如何将Stata字符串变量转为数值变量并生成correspondence.dta映射文件

核心问题 #

你之前的操作丢失标签是因为用gen复制变量时只复制了数值，未保留值标签；同时缺少导出标签生成映射文件的步骤。以下是完整操作流程：

步骤1：生成带值标签的数值变量 #

先在原数据中生成带对应标签的数值变量，不要立刻删除原字符串变量：

// 假设原数据已打开
encode country, gen(country_num)

此时country_num是数值变量，且自带值标签（比如1对应US，2对应UK等）。

步骤2：生成映射文件correspondence.dta #

通过导出值标签并生成映射数据集，有两种方式：

方式一：手动创建（适合类别少的情况）

// 临时清空当前数据，创建映射表
clear
input int country str10 country_name
1 "US"
2 "UK"
3 "Canada"
end
// 调整变量顺序并保存
order country country_name
save "correspondence.dta", replace

方式二：自动化导出标签（适合类别多的情况）

// 先把值标签导出到临时do文件
label save country_num using "temp_labels.do", replace

// 读取临时文件生成映射表
clear
file open lbl using "temp_labels.do", read
file read lbl line
local lbl_name ""

while r(eof)==0 {
    // 提取值标签名称
    if substr(line, 1, 12) == "label define" {
        local lbl_name = substr(line, 14, strpos(line, " ") - 14)
    }
    // 提取数值和对应字符串
    if regexm(line, `"^\s*(\d+)\s+"([^"]+)"') {
        local num = regexs(1)
        local name = regexs(2)
        set obs `num'
        replace country = `num' in `num'
        replace country_name = "`name'" in `num'
    }
    file read lbl line
}
file close lbl

// 整理并保存映射文件
order country country_name
save "correspondence.dta", replace
// 删除临时do文件（可选）
erase "temp_labels.do"

步骤3：处理原数据集，完成压缩和变量替换 #

回到原数据集，替换变量并压缩体积：

use "你的原数据文件名.dta", clear
// 重新生成带标签的数值变量（如果之前退出了原数据）
encode country, gen(country_num)
// 替换原变量
drop country
rename country_num country
// 压缩数据集，进一步减小体积
compress
// 保存压缩后的新数据
save "压缩后的文件名.dta", replace

内容的提问来源于stack exchange，提问作者高敬媛