CLDS2014/16数据转码出错

（2020年更新）
CLDS2014/16个人水平数据在stata14以上版本显示中文乱码，unicode translate转码会导致stata闪退，已经确定是数据的问题，跟Stata版本没关系。最后用了个笨办法，就是把数据和变量标签分成两次分别转码，需要用到stata 13，因为CLDS数据里面的中文在这个版本可以正常显示。处理过程如下：

1. 用Stata 13打开数据文件。

   • 下载的数据如果是Stata 14格式的，stata 13无法直接读取，先用stata 14 或以上版本打开，用saveold 文件名1, version(13)命令存成stata 13格式，再使用Stata 13打开。
   • 用descsave 变量名, do(文件名2.do)命令把变量标签、变量类型、变量值标签存成do文件。不指定变量名时，默认保留全部变量的属性。
     • descsave需要在线安装，如果是STATA 16，直接用命令ssc install descsave即可安装，STATA 15及以前的版本，可以到作者Roger Newson主页下载，解压后把两个文件拷贝到STATA所在文件夹中的"ado\base\d"子文件夹里。

2. 数据文件另存为csv格式，这样一来所有的标签就会被全部去掉，而只保留数据本身。命令为export delimited using 文件名3.csv，或者在File菜单找export子菜单，选择*.csv格式。

3. 用Stata 14或15中的unicode对第1步生成的do文件转码。

   • 系统编码如未设置，需要先设置成gb18030，命令是unicode encoding set gb18030，具体可以help unicode。
   • 接下来转码，命令是unicode translate 文件名2.do。这一步会把所有变量标签和变量值标签全部转成UTF 8编码。

4. 用Stata 14或15读入第2步生成的文件名3.csv文件，读入时需要保持变量的大小写，原因是CLDS源文件很多变量名用了大写字母，第1步生成的do文件也就保留了大小写，但是import delimited命令读入csv文件时，默认把变量名所有字母自动转换成小写，不做设置的话，下一步运行do文件时会找不到变量名字。保留大小写的命令为import delimited using 文件名3.csv, case(preserve)。

   • 调整大小写另一种处理办法：执行第一步之前，使用rename *, lower将所有变量名全改成小写，这一步的import里就不用设置case(preserve)了。

5. 读入csv文件以后，执行第3步生成的文件名2.do文件，保存一下就是UTF 8编码的CLDS文件了。

---

为什么要用UTF 8编码？

UTF 8编码本身具有优势。在Stata 13的中文都是半角的，如果数据是中文的，比如地名、人名，使用条件语句查找记录或者观测对象，相邻两个汉字，第一个汉字的后一半和第二个汉字的前一半会组成新的汉字被识别，会产生大量错误的结果。就是因为使用带有中文的条件语句，才被逼着转到Stata 14并学习unicode命令。

最直接的原因：Stata 14以上的版本只支持UTF 8编码，除非你不用中文数据如果不用Unicode，包含中文的数据就没法在Stata 14以上的版本。

需要注意，UTF 8编码下，一个汉字占三个字符位，一些string命令可能要用到。Stata 13当中每个汉字占两个字符位。

---

如何阅读STATA 帮助文件

STATA 命令太多，必须知道如何通过帮助文件自学，但帮助文件都很长，刚开始很容易放弃。读帮助文件时，如果对帮助文件的结构有清楚的意识，读起来会容易很多。

具体来说，一个帮助文件至少有syntax（语法）、Description（命令功能简介）、Options（命令开关）、Examples（例子）等几个部分。通常我会先读description，以理解这个命令的功能是不是我正在寻找的，然后猜想一下命令可能的语法，回去再看语法，再根据自己的需求看一下option，再猜可能用到哪些开关。以前对帮助文件的结构缺乏意识，直接按顺序从头读到尾，一看语法就开始发懵，再看帮助命令那么长，很容易放弃。