如何在Stata中基于另一DataFrame生成贫困识别虚拟变量？

问题背景 #

我当前项目中有两个数据集：一个包含家庭规模（18岁以上成年人数量）和收入的调查数据，另一个是2018年按家庭规模划分的联邦贫困标准（FPG）。例如，FPG规定，1个成年人的家庭年收入≤12140美元即被认定为贫困。

我希望在第一个数据集中创建一个虚拟变量，用于根据家庭规模和收入判断该家庭是否属于贫困。我知道如何在R中实现此操作（df1指上述第一个DataFrame，df2为第二个）：

for row in c(1:nrow(df1)) {
  if (household size[row] == 1) {
  ifelse (df1$income[row] <= df2[1,2], 1,0)
  }
}

其中df2[1,2]指代家庭规模为1的贫困阈值单元格，其他家庭规模依此类推。但我不清楚如何在Stata中完成该操作，我刚接触该语言，感觉在同一环境中处理多个数据集难度更大。

解决方案 #

Stata的核心操作逻辑是基于内存中的单个数据集，以下是两种高效实现的方法：

方法1：合并数据集（推荐） #

将贫困标准数据集合并到调查数据集中，后续直接通过匹配的阈值创建变量：

1. 准备匹配变量
   确保两个数据集都有统一的家庭规模变量（例如均命名为hh_size），且贫困标准数据集（如fpg2018.dta）包含对应家庭规模的贫困阈值变量（如poverty_threshold）。

2. 加载并合并数据

// 加载调查数据集到内存
use "survey.dta", clear
// 多对一合并：多个调查家庭对应同一家庭规模的贫困标准
merge m:1 hh_size using "fpg2018.dta"

合并后可通过tab _merge检查匹配情况，确保大部分观测为_merge==3（即两边都匹配成功）。

3. 生成贫困虚拟变量
   Stata支持直接用逻辑表达式生成0/1变量：

gen poor = (income <= poverty_threshold)

如果需要处理缺失值（避免缺失值被误判），可以细化为：

gen poor = .
replace poor = 1 if income <= poverty_threshold & !missing(income, poverty_threshold)
replace poor = 0 if income > poverty_threshold & !missing(income, poverty_threshold)

方法2：直接条件赋值（无需合并） #

若家庭规模类别较少，可直接手动指定各规模的阈值，无需合并数据集：

use "survey.dta", clear
// 先初始化虚拟变量为0
gen poor = 0
// 按家庭规模逐一替换为1（替换为实际的FPG阈值）
replace poor = 1 if hh_size == 1 & income <= 12140
replace poor = 1 if hh_size == 2 & income <= 16460
replace poor = 1 if hh_size == 3 & income <= 20780
replace poor = 1 if hh_size == 4 & income <= 25100
// 依此类推添加所有家庭规模的条件

内容的提问来源于stack exchange，提问作者MarkWeiss