Stata主、使用数据集均含重复值时的全匹配合并方法

测试数据集生成代码 #

先生成两个用于测试的Stata数据集：

clear all
set obs 4
gen a = _n<3
gen b = "b_"+string(_n)
gen n = _n
tempfile data1
save `data1'

clear all
set obs 4
gen a = _n<3
gen c = "c_"+string(_n)
tempfile data2
save `data2'

需求说明 #

两个数据集在变量a层面均存在重复值，需要将data1中的每一条观测与data2中变量a取值相同的所有观测匹配，最终得到包含8条观测的合并数据集。常规的merge 1:1、m:1、1:m及m:m命令均无法满足该需求，当前分组合并后追加的方法可行但操作繁琐，需更简便的实现方式。

原繁琐实现代码 #

use `data1', clear
bys a (n): keep if _n==1
merge 1:m a using `data2', nogen
sort b
tempfile m1
save `m1'

use `data1', clear
bys a (n): keep if _n==2
merge 1:m a using `data2', nogen
sort b
tempfile m2
save `m2'

use `m1', clear
append using `m2'

简便实现方法 #

使用Stata内置的joinby命令即可一步完成需求，该命令会按指定变量分组，对每组内的两个数据集做笛卡尔积匹配：

use `data1', clear
joinby a using `data2'

执行后直接得到8条观测的合并数据集，完全符合需求。

内容的提问来源于stack exchange，提问作者bill999