如何用Stata删除含缺失值的观测行？

Question

如何在Stata中高效删除含有任意缺失值的观测行？常见问题在于直接使用drop命令时语法错误或误删数据。例如，执行 `drop if missing(var1, var2)` 仅能识别特定变量的缺失，无法覆盖全样本。若想删除所有含缺失值的观测，应使用 `drop if missing(_all)` 或结合 `egen` 生成标记变量：`egen nmiss = rowmiss(_all)`, 然后 `drop if nmiss > 0`。但需注意，该操作可能大幅减少样本量，建议删除前备份数据或使用`preserve`命令。此外，部分用户混淆`missing()`与`==.`的适用场景，尤其对字符串变量处理不当，导致删除不彻底或逻辑错误。

Answer 1

1. 初识缺失值处理：Stata中缺失值的基本概念与识别

在Stata中，缺失值以.（数值型）或空字符串""（字符型）表示。初学者常误认为drop if var == .可删除所有含缺失的行，但该语法仅适用于单个数值变量。更严重的问题是，此方法无法扩展至多个变量或全数据集范围。

Stata提供了missing()函数用于检测任意变量是否为缺失值。例如：

drop if missing(var1, var2)

该命令仅删除var1或var2任一为缺失的观测，而非全部变量。若目标是删除“任意变量含缺失”的整行数据，则需使用更全局的方法。

2. 核心命令解析：missing(_all) 与 rowmiss()

要实现对全样本中任意缺失值的识别，应使用_all通配符：

drop if missing(_all)

然而，上述命令实际效果有限——它仅当**所有变量同时缺失**时才成立。正确做法是结合egen中的rowmiss()函数：

命令	功能说明
egen nmiss = rowmiss(_all)	生成新变量nmiss，记录每行中缺失值的数量
drop if nmiss > 0	删除至少含有一个缺失值的观测行
count if nmiss > 0	查看将被删除的行数，评估影响

3. 实践流程设计：安全、可逆的数据清理路径

直接删除数据存在风险，尤其在大型面板或复杂结构数据集中。推荐采用以下流程确保操作可追溯：

1. 执行preserve保存当前数据状态
2. 使用egen nmiss = rowmiss(_all)创建缺失计数变量
3. 运行summarize nmiss了解缺失分布
4. 通过list if nmiss > 0 in 1/10抽样检查待删数据
5. 确认无误后执行drop if nmiss > 0
6. 必要时用restore回退到原始状态

4. 深层陷阱剖析：字符串变量与混合类型数据的处理误区

许多用户混淆missing()与== ""的语义差异。对于字符串变量，missing(var_str)等价于var_str == ""，但不能与数值型统一处理。若数据集中包含混合类型变量，直接使用rowmiss(_all)会自动忽略字符串变量（因其不参与数值缺失计算），导致漏删。

解决方案之一是先标准化字符串缺失：

foreach var of varlist *_str {
    replace `var' = "" if `var' == " "
}

然后转换为空字符串统一管理，再进行缺失行识别。

5. 高级策略：条件性删除与缺失模式分析

并非所有场景都需彻底删除含缺失值的行。可通过构建缺失模式矩阵提升决策精度：

egen pattern = group(missing(var1) missing(var2) missing(var3)), label
tab pattern

此外，利用misstable sum命令可生成缺失值汇总表，辅助判断是否应采用插补而非删除。

graph TD
    A[开始数据清理] --> B{是否存在缺失?}
    B -- 是 --> C[执行 preserve]
    C --> D[生成 nmiss = rowmiss(_all)]
    D --> E[统计 nmiss 分布]
    E --> F{是否保留?}
    F -- 否 --> G[drop if nmiss > 0]
    F -- 是 --> H[考虑多重插补]
    G --> I[完成清理]
    H --> I