删除年份与条件筛选年份：TMT变动变量生成结果差异咨询

看起来你在尝试标识2006-2009年间高管团队（TMT）是否变动时，遇到了两段代码结果不一致的问题，咱们来拆解下原因，再给出靠谱的解决办法。

为什么两段代码结果有差异？ #

先明确你两段代码的核心逻辑差异：

第一段代码的逻辑 #

drop if Year > 2009 
drop if Year < 2006 
by id (id), sort: gen changed = (DirectorID[1] != DirectorID[_N])

这段代码先删除了2006-2009以外的所有观测，只保留目标区间的数据。但这里有个隐藏问题：by id (id), sort只是按id排序，没有按Year排序，所以每个id组内的第一个（[1]）和最后一个（[_N]）观测不一定对应2006年和2009年的记录——顺序是随机的，可能是任意年份的DirectorID被拿来比较。

第二段代码的逻辑 #

by id (id), sort: gen changed = (DirectorID[1] != DirectorID[_N]) if Year < 2010 & Year > 2005

这段代码保留了所有年份的数据，但同样没按Year排序。此时每个id组是该银行2005-2015年的全部观测，[1]大概率是2005年的记录，[_N]是2015年的记录，你实际在比较的是2005和2015年的DirectorID，完全偏离了“2006-2009年变动”的需求。而且changed变量只在2006-2009的观测上生成值，其余年份都是缺失值，这也和第一段代码的结果范围不同。

这两个逻辑偏差，就是导致247个案例结果不一致的核心原因。

正确的实现方法 #

你的需求是判断每个银行（id）2006年的TMT成员和2009年的是否存在变动，这里提供两种可靠的实现方式：

方法一：精准筛选目标年份后比较 #

这种方法先提取2006和2009年的数据，直接对比两年的DirectorID：

* 仅保留2006和2009年的观测
keep if Year == 2006 | Year == 2009
* 按id和Year排序，确保每个id下先出现2006年，再出现2009年
sort id Year
* 对每个id，生成变动标识：2006和2009年的DirectorID是否不同
by id: gen changed = (DirectorID[1] != DirectorID[2]) if _N == 2

* 如果需要把这个变量匹配回原数据集（2005-2015全量数据），可以用临时文件合并
tempfile tmt_change
save `tmt_change'
use "your_original_dataset.dta", clear  // 替换为你的原数据集路径
merge m:1 id using `tmt_change', keepusing(changed)

方法二：在全量数据中直接提取目标年份值对比 #

如果不想删除原数据，可以直接提取2006和2009年的DirectorID后比较：

* 先按id和Year排序，确保年份顺序正确
sort id Year
* 提取每个id的2006年DirectorID
by id: gen dir_2006 = DirectorID if Year == 2006
by id: egen dir_2006_final = max(dir_2006)  // 确保每个id只保留一个2006年的值
* 提取每个id的2009年DirectorID
by id: gen dir_2009 = DirectorID if Year == 2009
by id: egen dir_2009_final = max(dir_2009)
* 生成变动标识变量
gen changed = (dir_2006_final != dir_2009_final)
* 清理中间变量
drop dir_2006 dir_2006_final dir_2009 dir_2009_final

这两种方法都能精准对比2006和2009年的TMT成员，避免原代码中的排序和分组范围错误。

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