Stata日期转换实战：从字符串到时间序列的完整避坑指南

Stata日期转换实战：从字符串到时间序列的完整避坑指南

你是否曾经满怀信心地打开一份包含“2023年5月”这类中文日期格式的数据集，准备在Stata里大展身手进行时间序列分析，却在第一步设置时间变量时就卡住了？命令行反复报错，生成的日期要么是一串看不懂的数字，要么直接变成缺失值。这几乎是每个Stata新手，甚至是有一定经验的分析师都会遇到的“入门第一坑”。时间序列分析的核心在于“时间”本身，如果时间变量格式不正确，后续的所有建模、检验都将是空中楼阁。这篇文章，我将从一个真实的数据清洗项目出发，带你一步步拆解Stata中日期转换的完整流程，重点攻克那些官方文档语焉不详、网络教程各执一词的实操痛点。我们不仅要“跑通”代码，更要理解每一步背后的逻辑，让你下次遇到任何奇葩日期格式都能从容应对。

1. 理解Stata的日期“世界观”：它如何看待时间？

在动手写代码之前，我们必须先搞明白Stata内部是如何存储和处理日期的。很多转换失败，根源在于对这套底层逻辑的误解。

简单来说，Stata没有一个叫做“日期”的原生数据类型。它把所有日期都存储为一个简单的整数。这个整数代表的是从1960年1月1日开始计算的天数。例如：

• 1960年1月1日 = 0
• 1960年1月2日 = 1
• 1959年12月31日 = -1

这种设计非常巧妙，它使得日期的算术运算（如计算两个日期之间的间隔）变得和整数加减法一样简单。我们平时在数据窗口看到的“2023-05-01”这样友好的显示，只是一个“面具”，是format命令赋予这个整数的可视化外观。

核心概念区分：

• %td：日周期（daily）格式。这是最基础的格式，对应上述“自1960年1月1日的天数”的整数。
• %tm：月周期（monthly）格式。其底层整数表示的是“自1960年1月开始的月数”。1960年1月=0，1960年2月=1，以此类推。
• %tq, %th, %tw：分别对应季度、半年、周周期格式，各有其基准点。

理解这一点至关重要：date()函数生成的始终是%td（日）格式的整数。如果你处理的是月度数据，通常需要再转换为%tm格式，才能被tsset等时间序列命令正确识别。

提示：你可以用list date_var, clean来查看日期变量未经格式化的原始整数值，这有助于调试。

2. 实战拆解：驯服“2023年5月”这类中文日期

假设我们导入的数据集中，时间变量time显示为“2023年5月”、“2022年12月”这样的字符串。我们的目标是将其转换为Stata可识别的月度时间序列变量。

2.1 方法一：使用date()函数的直球对决

这是最简洁的方法，前提是你熟悉date()函数第二个参数——**转换掩码（mask）**的写法。

* 假设原始字符串变量名为 time_str，格式为“2023年5月”
gen date_daily = date(time_str, "YM")
format date_daily %td
list time_str date_daily in 1/5

<