Stata版大家来找茬—cfout就够了
本文作者：王碧琪
文字编辑：朱巧利
导读
在做研究的时候，有时需要比较两个相似的数据集的差别，如果相似度特别高，肉眼识别就有些勉强。最近小编发现了一个小命令—cfout，可以轻松实现Stata里的“大家来找茬”。一起来看看吧！
1、命令简介
cfout是一个外源命令，需要下载。使用下面这一行命令即可。
ssc install cfout下载下来之后，先查看一下命令帮助。
help cfout作者对它的描述是：比较两个数据集，并将差异保存到文件中。小编一看，这不正是大家来找茬吗？今天我们就找两个相似的数据集，用这个命令来操作一番。
命令的语法是：
cfout [varlist] using filename, id(varlist) [options]
其中varlist是用于比较的变量名，filename是进行比较的dta文件，id（varlist）是唯一的标识变量，将两个dta文件联系起来。
2、数据集简介
本次进行操作的两个数据文件分别为1.dta、2.dta，其中包含的数据高度相似，变量名完全相同，观测值数目相同，不同的仅仅是数据集中的个别观测值。其中，uniqueid是二者共同的标识变量。下图是2.dta的部分内容：
1、比较两数据集的差别
clear allcd e:/cfoutuse 1,clearcfout region-no_good_at_all using 2, id(uniqueid) //比较region- no_good_at_all这些变量的差别，唯一标识变量是uniqueid运行结果如下：
结果显示，两数据集中不同的观测值有44个，共比较了15000个观测值，差异率是0.293%。
这些差别可以在r返回值中查看：
return listr(discrep)表示数据集中不同的观测值的数目，r（N）是被比较的观测值总数，r（Nonlyu）表示只出现在using的dta中的观测值数，r（Nonlym）表示只出现在master的dta中的观测值数。r(varlist)列示了被比较的变量名称。
2.找茬结果输出
cfout命令的选项saving（filename [, sopts]）用来输出差异的详细内容。Filename是输出文件的名称，sops中可以指定保留某些变量到结果文件中，以下是几个常用的选项。
variable（newvar） | 原数据集中的变量名称，默认为Question |
masterval（newvar） | master文件变量观测值，默认为Master |
usingval（newvar） | using文件变量观测值，默认为Using |
all（newvar） | 保留所有对比结果，不止是区别 |
keepmaster（varlist） | 保留master文件中指定的变量 |
keepusing（varlist） | 保留using文件中指定的变量 |
properties（popts） | 保留变量的某些属性（popts指定）作为新变量 |
我们现在实现如下目标：将结果文件保存至diffs.dta，把变量名设置为varname，master文件中变量观测值命名为master_value,using文件中变量观测值命名为using_value，文件夹中若存在diffs.dta，则替换掉。
use 1,clearcfout region-no_good_at_all using 2, id(uniqueid) saving(diffs, variable(varname) masterval(master_value) usingval(using_value) replace)use diffs结果依次列示：uniqueid用于定位，区别变量名称，对应的两数据集中的观测值。
这样一来，两数据集的差别就清晰明了地显示出来了，有一种给出了大家来找茬的标准答案的感觉。在处理高度相似的数据集时，可以试试cfout这个命令哦~
关于我们
微信公众号“Stata and Python数据分析”分享实用的stata、python等软件的数据处理知识，欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。
1）必须原创，禁止抄袭；
2）必须准确，详细，有例子，有截图；
注意事项：
1）所有投稿都会经过本公众号运营团队成员的审核，审核通过才可录用，一经录用，会在该推文里为作者署名，并有赏金分成。
2）邮件请注明投稿，邮件名称为“投稿+推文名称”。
3）应广大读者要求，现开通有偿问答服务，如果大家遇到有关数据处理、分析等问题，可以在公众号中提出，只需支付少量赏金，我们会在后期的推文里给予解答。