Stata:如何修改字符串变量中的一些值，但保留原始值？

Question

我正在处理一个非常大的数据集(100万个数据集)。

我有一个字符串日期，看起来像这样

key seq startdate (string)  
AD07    1   August 2011 
AD07    2   June 2011   
AD07    3   February 2004   
AD07    4   November 2004   
AD07    5   2001    
AD07    6   January 1998    
AD5c23  1   January 2014    
AD5c235 2   February 2014   
AD5c235 3   2014    

这是自我报告的雇佣日期。

有些人没有报告他们开始工作的月份。但我想把AD07的日期改为“2001年”到“2001年1月”。因此，我不能简单地替换它，因为我希望保留原来的年份，但是在字符串变量中添加月份。

我一开始是：

levelsof start if start<="2016", local(levels)

这给了我从1900年到2016年的所有没有月的岁月。

现在我想在没有月份的年份加上“一月”，并保留原来的年份。

我应该如何在不每年使用replace的情况下做到这一点？foreach循环？

Answer 1

你有一个严重的数据质量问题，如果人们声称是在1900年开始工作，从那时起每年！即使考虑到提前开始就业和推迟退休，这也意味着年龄超过最老的既定年龄的人。

另外，将“一月”归咎于偏见，因为几乎所有的工作时间都会比原来长。真正的一月开始将是正确的，但没有其他：“六月”或“七月”或随机月份将有更明显的统计意义。

也就是说，这里不需要循环。你要的是一行，比如说

replace startdate = "January " + startdate if length(trim(date)) == 4 

或

replace startdate = "January " + startdate if real(startdate) < . 

-假设在转换为数字日期时进行跟踪。这里的逻辑是，所有一年的日期缩减到4个字符，或者(更好的)将月份名称提供给real()将导致错误。

也就是说，创建一个新变量比重写一个变量更好。同时，考虑扔掉这个月的细节。需要吗？

编辑

如果在同一年中有两份或两份以上的工作没有月规格，你可能会有另一个问题。你不想把所有的月都归为“一月”。你可以通过

gen byte incomplete = real(startdate) < . 
gen year = substr(trim(startdate), -4, 4) 
bysort key year incomplete : gen byte multiplebad = incomplete & _N > 1