如何在Stata/R中按国家生成缺失年份变量完成数据集合并

以下分别提供Stata和R两种工具的实现代码：

Stata实现 #

场景1：带完整年份的数据集所有观测年份一致（标准单期横截面） #

• 提取公共年份值：

use "full_data.dta", clear
* 若年份为数值型
sum year, meanonly
local common_year = r(mean)
* 若年份为字符串型，替换为下面这行
* levelsof year, local(common_year)

• 给缺失年份的数据集补全年份：

use "missing_year_data.dta", clear
gen year = `common_year'

• 按国家+年份双主键合并：

merge 1:1 country year using "full_data.dta", nogen

场景2：完整数据集内每个国家对应唯一的不同年份 #

• 先提取国家-年份映射表：

use "full_data.dta", clear
keep country year
save "country_year_link.dta", replace

• 给缺失年份的数据集匹配对应年份：

use "missing_year_data.dta", clear
merge 1:1 country using "country_year_link.dta", keep(match) nogen

• 双主键合并两个数据集：

merge 1:1 country year using "full_data.dta", nogen

R实现 #

场景1：带完整年份的数据集所有观测年份一致（标准单期横截面） #

tidyverse写法

library(tidyverse)
# 提取公共年份
common_year <- unique(full_data$year)
# 补全年份
missing_year_data <- missing_year_data %>% 
  mutate(year = common_year)
# 双主键合并
merged_data <- inner_join(full_data, missing_year_data, by = c("country", "year"))

基础R写法

# 提取公共年份
common_year <- unique(full_data$year)
# 补全年份
missing_year_data$year <- common_year
# 双主键合并
merged_data <- merge(full_data, missing_year_data, by = c("country", "year"))

场景2：完整数据集内每个国家对应唯一的不同年份 #

tidyverse写法

library(tidyverse)
# 提取国家-年份映射
country_year_map <- full_data %>% select(country, year)
# 匹配补全年份
missing_year_data <- missing_year_data %>% 
  left_join(country_year_map, by = "country")
# 双主键合并
merged_data <- inner_join(full_data, missing_year_data, by = c("country", "year"))

基础R写法

# 提取国家-年份映射
country_year_map <- full_data[,c("country", "year")]
# 匹配补全年份
missing_year_data <- merge(missing_year_data, country_year_map, by = "country", all.x = T)
# 双主键合并
merged_data <- merge(full_data, missing_year_data, by = c("country", "year"))

注意：如果完整数据集存在单个国家对应多个年份的情况，需先根据研究需求筛选每个国家对应的目标年份后再执行上述操作

内容的提问来源于stack exchange，提问作者Max