使用从 Stata 到 R data.frame 的值，但显示标签而不是值

Question

我对@9​​87654321@ 很陌生，对Stata 比较熟悉。

我设法使用library(foreign) 将数据库从Stata 读取到R data.frame。

data=read.dta("mydata.dta", 
     convert.dates = TRUE, 
     convert.factors = TRUE,
     missing.type = FALSE,
     convert.underscore = FALSE, 
     warn.missing.labels = TRUE)

值（在Stata语言的意义上）没有被导入，只有标签被导入。

让我再解释一下。假设我想操作一个名为“edu”的教育变量。在 Stata 语言中，我使用 numeric values 而不是 labels 来操作我的变量，并且数据编辑器会显示标签，只要我定义了我的标签。例如，假设我的变量“edu”取值 10 到 40，以下代码将标签与每个值相关联：

label define lib_edu 
10 "Less than high-school degree" 
20 "12th grade or higher, no college degree" 
30 "Undergraduate level (2 to 4 years of college)" 
40 "Graduate level (5 years of college or more)", add;
label values edu lib_edu;

然后，当我想操作我的变量时，我需要使用这些值。例如，如果我想从我的数据集中删除标签低于高中学历的人，我只需这样做：

drop if edu==10

但是在我导入的Rdata.frame 中，标签被作为因子导入。每个因素都关联一个级别，该级别不一定对应于我的 Stata 值，因为它从 1 重新开始。同时，我不能使用级别来操纵我的变量。如果我想从我的数据集中删除标签低于高中学历的人，我必须写下整个标签：

data <- data[data$edu!="Less than high-school degree",]

这一点都不方便，尤其是标签又长又复杂的时候。

如果我的数据是从 Stata 导出的，是否可以像在 Stata 中一样，即：在编辑带有标签的 data.frame 时操作数值？

提前谢谢你。

Answer 1

您可以从两个方向解决此问题：1. 您可以在将数据导入 R 之前从 Stata 中删除值标签，或者 2. 您可以从 R 中更改 data.frame 的数据导入设置。这两条路线中哪一条更容易在某种程度上取决于您拥有的 Stata 版本和数据格式。

选项 1：

如果您想在 Stata 中执行此操作，我建议您首先阅读并可能安装来自 SSC 的“标签实用程序”包：sac inst labutil。除了许多其他非常有用的标签操作工具外，该软件包还包含labdtch 或“标签分离”命令，它将您的值标签与它们在 Stata 数据中的实际值分离。显然，您将在将数据导入 R 之前完成所有这些操作。

选项 2：

如果您的数据是使用 Stata 13 版本保存的，R 包readstata13 将为您节省时间和精力。要了解该软件包：see its manual on CRAN。

如果使用 readstata13 是一个选项，您将需要组合命令 get.label 和/或 get.label.name 并将它们用作 get.origin.codes 的输入，这正是您所寻找的。​​p >

最后，如果使用readstata13 不是一个选项，您应该尝试在R 中的导入命令中指定as.numeric(levels(f))[f]。有关原因和更多详细信息，请参阅此StackOverflow question。

如果可能，我建议尝试通过 R 来完成此操作，因为它会提供更可重现的工作流程。但是，如果您最终通过 Stata 执行此操作，我会在您的 R 文件中包含一个简短的注释，解释您在导入数据之前在 Stata 中所做的工作。