Stata基于变量后续值生成点位矩阵计算ID距离的移位缺失问题

你当前使用的行号偏移索引逻辑存在固有局限：

• Stata对变量[_n+偏移量]的索引规则有明确限制，当计算得到的索引位置超过数据集总观测数（即_n + 偏移量 > _N）时，系统会自动返回缺失值，这一规则无法通过循环设置直接规避。
• 顺着这个逻辑生成的偏移列，越靠近数据集末尾的观测行，可满足索引范围的偏移量越少，自然会形成下半部分大面积缺失的矩阵结构，根本支撑不了全组合的距离计算需求。

方案1：修正原有宽表生成逻辑，彻底消除缺失 #

如果还是需要按你期望的矩阵结构（每列存储对应偏移位置的原变量取值）生成无缺失的宽表，不要依赖实时行号索引，提前把全量变量值存入暂元后再生成列，就能绕开索引越界的缺失问题：

* 先清理之前循环生成的冗余偏移变量
drop id_* num1_* num2_*

* 把每个原始变量的全量取值预先存入暂元，不受行号索引规则限制
foreach var of varlist id num1 num2 {
    local `var'_values ""
    forvalues row = 1/`=_N' {
        local `var'_values ``var'_values' `var'[`row']
    }
}

* 逐偏移量生成对应列，直接从暂元中按顺序取对应位置的取值
forvalues offset = 1/`=_N' {
    * 对应偏移位置取暂元中从offset开始的连续值，索引越界时自动循环映射到有效行范围，无缺失
    gen id_`offset' = word("`id_values'", mod(_n + `offset' - 1, `=_N') + 1)
    gen num1_`offset' = real(word("`num1_values'", mod(_n + `offset' - 1, `=_N') + 1))
    gen num2_`offset' = real(word("`num2_values'", mod(_n + `offset' - 1, `=_N') + 1))
}

• 逻辑说明：这里用mod()取模运算把索引位置映射到1~_N的有效范围内，哪怕当前行号加偏移量超过总行数，也会自动映射到合法的观测行位置，全程不会出现缺失值。

方案2：更高效的全距离计算实现（推荐） #

2000个点位的全两两组合计算，不需要构建占内存极高的超宽矩阵，直接生成配对长表计算的效率是宽表方案的数倍，内存占用也会大幅降低：

* 保留原始点位变量为临时数据集
preserve
keep id num1 num2
tempfile raw_points
save `raw_points'

* 生成全量两两配对组合，自动关联两个点的所有属性，无缺失
cross using `raw_points'

* 逐对计算点位距离，覆盖所有可能的ID配对
* 欧氏距离直接计算即可
gen pair_distance = sqrt((num1 - num11)^2 + (num2 - num21)^2)
* 如果需要计算球面地理距离，可安装geodistance命令后直接调用：
* ssc install geodistance
* geodistance id num1 num2 id1 num11 num21, gen(geo_distance)

* 计算完成后如果需要转回宽矩阵结构，可通过reshape wide指令快速转换
restore

内容的提问来源于stack exchange，提问作者Makiko