如何使用Stata局部宏按资产规模阈值拆分数据集

• 核心错误是局部宏名拼写不一致：定义宏时用的名称是subset，循环调用时写为`subsets'，多了末尾的s，导致循环无匹配项直接跳过，完全不会执行内部逻辑。
• 缺少拆分结果的持久化逻辑：preserve之后既没有restore回滚，也没有将拆分好的子集存为本地文件，循环跑完后仍会回到原始数据集，看不到任何拆分结果。
• 阈值定义存在不一致风险：需求描述的阈值是10/100，代码里硬编码的是10000000/100000000，需要注意单位统一，避免逻辑与需求不符。
• 存在冗余重复代码：三个分支的逻辑高度重合，重复编写容易出现笔误。

简化优化版（推荐） #

避免重复分支逻辑，可灵活调整阈值和命名：

* 三个区间的标识，对应需求里的<10、10-100、>100
local subset_labels 10 55 100
* 对应三个区间的阈值上下限，单位和你原有代码保持一致，可根据实际单位调整
* 格式为：区间1下限 区间1上限 | 区间2下限 区间2上限 | 区间3下限 区间3上限，.表示无穷大
local thresholds "0 10000000 | 10000000 100000000 | 100000000 ."

foreach lab of local subset_labels {
    preserve
    * 提取当前区间的上下限
    gettoken thres thresholds: thresholds, parse("|")
    gettoken low high: thres
    
    * 标记符合区间要求的观测
    gen in_range = (assets > `low' & assets <= `high') if !missing(assets)
    * 按公司维度筛选：只要公司有一期符合区间要求，就保留该公司所有观测
    bysort company_id: egen keep_company = max(in_range)
    keep if keep_company == 1
    
    * 保存子集到当前工作目录，文件名带区间标识
    save "assets_subset_`lab'.dta", replace
    restore
}

如果不需要保留公司全周期数据，只留存符合资产阈值的单条观测，删除bysort company_id...那行，直接写keep if in_range == 1即可。

原有分支写法修复版 #

如果你偏好原来的分支写法，仅修正核心错误即可运行：

* 宏名统一为subset，定义和调用保持一致
local subset 10 55 100
foreach subset in `subset' {
    preserve                

    if `subset' == 100 {
        gen subset_obs = (assets >= 100000000)
        bysort company_id : egen subset_id = max(subset_obs)
        keep if subset_id == 1
        * 保存子集
        save "assets_gt100.dta", replace
    }
    else if `subset' == 10 {
        gen subset_obs = (assets <= 10000000)
        bysort company_id : egen subset_id = max(subset_obs)
        keep if subset_id == 1
        save "assets_le10.dta", replace
    }
    else if `subset' == 55 {
        gen subset_obs = (assets > 10000000 & assets < 100000000)
        bysort company_id : egen subset_id = max(subset_obs)
        keep if subset_id == 1
        save "assets_between10_100.dta", replace
    }
    restore
} 

内容的提问来源于stack exchange，提问作者gobygoul