数据集的纵向合并——Stata 软件

在临床研究，尤其是多中心的临床研究中，不同的医院用同一个问卷或电子病历表来收集信息（例如，A医院完成1500份，B医院完成1000份，C医院完成1200份），最后需要将来自不同医院的数据集进行合并，最终形成总数据集，这样的合并可以增加观测的记录数，属于纵向合并。如图1和图2所示

图1 纵向合并概念图

图2 纵向合并示意图

纵向合并的stata命令为append using，对应的stata菜单栏为data—combinedataset—append datasets.

下面我们用一个简单的例子来说明如何用stata软件合并数据库，希望通过这个简单的例子让大家知道stata中的append using命令。为了更好的理解后面的内容，先介绍几个概念：主数据集、从数据集、纵向合并。主数据集（master dataset）指的是当前在计算机内存中的数据；从数据集（using dataset）指的是将被合并到主数据集的数据集；纵向合并指的是增加记录（即样本量）。

举例说明（我们以stata自带的数据库来说明）：

第一步，将auto数据集拆分为domestic数据集和foreign数据集。具体的语法为：

. sysuseauto, clear（打开系统自带的auto数据集）

. keep if foreign == 0（保留foreign=0的样本）

. keep make priceforeign（保留make price foreign这三个变量）

. save domestic（将其保存为domestic数据集）

. sysuseauto, clear（打开系统自带的auto数据集

. keep if foreign==1（保留foreign=1的样本）

. save foreign（将其保存为foreign数据集）

第二步：打开domestic数据集作为主数据集，将foreign数据集作为从数据集追加。具体的语法：

. use domestic, clear

. append using foreign

在纵向合并中我们需要注意：

1.数据集之间内容相同的变量的变量名要保持一致，如果不一致，stata无法知道如何将相似的变量追加在一起。所以需要在合并之前，逐个查看数据集的数据结构，确保数据集之间内容相同的变量的变量名一致。

2.变量的编码需要保持一致。若编码不一致（如主数据集的性别gender变量取值为1和2，从数据集的性别gender变量取值为0和1），stata并不报错，所以需要在合并以前，逐一查看数据集的变量编码（一般情况下可以通过变量管理器或者codebook命令），确保数据集之间相同变量的变量编码一致。如果不一致，可以用recode命令将其保持一致。合并后使用tabulate命令确认一下。

3.在进行纵向合并时，数据集无需针对变量排序，因为纵向合并的只是两个数据集对接在一起。通常情况下，这些数据集往往具有类似的变量结构，只是内容不同，也可以纵向追加，没有的变量会通过缺失值来代替。

参考：廉启国编著的《Stata数据统计分析教程》