为什么Stata中merge m:m容易出问题

Stata在数据整理方面的功能很强大，如产生新数据、横向合并数据等。特别是处理微观数据的时候，不同的数据往往保存在不同的数据集中，需要把不同的数据集进行合并，然后进行数据分析。合并数据需要用merge命令。

merge命令选项

• merge 1:1
• merge 1:m
• merge m:1
• merge m:m

其中：merge m:m 很少使用。Stata的manual中也提到不要用这个合并的方式。如果想多对多匹配，一般用cross或joinby命令。

• cross
• joinby

为什么不用merge m:m ，其实很简单，把该命令的匹配原理搞清楚就知道了。或者写一段代码，看看结果。

现在许多都不看manual，而是猜想命令。命令是Stata公司写的，一定要第一时间看Stata的manual里面的解释，而不是看某某怎么写的。下面用一个简单例子看看。

例子：个人数据与家庭数据合并

假设有一个包含家庭里面个人信息的数据，还有一个包含家庭中房产的数据。

1. 导入个体数据集，并保存

clear
input ///
hid pid age 
1    11 45
1    12 42
1    13 10
1    14 7
end
tempfile a
save "`a'"

2. 导入家庭房产数据

clear
input ///
hid houseid size 
1    1      120
1    2      100
end

3. 合并两个数据

merge m:m hid using "`a'"
list

4. 最后合并的结果

. list

     +------------------------------------------------+
     | hid   houseid   size   pid   age        _merge |
     |------------------------------------------------|
  1. |   1         1    120    11    45   matched (3) |
  2. |   1         2    100    12    42   matched (3) |
  3. |   1         2    100    13    10   matched (3) |
  4. |   1         2    100    14     7   matched (3) |
     +------------------------------------------------+

上面list列出了最后合并的结果。

• 个人数据是4行，家庭数据2行，最后匹配完，是4行数据。
• 匹配结果的第三行是匹配的家庭数据的第2行数据。
• 上述结果明显不是多对多的匹配。