将Stata数据导入R时保留扩展缺失值（.d、.r）的方法

核心解决方法：使用haven包 #

Stata的扩展缺失值（.r拒绝回答、.d不知道等）可以通过haven包完整导入R，该包专门针对Stata、SPSS等统计软件的数据格式做了适配，能保留缺失值的类型标记。

步骤1：安装并加载haven包 #

install.packages("haven")
library(haven)

步骤2：读取Stata数据集 #

# 替换为你的数据集路径
df <- read_dta("your_dataset.dta")

步骤3：识别与区分缺失值类型 #

haven读取后，扩展缺失值会以带标签的数值形式存储：

• 普通缺失值：对应R中的NA
• .r（拒绝回答）：对应数值-2，附带标签说明
• .d（不知道）：对应数值-1，附带标签说明

你可以通过以下方法查看和转换：

# 查看指定变量的缺失值标签
labelled::val_labels(df$target_variable)

# 将变量转换为因子，直接显示缺失原因标签
df$target_variable <- labelled::to_factor(df$target_variable, levels = "labels")

转换后，数据框中会直接显示"拒绝回答""不知道"这类可读标签，普通缺失仍保留为NA，方便后续分析时区分不同缺失类型。

Stata官方文档扩展缺失值部分翻译 #

Stata支持两种缺失值类型：普通缺失值（用.表示）和扩展缺失值（用.a至.z的26个字母代码表示）。扩展缺失值的设计目的是让用户能够区分不同的缺失原因，例如拒绝回答（.r）、不知道（.d）、不适用（.n）等。

在数值层面，所有扩展缺失值都被定义为小于任何实际观测数值，因此在排序、统计运算中会被视为缺失值处理，但用户可以通过其对应的字母代码或标签识别具体的缺失原因。在数据导出时，若目标格式不支持扩展缺失值，这些类型会被统一转换为普通缺失值，这也是直接导入R时丢失类型区分的原因。

内容的提问来源于stack exchange，提问作者AliData