Wie Fügt Man Zwei Datensätze In Stata Forex Zusammen

HINWEIS: Die IDRE Statistical Consulting Group wird die Migration der Website auf das WordPress CMS im Februar, um die Wartung und Erstellung neuer Inhalte zu erleichtern. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, die Weiterleitungen so zu halten, dass die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group mit einem Geschenk Stata Learning Modul Daten kombinieren Dieses Modul veranschaulicht, wie Sie Dateien in Stata kombinieren können. Beispiele umfassen angehängte Dateien, Eins-zu-Eins-Zusammenführung und Eins-zu-Eins-Zuordnung. Anhängen von Datendateien Wenn Sie zwei Datendateien haben, können Sie sie durch Stapeln übereinander kombinieren. Zum Beispiel haben wir eine Datei, die Väter und eine Datei enthält, die Mütter enthält, wie unten gezeigt. Wenn wir diese Dateien kombinieren wollten, indem wir sie aufeinander stapeln, können wir den Befehl append wie unten gezeigt verwenden. Wir können den Listenbefehl verwenden, um zu sehen, ob das korrekt funktionierte. Der Append funktionierte richtig. Die Väter und Mütter sind zusammen in einer Datei gestapelt. Aber es gibt ein kleines Problem. Wir können nicht sagen, die Väter von den Müttern. Lets versuchen, dies wieder tun, aber zuerst werden wir eine Variable namens momdad in der Väter und Mütter Datendatei, die Papa für die Dads-Datei und Mama für die Moms-Datei enthalten wird. Wenn wir die beiden Dateien zusammen kombinieren, wird die Momdad-Variable uns sagen, wer die Mütter und Väter sind. Hier machen wir momdad Variable für die Dads-Datei. Wir speichern die Datei mit dem Namen dads1. Hier machen wir momdad Variable für die Moms-Datei. Wir speichern die Datei, die es moms1 nennt. Nun können wir dads1 und moms1 zusammenfügen. Nun, wenn wir die Daten die momdad Variable zeigt, wer die Mütter und Väter sind. Match-Merging Eine weitere Möglichkeit, Daten-Dateien zu kombinieren, ist Match-Merging. Sagen wir, dass wir die Väter mit der faminc-Datendatei kombinieren wollten, die die Väterinformation und die Familieninformationen nebeneinander hatten. Wir können dies mit einem Spiel zusammenführen. Werfen wir einen Blick auf die Väter und faminc Datei. Wir wollen die Datendateien so kombinieren, dass sie so aussehen. Beachten Sie, dass die famid-Variable verwendet wird, um die Beobachtung aus der Väter-Datei mit der entsprechenden Beobachtung aus der faminc-Datei zu verknüpfen. Die Strategie für das Zusammenführen der Dateien geht so. 1. sortieren Sie Väter auf famid und speichern Sie diese Akte (benennen es dads2). 2. sort faminc auf famid und speichern Sie diese Datei (aufrufend faminc2). 3. Verwenden Sie die Datei dads2. 4. Fügen Sie die Datei dads2 mit der faminc2-Datei zusammen, um sie mit famid zu vergleichen. Hier sind die vier Schritte. 1. Sortieren Sie die Dads-Datei von famid und speichern Sie es als dads2 2. Sortieren Sie die faminc-Datei von famid und speichern Sie es als faminc2. 3. Verwenden Sie die Datei dads2 4. Zusammenführen mit der faminc2-Datei mit famid als Schlüsselvariable. Es scheint, wie dies funktionierte just fine, aber was ist, dass Merge-Variable Die Merge-Variable zeigt für jede Beobachtung, wie das Merge ging. Dies ist nützlich, um nicht übereinstimmende Datensätze zu identifizieren. Merge kann einen von drei Werten haben 1 - Der Datensatz enthält nur Informationen aus file1 (zB einen dad2 Datensatz ohne entsprechenden faminc2 Datensatz) 2 - Der Datensatz enthält nur Informationen aus file2 (zB einen faminc2 Datensatz ohne entsprechenden dad2 Datensatz Datensatz enthält Informationen aus beiden Dateien (zB die dad2 und faminc2 Datensätze nach oben zusammengestellt) Wenn Sie viele Datensätze haben, ist tabellarische Zusammenführung sehr nützlich, um zusammenzufassen, wie viele Fehlanpassungen Sie haben In unserem Fall entsprechen alle Datensätze so den Wert für Merge War immer 3. Eins-zu-vielen Match-Merging Eine andere Art von Merge wird als eine zu viele Merge. Unsere eins zu eins zusammengeführt passte bis Väter und faminc und es gab eine Eins-zu-eins Matching der Dateien. Wenn wir Völker zusammenführen Wie Sie unten sehen, ist die Strategie für die eine zu vielen zusammenzuarbeiten, ist wirklich die gleiche wie die zu eins zu verschmelzen 1. sortieren Väter auf famid und Speichern Sie die Datei als dads3 2. sortieren Kinder auf famid und speichern Sie diese Datei als kids3 3. verwenden Sie die Datei dads3 4. fusionieren Sie die Datei dads3 mit der Datei kids3 mit famid, um sie zu entsprechen. Die 4 Schritte sind unten gezeigt. 1. Sortieren Sie die Dads-Datei auf famid und speichern Sie diese Datei als dads3. 2. Sortieren Sie die Kinder-Datendatei auf famid und speichern Sie diese Datei als kids3. 3. Verwenden Sie die Datei dads3. 4. Fügen Sie die Datei dads3 mit der Datei kids3 unter Verwendung von famid zusammen, um sie anzupassen. Lässt Liste der Ergebnisse. Die Ergebnisse sind ein bisschen leichter zu lesen, wenn wir die Daten zu famid und Geburt sortieren. Wie Sie sehen, ist dies im Grunde das gleiche wie ein eins zu eins Merge. Sie können sich fragen, ob die Reihenfolge der Dateien auf der Merge-Anweisung relevant ist. Hier wechseln wir die Reihenfolge der Dateien und die Ergebnisse sind die gleichen. Der einzige Unterschied ist die Reihenfolge der Datensätze nach dem Zusammenführen. Anfügen von Datenbeispiel Zusammenführen von Beispielschritten (Eins-zu-Eins - und Eins-zu-Viele) Zusammenführungsbeispielprogramm Der Inhalt dieser Website sollte nicht als eine Bestätigung für eine bestimmte Website, ein Buch oder ein Softwareprodukt von der University of California. Stata für Forscher: Kombination von Datensätzen Dies ist Teil acht der Stata for Researchers-Serie. Eine Liste der Themen, die von dieser Serie abgedeckt werden, finden Sie in der Einleitung. Wenn Sie zu Stata neu sind, empfehlen wir, die Artikel in der Reihenfolge zu lesen. Die Kombination von zwei Datensätzen ist eine gemeinsame Datenmanagementaufgabe, die sehr einfach durchzuführen ist. Allerdings ist es auch sehr leicht falsch zu bekommen. Vor der Kombination von Datensätzen sicher sein, dass Sie die Struktur der beiden Datensätze und die Logik der Art und Weise youre kombinieren sie verstehen. Andernfalls können Sie am Ende mit einem Datensatz, den Sie denken, ist zur Analyse bereit, aber ist wirklich völliger Quatsch. Stata versucht, sicherzustellen, dass youve durch das, was youre tun gedacht, aber kann nicht sagen, was Sinn macht und was doesnt. Stata arbeitet immer mit einem Datensatz zu einem Zeitpunkt, so dass Sie immer den Datensatz in den Speicher (der Stammdatensatz) mit einem anderen Datensatz auf der Festplatte (die so genannte Daten-Set, aus Gründen, die klar werden, wenn Sie sehen, zu kombinieren Die Syntax). Anhängen von Datensätzen Stata ruft sie an, wenn Sie die Beobachtungen aus dem verwendeten Datensatz zum Stammdatensatz hinzufügen. Das Anhängen ist sinnvoll, wenn die Beobachtungen beider Datensätze dieselbe Art von Dingen darstellen, aber nicht die gleichen Dinge. Beispielsweise können Sie einen Datensatz von Personen aus Wisconsin an einen Datensatz von Leuten aus Illinois anhängen. Die Datensätze sollten die gleichen oder meistens dieselben Variablen mit denselben Namen haben. Wenn eine Variable nur in einem Datensatz erscheint, werden Beobachtungen aus dem anderen Datensatz fehlende Werte für diese Variable angegeben. Die Syntax für die Ausführung eines Anhangs ist einfach: Laden Sie den Stammdatensatz und geben Sie Folgendes ein: append using dataset wobei dataset der Name des Datensatzes ist, den Sie anfügen möchten. Zusammenführen von Datensätzen Stata ruft sie zusammen, wenn Beobachtungen aus den beiden Datensätzen kombiniert werden. Es gibt in der Theorie vier Arten von Merges: In einem One-to-One-Merge wird eine Beobachtung aus dem Master-Datensatz mit einer Beobachtung aus dem verwendeten Datensatz kombiniert. Ein Eins-zu-Eins-Zusammenführen macht Sinn, wenn die Beobachtungen in beiden Datensätzen die gleichen Dinge beschreiben, aber unterschiedliche Informationen über sie haben. Zum Beispiel könnten Sie die Antworten zusammenfassen, die die Leute in einer Welle einer Umfrage mit den Antworten gaben, die die gleichen Personen in Welle zwei der Umfrage gaben. In einer Eins-zu-Viele - oder Viel-zu-Eins-Zusammenführung wird eine Beobachtung von einem Datensatz mit vielen Beobachtungen von dem anderen kombiniert (wobei die Differenz zwischen Eins-zu-Viele und Viele-zu-Eins ist, ob der Stammdatensatz ist Hat den Quotienten oder den verwendeten Datensatz). Diese Zusammenführungen sind sinnvoll, wenn Sie hierarchische Daten haben und ein Datensatz Informationen über die Einheiten der Ebene 1 enthält, während der andere Informationen über die Einheiten der Ebene zwei enthält. Zum Beispiel könnten Sie Informationen über Haushalte mit Informationen über die Personen, die in diesen Haushalten leben zusammenführen. Grundsätzlich gibt es auch viele-zu-vielen Zusammenschlüsse. In der Praxis sind sie selten, wenn überhaupt nützlich. Wenn Sie feststellen, dass Sie wollen, um eine viele-zu-viele zusammenführen, sollten Sie überdenken, was youre tun. Oft, was Sie wirklich tun müssen, ist identifizieren und korrigieren doppelte Bezeichner, und dann Ihre Zusammenführung funktioniert als one-to-one oder one-to-many. In allen Zusammenschlüssen, die gut diskutiert werden, kombiniert Stata Beobachtungen, die den gleichen Wert einer Schlüsselvariable haben, typischerweise eine ID. Sie können auch basierend auf mehreren Variablen (z. B. kombinieren Daten für den gleichen Zustand und Jahr). In einem Eins-zu-Viele - oder Viel-zu-Eins-Zusammenführen ist es die Kennung für die Ebene-Zwei-Einheiten, die die Schlüsselvariable (z. B. Haushalts-ID, nicht individuelle ID) ist. Es ist sehr wichtig, dass die Schlüsselvariable das gleiche Format in beiden Datensätzen haben. Wenn eine Beobachtung in einem Datensatz nicht mit einer Beobachtung in dem anderen übereinstimmt, werden fehlende Werte für die Variablen aus dem anderen Datensatz gegeben. Da die Lebensfähigkeit eines Forschungsvorhabens oft davon abhängt, wie viele Beobachtungen tatsächlich zusammenlaufen (zB wie viele Menschen von der Welle eine der beiden Befragungen in Welle zwei gefunden haben), gibt Ihnen Stata die Möglichkeit, herauszufinden, wie viele Beobachtungen tatsächlich zusammengelegt wurden und welche diese untersuchen Nicht. Wenn eine Variable in beiden Datensätzen vorhanden ist, werden die Werte aus dem Stammdatensatz beibehalten und die Werte aus dem verwendeten Datensatz verworfen. Gelegentlich ist dies, was Sie wollen, aber es ist eher ein Fehler sein. Grundsätzlich sollten Sie Ihre Daten so einrichten, dass die gemeinsamen Variablen nur die wichtigsten Variablen sind. Die Syntax für einen Merge lautet wie folgt: merge type keyvars using dataset Der Typ muss 1: 1 (eins zu eins), 1: m (eins zu viele), m: 1 (viele zu eins) oder m: M (viele zu vielen) keyvars ist die Schlüsselvariable oder die Variablen und dataset ist der Name des Datensatzes, den Sie zusammenführen möchten. Ein Beispiel für die Kombination von Datensätzen Die Beispiele umfassen mehrere Dateien mit fiktiven Studenten Informationen aus 2007. scores. dta enthält die Schüler Punkte auf einem standardisierten Test, demographics. dta enthält demografische Informationen über sie, und teachers. dta enthält Informationen über ihre Lehrer. Nehmen Sie sich einen Moment Zeit, um jede Datei zu betrachten, und starten Sie dann eine do-Datei, die Partituren lädt. In diesem Datensatz repräsentiert jede Beobachtung einen Schüler. Grasen und youll sehen, dass Sie eine Studenten-ID (ID), eine Lehrer-ID (Lehrer) und eine Punktzahl für jeden haben. Ihre erste Aufgabe ist es, die demografischen Informationen hinzuzufügen. In der Demographie. dta stellt jede Beobachtung auch einen Schüler dar, wobei die Variablen id und Rasse sind. Somit handelt es sich um einen Job für eine Eins-zu-Eins-Zusammenführung und die Schlüsselvariable ist id. Zusammenführen 1: 1 id mit demographischen Daten Stata berichtet, dass alle 60 Beobachtungen abgestimmt sind. Es wird auch eine Variable namens Zusammenführen erstellen. Einer in merge bedeutet eine Beobachtung kam nur aus dem Stammdatensatz ein zwei Mittel es kam nur aus dem verwendeten Datensatz und ein drei Mittel eine Beobachtung erfolgreich abgestimmt und kam somit von beiden. In diesem Fall sehen wir, dass alle Beobachtungen aufeinander abgestimmt sind und somit gleich drei sind, so dass keine Notwendigkeit besteht, die Variable zu halten. In der Tat müssen wir es fallen lassen (oder umbenennen), bevor Sie weitere Zusammenführungen: Nächst Infos über Lehrer hinzufügen. In teachers. dta stellt jede Beobachtung einen Lehrer dar, und jeder Lehrer hat viele Studenten. Das macht dies zu einem vielseitigen Zusammenschluss (da die vielen Studenten derzeit im Speicher sind und der eine Lehrer in dem verwendeten Datensatz ist). Die Schlüsselvariable ist nicht id. Denn das bezieht sich auf die Schüler, sondern Lehrer: fusionieren m: 1 Lehrer mit Lehrern Wieder alle 60 Beobachtungen fusionierten richtig, so können Sie fusionieren. Kombinieren von Panel-Daten Nun nehmen Sie an, dass Sie diese Schüler für mehrere Jahre verfolgt haben. Der Datensatz panel2007.dta enthält eine vereinfachte Version dieses Datensatzes: id id und score. Der Datensatz panel2008.dta hat die gleichen Variablen für ein anderes Jahr. Wie würden Sie kombinieren sie Die richtige Art und Weise zu kombinieren, hängt davon ab, welche Datenstruktur Sie wollen. Hierbei handelt es sich um hierarchische Daten, bei denen eine Ebene zwei Einheit ein Schüler ist und eine Ebene eine Einheit die Daten eines Studenten für ein bestimmtes Jahr ist. So kann es in breiter Form dargestellt werden (eine Beobachtung pro Schüler) oder in Langform (eine Beobachtung pro Schüler pro Jahr). Um die Daten in Langform zu setzen, stapeln Sie einfach die beiden Datensätze mit append. Allerdings müssen Sie wissen, welches Jahr jede Beobachtung repräsentiert. Um dies zu tun, fügen Sie eine Jahresvariable für beide Datensätze, mit dem Wert 2007 für die 2007-Daten und den Wert 2008 für die 2008-Daten. Sie können dies tun, mit der folgenden Datei tun: löschen Sie alle setzen mehr aus dem Capture-Protokoll zu schließen Protokoll mit combine1.log, ersetzen Sie use panel2007 gen Jahr2007 save panel2007append verwenden panel2008 gen Jahr2008 append using panel2007append Speichern appendedData, ersetzen Um die Daten in breiter Form, Führen Sie eine Eins-zu-Eins-Verschmelzung mit id als Schlüsselvariable durch. Aber zuerst müssen Sie die Variablennamen ändern. Daran erinnern, dass in der breiten Form, ist es die Variablennamen, die Ihnen sagen, welche Ebene eine Einheit, die Sie reden. Also statt der Punktzahl. Sie benötigen score2007 und score2008. Löschen Sie alle Set mehr aus dem Capture-Protokoll zu schließen Protokoll mit combine2.log, ersetzen Sie use panel2007 umbenennen Ergebnis score2007 speichern panel2007merge verwenden panel2008 umbenennen Ergebnis score2008 merge 1: 1 id mit panel2007merge speichern mergedData, ersetzen Dieses Mal youll sehen, dass eine Beobachtung nicht übereinstimmt. Sie können sehen, welche durch die Eingabe: Schülerzahl 55 war nicht in panel2008 und konnte daher nicht abgestimmt werden. Als Ergebnis haben wir keine Ahnung, was seine Testergebnis im Jahr 2008 war. Leider ist dies sehr common8212students bewegen sich aus der Schule Bezirke zwischen den Tests die ganze Zeit. Wenn Ihre gesamte Forschungsagenda davon abhängt, dass beide Testscores vorliegen, müssen Sie möglicherweise Beobachtungen fallen lassen, die in beiden Datensätzen nicht vorhanden sind. Sie können dies an dieser Stelle tun, indem Sie Folgendes hinzufügen: drop if merge3 Sie können auch festlegen, welche Beobachtungen direkt im Befehl merge gehalten werden sollen: 1: 1 id über panel2007merge zusammenführen, keep (match) keep (match) bedeutet nur die passenden Beobachtungen zu halten . Die Alternativen sind Master und verwenden. Und Sie können mehr als eine Liste. Um beispielsweise Beobachtungen, die übereinstimmen und Beobachtungen, die nur aus dem Stammdatensatz kommen, zu halten, während Beobachtungen weggeworfen werden, die nur aus dem verwendeten Datensatz kommen, sagen Sie, halten Sie (Master Match). Häufige Probleme mit Merges Zusammenführungen werden alle möglichen Probleme mit Ihrem Datensatz aufdecken (und wenn theyre nicht feste Verschmelzung wird neue einführen). Hier sind zwei gemeinsame, und wie man sie beheben: Key-Variablen in verschiedenen Formaten gespeichert Während Stata glücklich mit verschiedenen Arten von Zahlen (z. B. Ints und Floats) übereinstimmen, kann es nicht Zahlen und Zeichenfolgen entsprechen. IDs können entweder gespeichert werden (solange Sie einen numerischen Typ wählen, der genügend precision8212see mit Daten arbeitet) und es ist nicht ungewöhnlich zu finden, dass Ihre Datensätze die ID auf unterschiedliche Weise speichern. In diesem Fall ist es normalerweise am besten, die Zahlen in Strings zu konvertieren: gen idStringstring (id) drop id umbenennen idString id Die Zeichenfolge () nimmt eine Zahl und konvertiert sie in einen String. Sie können ihm ein zweites Argument geben, das das Format enthält, in dem die Zahl notwritten werden soll, falls nötig. Doppelte IDs Wenn Sie versuchen, einen Merge durchzuführen, erhalten Sie eine Fehlermeldung, wie die quadratische ID nicht eindeutig die Beobachtungen im Master-Datenquot identifiziert, dh Sie haben doppelte IDs im angegebenen Datensatz. Dieses Problem muss behoben werden, bevor Sie fortfahren. Ändern Sie nicht einfach den Typ des Merge für den relevanten Datensatz von quotonequot auf quotquantity, damit die Fehlermeldung weggelassen werden kann. Der resultierende Datensatz ist für die betroffenen Beobachtungen nicht sinnvoll. Eine mögliche Quelle für Duplikate ist ein Rundungsfehler aufgrund eines Speicherns der IDs in einem unangemessenen Variablentyp. In diesem Fall müssen Sie zu den ursprünglichen Daten zurückkehren und sicherstellen, dass die Bezeichner als ein Typ gespeichert sind, der sie umgibt, wie lang, doppelt oder Zeichenfolge. Beachten Sie, dass fehlende Werte zu Zwecken der Vereinigung genau wie jeder andere Wert behandelt werden. Wenn Sie Beobachtungen mit fehlenden IDs haben, wird Stata sie als Duplikate zählen. Youll wahrscheinlich haben, um sie vor der Verschmelzung fallen. Aber die meisten der Zeit duplizieren IDs resultieren aus Fehlern in den Daten. Sie müssen etwas tun, bevor Sie Ihre Zusammenführung durchführen können. Starten Sie eine do-Datei, die den Datensatz mergeerror lädt. Dieser Datensatz enthält Studenten, aber einige von ihnen haben doppelte IDs, die behoben werden müssen. Sie können sehen, wie viele Probleme haben Sie mit Duplikaten Bericht: Duplikate Bericht-ID Dies sagt Ihnen, wie viele Beobachtungen haben den gleichen Wert der ID. Die Ausgabe sagt Ihnen, dass keine ID mehr als zweimal angezeigt wird, aber zwölf Beobachtungen haben doppelte IDs. Für weitere Untersuchungen erstellen Sie eine Variable, die angibt, wie viele Exemplare von jeder ID vorhanden sind: bysort id: gen copiesN Dann können Sie sich nur die Problembeobachtungen ansehen mit: browse if copiesgt1 Für die Beobachtungen mit id gleich 9, 26 und 33 sind die beiden Beobachtungen mit der gleichen ID identisch. Dies deutet darauf hin, dass der gleiche Student wurde zweimal eingegeben und Sie können das Problem durch einfaches Fallenlassen der zusätzlichen Beobachtungen zu beheben. Führen Sie dazu Folgendes aus: Beachten Sie, dass dieser Befehl im Gegensatz zum Duplikat-Report-Befehl, den Sie zuvor ausgeführt haben, keine Varlist hat. Dies bedeutet, es fällt nur doppelte Beobachtungen, wenn sie den gleichen Wert für alle Variablen, nicht nur id haben. Sie können es eine Varlist geben, damit es Beobachtungen fallen lässt, wenn nur die Variablen die gleichen Werte haben, aber seien Sie sehr vorsichtig damit. An diesem Punkt in komplexen Problemen können Sie die Kopien-Variable, die Sie zuvor erstellt haben, wieder löschen und es so wiederherstellen, wenn kopiesgt1 nicht mehr die Beobachtungen zeigen, die Sie bereits fixiert haben, aber theres keine Notwendigkeit in diesem Datensatz. Für die Beobachtungen mit einer ID gleich 64, 74 und 94 zeigen die anderen Variablen, dass die Beobachtungen mit derselben ID nicht dieselbe Person sind. Dies ist ein Hauptproblem für das Mischen: Sie können nicht sicher sein, welches quadratische 64quot in diesem Datensatz mit dem quotstudent 64quot im hypothetischen anderen Datensatz geht. Das Hinzufügen weiterer Variablen kann helfen. Zum Beispiel würde in diesem Fall die Verschmelzung durch id und Rasse es Ihnen ermöglichen, korrekt die beiden Themen mit id gleich 94 zu entsprechen. Zusammenführen durch id. Rennen. Und Grade würde es Ihnen ermöglichen, korrekt die Themen mit id gleich 74. Denken Sie daran, dass, wenn der Datensatz, den Sie mit diesem zusammenführen wollten für das folgende Schuljahr wie in unserem vorherigen Beispiel youd haben eine von ihr zu subtrahieren Erstklassige Variable. Wenn Sie diese Route wählen, erstellen Sie die Kopienvariable mit dem kompletten Satz von Variablen neu, für die Sie im Präfix passen möchten, und sehen Sie, wie viele Duplikate übrig sind. Nichts wird mit den beiden Beobachtungen mit id gleich 64 helfen, und in einem größeren Datensatz ist es weniger wahrscheinlich, dass die Übereinstimmung mit ein paar mehr Variablen können Sie eindeutig identifizieren Themen. In solchen Fällen youll wahrscheinlich brauchen, um alle Beobachtungen, die Sie nicht eindeutig identifizieren können, fallen, da Sie zuverlässig cant passen alle ihnen. Sie können dies tun mit: drop, wenn copiesgt1 Eine alternative Möglichkeit, Datensätze in breite Form zu kombinieren, besteht darin, sie zuerst anzuhängen und dann neu zu formatieren. Kombinieren Sie Panel2007 und Panel2008 in breite Form mit dieser Methode. (Solution) Wenn Sie die beiden Jahre der Daten in lange Form mit append kombinieren. Wie finden Sie die Beobachtung, die nicht im Jahr 2008 (Solution) Combine error2007.dta und error2008.dta durch Verschmelzung es in die breite Form, Festsetzung, was Probleme finden Sie. Dann fügen Sie die beiden Datensätze und versuchen, die gleichen Probleme zu finden. (Lösung) Letzte Änderung: 12292015