Stata中如何将班级重复数据集压缩为班级级汇总数据集

问题根源 #

你写的代码有两个关键问题：

1. 语法错误：keep if newid =1 里的单个等号是赋值操作，不是判断相等，这会把所有观测的newid都改成1，自然筛选后所有记录都保留，达不到去重效果，正确的判断应该用双等号==。
2. 分组维度缺失：你需要的是「某学校某时间t下的班级」作为观测单位，仅按classid分组会导致不同学校、不同时间的同编号班级被混在一起，必须把schoolid和time也加入分组。

三种可行解决方案 #

方案1：修正你的原代码逻辑

补充分组变量，修正语法错误：

// 按学校、时间、班级分组排序
bysort schoolid time classid: gen newid = 1 if _n == 1
// 只保留每组第一条记录
keep if newid == 1
// 删除不需要的变量
drop studentid newid

方案2：简化分组筛选（无需生成新变量）

直接利用bysort后的_n标识，省去生成newid的步骤：

bysort schoolid time classid: keep if _n == 1
drop studentid

方案3：用collapse命令（最推荐）

collapse是Stata专门用于聚合数据的命令，直接生成班级级别的数据集，逻辑更清晰，也避免手动筛选可能出的问题：

// 按学校、时间、班级聚合，保留平均成绩（因为同一班级avegrade重复，用first/mean均可）
collapse (first) avegrade, by(schoolid time classid)

注：这里用(first)是因为每个班级的avegrade值完全相同，用(mean)结果一致，你可以根据习惯选择。

验证结果 #

处理后数据集会以schoolid、time、classid的唯一组合为观测单位，仅保留对应班级的课程平均成绩，符合你的需求。

内容的提问来源于stack exchange，提问作者Fledermaus