如何在Stata中仅填充被相同值夹在中间的缺失值？

需求说明 #

在面板数据中，仅填充那些被两个相等的非缺失值夹在中间的缺失值。这类缺失值属于分类变量，无需按序数插值。

示例1：基础场景 #

初始数据：

clear 
input year group
2005 1
2006 .
2007 .
2008 .
2009 1
2010 8
2011 1
2012 .
2013 5
2014 3
2015 4
end

期望结果：2006-2008年的group缺失值填充为1（前后均为1）；2012年的group保持缺失（前后为1和5，不相等）。

示例2：复杂面板场景 #

初始数据（按group和year分组的面板）：

clear 
input year group id
2005 1 1
2006 1 .
2007 1 .
2008 1 .
2009 1 .
2010 1 .
2011 1 1
2007 2 3
2008 2 .
2009 2 .
2010 2 2
2011 2 2
end

此前解决方案存在的问题：

• group 1中前后均为1的连续缺失未被填充；
• group 2中前后为3和2的缺失被错误填充。

Stata解决方案 #

以下代码可精准实现需求，适用于多分组、多连续缺失的面板场景：

* 1. 确保数据按分组+时间排序（面板数据必备）
sort group year

* 2. 标记连续的缺失块：每个连续缺失段分配唯一标识
gen miss_block = .
replace miss_block = sum(missing(id) != missing(id[_n-1])) if _n > 1
replace miss_block = 1 if missing(id) & _n == 1

* 3. 提取每个缺失块的前序非缺失值、后序非缺失值
bysort group miss_block: gen prev_val = id[_n - _N] if missing(id)
bysort group miss_block: gen next_val = id[_n + _N] if missing(id)

* 4. 仅当前后值相等时填充缺失值
replace id = prev_val if missing(id) & prev_val == next_val

* 5. 清理临时变量
drop miss_block prev_val next_val

处理后正确结果 #

clear 
input year group id
2005 1 1
2006 1 1
2007 1 1
2008 1 1
2009 1 1
2010 1 1
2011 1 1
2007 2 3
2008 2 .
2009 2 .
2010 2 2
2011 2 2
end

代码逻辑说明 #

• miss_block：通过判断当前行与前一行的缺失状态是否变化，标记出所有连续缺失的独立区块；
• prev_val/next_val：对每个缺失区块，分别提取区块前第一个非缺失值、区块后第一个非缺失值；
• 仅当prev_val与next_val完全相等时，才用该值填充区块内的所有缺失，避免错误填充两端值不一致的缺失段。

内容的提问来源于Stack Exchange，提问作者username