数据集中两个变量的模糊匹配

Question

如何在 Stata 数据集中的两个变量之间进行模糊匹配（大约 75% 匹配）？

在我的示例中，如果 Brand_1 中的值存在于 Brand_2 中，我将生成 Match_yes = 1：

**Brand_1    Brand_2    Match_yes**
Samsung     Samsung         1
Microsoft   Apple           0
Apple       Sony            1
Panasonic   Motorola        0
Miumiu                      0
Mottorrola                  1  
LG                          0

如何获取变量 Brand_1 下的值 Mottorrola 以生成 Match_yes = 1，因为它与变量 [=] 中的值 Motorola 有 80% 的相似度13=]?

Answer 1

使用您的玩具示例：

clear

input strL(Brand_1 Brand_2)
Samsung     Samsung     
Microsoft   Apple          
Apple       Sony           
Panasonic   Motorola       
Miumiu                     
Mottorrola                  
LG                          
end

这里是 'hack' 使用 社区贡献的 命令 matchit 来生成所需的输出：

local obs = _N
generate Cont = 0

forvalues i = 1 / `obs' {
    forvalues j = 1 / `obs' {
        replace Cont = 1 if Brand_1[`i'] == Brand_2[`j'] in `i'

        generate b1 = Brand_1[`i'] in 1
        generate b2 = Brand_2[`j'] in 1
        matchit b1 b2, generate(simscore)
        generate score`i'`j' = simscore
        replace Cont = 1 if score`i'`j'[1] > 0.80 in `i'

        drop b1 b2 simscore
    }
}

drop score*

list

     +------------------------------+
     |    Brand_1    Brand_2   Cont |
     |------------------------------|
  1. |    Samsung    Samsung      1 |
  2. |  Microsoft      Apple      0 |
  3. |      Apple       Sony      1 |
  4. |  Panasonic   Motorola      0 |
  5. |     Miumiu                 0 |
     |------------------------------|
  6. | Mottorrola                 1 |
  7. |         LG                 0 |
     +------------------------------+

数据集中两个变量的模糊匹配

Fuzzy match for two variables in a dataset

match

stata

fuzzy-logic