Stata技术问询：从保险字符串变量生成哑变量及相关问题

针对你提出的两个问题，我来一步步帮你解决：

一、自动生成所有保险品牌的唯一列表 #

手动整理保险品牌效率太低，用Stata的内置命令就能自动提取所有不重复的保险品牌，步骤如下：

1. 拆分Insurance变量里用|||分隔的多个保险品牌；
2. 将宽格式数据转成长格式，方便统一清理冗余内容；
3. 提取所有唯一的保险品牌并存储到宏变量中。

具体代码如下：

* 1. 以|||为分隔符拆分Insurance变量
split Insurance, parse(|||)

* 2. 转为长格式，便于统一处理拆分后的内容
reshape long Insurance, i(ID_MHP) j(seq)

* 3. 清理字符串：去掉多余的|符号和空值
replace Insurance = trim(subinstr(Insurance, "|", "", .))
drop if Insurance == ""

* 4. 提取所有唯一保险品牌，存入local宏
levelsof Insurance, local(insurance_brands) clean

* （可选）查看生成的品牌列表
di "所有保险品牌：`insurance_brands'"

* （可选）转回原宽格式数据
drop seq
duplicates drop ID_MHP, force

执行后，insurance_brands宏里就保存了所有不重复的保险品牌，完全不需要手动整理。

二、用regexm的否定形式赋值0 #

Stata里没有regexm!这种写法，但可以用**逻辑非符号!**实现“不匹配”的判断，也就是!regexm(...)。不过还有更简洁的写法：

推荐简洁写法 #

因为regexm()匹配成功返回1，失败返回0，所以可以直接生成哑变量，无需多次replace：

* 直接生成Aetna哑变量：匹配到为1，未匹配为0
gen Aetna = regexm(Insurance, "Aetna")

* 如果需要处理Insurance为"NA"的缺失情况
gen Aetna = cond(Insurance == "NA", ., regexm(Insurance, "Aetna"))

用否定形式的写法 #

如果一定要用否定逻辑赋值0，可以这样写：

gen Aetna = .
replace Aetna = 1 if regexm(Insurance, "Aetna")
* 用!regexm表示未匹配，同时排除NA的情况
replace Aetna = 0 if !regexm(Insurance, "Aetna") & Insurance != "NA"

进阶：批量生成所有哑变量 #

结合第一步得到的insurance_brands宏，还能批量生成所有保险品牌的哑变量，不用逐个手动编写：

foreach brand in `insurance_brands' {
    gen `brand' = regexm(Insurance, "`brand'")
    replace `brand' = . if Insurance == "NA"
}

这样就能一次性生成所有需要的哑变量，完全自动化。

内容的提问来源于stack exchange，提问作者Fuca26