如何基于两个字符串变量生成匹配时取值为1的虚拟变量？

针对你遇到的两个空格分隔语言字符串变量的匹配需求，以下是两种可行的解决方法：

方法一：正则表达式直接匹配 #

利用Stata的regexm()函数，结合单词边界（\y）确保匹配完整的语言代码，避免部分匹配（比如误将apca识别为包含apc）：

* 初始化虚拟变量为0
gen match = 0
* 当var1中包含var2的完整语言代码时，设为1
replace match = 1 if regexm(var1, "\y" + var2 + "\y")

如果var2中也包含多个空格分隔的语言（比如apc fra），可以调整为循环检查每个语言：

gen match = 0
quietly forvalues i = 1/`=_N' {
    local lang_list = var2[`i']
    tokenize "`lang_list'"
    foreach lang in `*' {
        if regexm(var1[`i'], "\y`lang'\y") {
            replace match = 1 in `i'
            continue, break  // 找到匹配后跳出循环，提升效率
        }
    }
}

方法二：拆分变量后匹配 #

如果正则表达式的方式你觉得不够直观，可以先将两个变量拆分为单个语言的变量，再手动匹配：

* 拆分var1为多个临时变量
split var1, parse(" ") gen(lang1_)
* 拆分var2为多个临时变量
split var2, parse(" ") gen(lang2_)

* 初始化虚拟变量
gen match = 0
* 循环检查所有拆分后的语言对
forvalues i = 1/`c(k)' {
    forvalues j = 1/`c(k)' {
        replace match = 1 if lang1_`i' == lang2_`j' & !missing(lang1_`i') & !missing(lang2_`j')
    }
}

* 可选：删除拆分后的临时变量
drop lang1_* lang2_*

为什么fndmtch2或egen anymatch失效？ #

这两个命令主要针对数值型变量组或结构化的列表变量（比如egen group生成的分类变量），而你用egen concat生成的是空格分隔的字符串变量，不属于它们的处理范畴，因此无法正确识别匹配项。

内容的提问来源于stack exchange，提问作者Sarah