Stata如何删除数据？变量、观测值、重复值一键清理，超详细教程

在用Stata进行数据分析时，原始数据几乎不可能直接拿来就用。总有一些变量是用不上的，总有一些样本需要剔除，还经常出现重复记录或异常值需要处理。删除数据是数据清理中最常见的操作之一，但很多初学者因为操作不当，要么删错了内容，要么不小心把原始数据覆盖了，事后追悔莫及。其实，Stata提供了一套非常清晰、安全的删除机制，掌握了这些命令，就能精准地清理数据，同时保护好原始数据源。

核心原则：删除前先备份

在任何删除操作之前，有一条铁律必须牢记：永远不要在原始数据文件上直接操作。正确的工作流程是：先用 use 命令打开原始数据，然后用 save 另存为一个新的文件，比如 数据_清理版.dta，所有删除操作都在这个新文件上进行。这样即使操作失误，原始数据依然完好无损。

另一个保护措施是使用 preserve 和 restore 这对命令。在 preserve 之后进行的任何删除或修改，都可以通过 restore 一键回到执行 preserve 时的状态。这对于尝试性的数据清理非常有用，可以放心地试验各种删除条件，随时回退。

删除变量：drop和keep的配合使用

删除变量是最基础的操作。如果你想去掉某个或某几个不再需要的变量，使用 drop 命令。格式为 drop 变量名1 变量名2 变量名3。例如，数据集中有“年龄”“性别”“收入”“地址”四个变量，如果只想保留前三个，把“地址”删掉，命令就是 drop 地址。

反过来，如果想保留部分变量而删除其余所有变量，用 keep 命令更高效。keep 年龄 性别 收入 这条命令执行后，数据集中只会剩下这三个变量，其他全部被删除。使用 keep 时一定要确认变量名没有遗漏，因为这是一次性删除所有未列出的变量。

对于变量名有规律的批量操作，可以用通配符。例如 drop 年份* 会删除所有以“年份”开头的变量；drop q? 会删除所有单个字符为q后跟任意一个字符的变量（如q1、q2、qa）。通配符用好了能极大提高效率，但也容易误删，建议先用 lookfor 或 describe 确认匹配的变量列表后再执行。

删除观测值：按条件筛选样本

删除特定的行（观测值）是更常见的需求。例如，想剔除年龄小于18岁的样本，或者删除某个特定地区的记录。使用的命令同样是 drop，但后面要加上条件判断。

格式为 drop if 条件。比如 drop if 年龄 < 18 会删除所有年龄小于18岁的观测值。条件表达式可以使用各种逻辑运算符：& 表示“且”，| 表示“或”，>=、<=、== 分别表示大于等于、小于等于、等于。注意等于要用两个等号，单个等号是赋值符号，不能用于条件判断。

实际研究中经常遇到需要根据缺失值删除样本的情况。命令 drop if missing(变量名) 会删除该变量为缺失值的所有观测值。如果想删除某个变量存在缺失值的所有样本，同时保留其他变量，用 drop if 变量名 == . 即可，其中“.”代表Stata中的系统缺失值。

如果想删除观测值的某个范围，比如删除编号为100到200的样本，可以借助行号。先用 gen id = _n 生成一个按顺序排列的编号变量，然后 drop if id >= 100 & id <= 200，最后 drop id 删除这个临时编号变量。

删除重复值：duplicates命令的妙用

数据录入过程中难免出现重复记录。Stata专门提供了 duplicates 命令来处理重复值问题。首先，用 duplicates report 变量名 可以查看某个变量或变量组合下有多少重复记录。例如 duplicates report 身份证号 会输出唯一值数量、重复次数等信息。

确认重复情况后，用 duplicates tag 变量名, gen(标记变量名) 可以生成一个标记变量，每个重复组内的观测值会被标上该组的重复次数。比如 duplicates tag 身份证号, gen(dup)，然后 tab dup 查看分布，dup为0的代表唯一记录，dup为1的代表重复了一次的记录，以此类推。根据这个标记变量，可以决定是保留重复组中的第一条还是全部删除。

如果确定要删除所有重复的观测值，只保留每个重复组的第一条记录，用 duplicates drop 变量名, force。这里的 force 是必要选项，表示强制执行。需要注意的是，如果不指定变量名，Stata会将所有变量完全相同的观测值视为重复；如果指定了变量名，则只根据这些变量判断重复，其他变量可以不同。

删除异常值：谨慎操作

异常值的处理在数据清理中比较敏感。通常的做法不是直接删除，而是先用 summarize 变量名, detail 查看百分位数分布，再用 graph box 变量名 绘制箱线图，直观识别离群点。确定要删除的异常值后，使用条件删除命令。

例如，某变量正常情况下应在0到100之间，那么 drop if 变量名 < 0 | 变量名 > 100 可以删除所有超出此范围的观测值。这里需要强调的是，删除异常值必须有充分的理由，比如确认是录入错误，或者事先有明确的排除标准。在没有合理依据的情况下，保留异常值并用稳健回归等方法处理，往往比简单删除更为妥当。

删除后的内存清理：compress和drop if的配合

大量删除变量和观测值后，数据集的内存占用可能不会自动释放。Stata仍然保留了原始数据集的内存空间。这时可以用 compress 命令，它会重新计算每个变量的存储类型，通常能显著减小数据集大小。如果确定不再需要任何删除前的信息，执行 drop _all 后再重新导入数据，是彻底清空内存的方式，但一般只在新分析开始时使用。

安全操作习惯：善用if和in限定范围

在进行删除操作时，有一个容易犯的错误是忘记加条件，导致删除了整个数据集。为了安全起见，养成先测试再执行的习惯。比如想删除某几个变量，先用 describe 确认变量名；想删除部分观测值，先用 count if 条件 查看满足条件的样本量，确认数量合理后再执行 drop if 条件。

另外，in 选项可以按行号进行精确操作。例如 drop in 1/100 会删除前100行观测值。这种按位置删除的方式通常不太常用，因为行号会随数据变化，但在某些特定场景下（比如删除导入时产生的首行说明）仍有用武之地。

数据清理是分析的基础

在Stata中删除数据，本质上是在为后续的分析“扫清道路”。一个干净、准确的数据集，能让回归分析、图形绘制、结果解读都变得更加可靠。而删除操作的关键不在于命令本身，而在于清晰的思路和谨慎的习惯——知道要删什么、为什么要删、以及如何安全地删。每次执行删除命令之前，多花几秒钟确认条件和范围，就能避免很多事后补救的麻烦。把这份细心带入每一次数据清理中，你会发现分析之路会顺畅很多。