Stata中合并相同ID观测值：检测时段衔接并聚合收入

核心步骤与代码 #

1. 按ID和时间排序
   确保同一ID下的观测按时间顺序排列，才能正确匹配前后时段：

   sort id period_begin period_end
   

2. 生成连续时段分组标识
   同一ID内，若当前观测的period_begin等于上一观测的period_end，则归为同一组：

   bysort id: gen group = sum(period_begin != period_end[_n-1])
   // 解释：sum()会累加满足条件的次数，当当前begin≠上一end时组号+1，连续时段自动归为同组
   

3. 聚合组内收入与合并时段
   按ID和分组计算总收入，以及合并后的时段起止：

   bysort id group: egen total_income = sum(income)
   bysort id group: egen merged_begin = min(period_begin)
   bysort id group: egen merged_end = max(period_end)
   

4. 标记完整年度
   根据合并后时段的跨度判断是否为完整年度（需根据你的时间格式调整逻辑）：

   • 若时间为年度数值（如2020、2021）：

     gen is_full_year = (merged_end - merged_begin == 1)
     

   • 若时间为日期格式（如%td）：

     gen is_full_year = (difftime(merged_end, merged_begin, "year") == 1)
     

5. 保留每组唯一观测
   去除组内重复观测，只保留聚合后的结果：

   bysort id group: keep if _n == 1
   // 可按需保留变量，比如：
   keep id merged_begin merged_end total_income is_full_year
   

注意事项 #

• 提前处理缺失值：若period_begin或period_end有缺失，需先清理：

  drop if missing(period_begin, period_end)
  

• 时间格式统一：确保period_begin和period_end为同一格式（数值/日期），避免匹配错误。

内容的提问来源于stack exchange，提问作者David Dai