可靠：

// 处理州唯一值数据集，只保留需要的州
sort my_list
egen random = mean(runiform()), by(my_list)
sort random my_list
keep if _n <= _N/2
// 只保留州编号列，重命名成和原始数据一致的列名
keep my_list
rename my_list STATEFIP
duplicates drop STATEFIP, force
save "path\to\selected_states.dta", replace

// 打开原始数据集，匹配目标州
use "path\to\mydta.dta", clear
merge m:1 STATEFIP using "path\to\selected_states.dta"
// 只保留匹配成功的观测（也就是属于目标州的数据）
keep if _merge == 3
drop _merge

内容的提问来源于stack exchange，提问作者Biswajit Palit