Stata中如何不清除主数据集，参考外部dta用户名列表筛选观测值

你遇到的问题本质是：use 文件名, clear 命令默认会强制清空当前内存中的数据集来加载新文件，而Stata本身提供了不需要切换内存主数据集就能读取外部dta的机制，完全可以绕过这个障碍完成筛选。

方案1：merge匹配法（最常用，出错概率低） #

操作全程不会改动当前内存中加载的主数据集：

• 第一步：正常加载全量主数据集，和日常操作一致，例如写 use "你的主数据集存储路径.dta", clear
• 第二步：保持主数据集的加载状态，直接关联花名册文件做匹配，命令为：
  merge 1:m username using "你的花名册文件存储路径.dta"

  这里的1:m逻辑完全适配你的场景：花名册里每个用户名只对应1行记录（1端），主数据集里同一个用户名可能对应多条观测（m端）。命令中的using文件是Stata在后台临时读取做匹配的，不会覆盖当前内存里的主数据。

• 第三步：匹配完成后，Stata会自动生成名为_merge的标记变量，不同取值的含义：
  • _merge == 3：主数据中的观测值，且username在花名册名单内
  • _merge == 1：主数据中的观测值，但username不在花名册内
  • _merge == 2：花名册中的记录，但主数据里没有对应的username，属于冗余行
• 第四步：执行筛选命令，只保留符合条件的行：
  keep if _merge == 3
  筛选完成后执行 drop _merge 删掉临时标记变量即可。

方案2：preserve/restore快速取名单法（运行速度更快，适合大体积主数据） #

如果主数据集体积很大，想减少匹配环节的计算量，可以用这个方法：

• 第一步：正常加载全量主数据集
• 第二步：执行 preserve 命令，这个命令会把当前内存中的主数据集做完整备份，后续操作内存也不会弄丢备份内容
• 第三步：此时可以放心加载花名册文件，因为备份已完成，执行 use "你的花名册文件路径.dta", clear
• 第四步：把花名册里的所有用户名提取为临时列表，执行 levelsof username, local(target_list)，Stata会自动把所有用户名拼接到名为target_list的临时局部宏里
• 第五步：执行 restore 命令，之前备份的主数据集会完整恢复到内存中，和刚加载时的状态没有任何区别
• 第六步：直接用提取好的名单列表做筛选，执行：
  keep if inlist(username, target_list')`

避坑提示 #

• 绝对不要在主数据集已加载的状态下，不借助preserve/restore或者using机制直接用use 花名册.dta切换文件，否则一定会清空主数据。
• 匹配前提前检查两边的username变量格式：如果存在大小写差异、前后带空格的情况，提前统一处理（比如用replace username = trim(lower(username))），否则会出现漏匹配的问题。
• 你的花名册仅包含数百条记录，体积极小，两种方案的运行速度都不会因为主数据集有几百万行受到明显影响。

内容的提问来源于stack exchange，提问作者AerialImpact