请问如何比较字段内容的相似度问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请教大家：我想比较某一变量内观测值之间的差异度，筛选出实质相同和不同的情况，比如：

stkcd        bgnf        zjjc        firm
1        2001        平安银行        深圳鹏城会计师事务所
1        2002        平安银行        深圳鹏城会计师事务所
1        2003        平安银行        深圳鹏城会计师事务所
1        2004        平安银行        深圳鹏城会计师事务所
1        2005        平安银行        深圳市鹏城会计师事务所有限公司
1        2006        平安银行        深圳市鹏城会计师事务所有限公司
1        2007        平安银行        安永华明会计师事务所
1        2008        平安银行        安永华明会计师事务所
1        2009        平安银行        安永华明会计师事务所
1        2010        平安银行        安永华明会计师事务所
1        2011        平安银行        安永华明会计师事务所
1        2012        平安银行        安永华明会计师事务所
1        2013        平安银行        普华永道中天会计师事务所

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~·
我想知道，平安银行究竟哪一年更换了不同的firm，因为中文表述、数据采集以及公司变更组织结构等问题，尽管“深圳鹏城会计师事务所”与“        深圳市鹏城会计师事务所有限公司”是相同的公司，使用STATA简单比较仍然会被认为是不同的firm，有没有办法能够区分出这种问题，分辨从“深圳鹏城会计师事务所”到“        深圳市鹏城会计师事务所有限公司“并没有更换firm，而从”深圳市鹏城会计师事务所有限公司“与”安永华明会计师事务所“更换了firm。
实在很挠头，谢谢大家了

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：相似度 会计师事务所 Stata stkcd 平安银行 平安银行 有限公司 深圳市 会计师 事务所

软件没你想的那么智能，你需要把近似的改为一至的，建议把所有不重复的事务所找出来，然后人工把近似的统一为一个名字，然后再计算

这样工作量很大，我的想法是生成一个相似度指标，然后对于相似度进行手工调整，可能比较有效，不知道stata有没有这类内容相似度的比较命令

weizhoukkk 发表于 2014-9-17 18:32
这样工作量很大，我的想法是生成一个相似度指标，然后对于相似度进行手工调整，可能比较有效，不知道stata有 ...

请问这个问题您解决了么？

以前帮一个朋友处理过类似的情况，但是很繁琐。所谓的相似度很难去界定，哪些字相同、多少百分比相同才算是相似？所以建议换个思路

这个可以有！
strdist {varname1|"string1"} {varname2|"string2"} [if] [in] [, generate(newvar) ]
jarowinkler varname1 varname2 [,generate(newvar) jaroonly(newvar) pwinkler(x) ]

这两个命令了解一下，不谢~！