一、reclink介绍

reclink 是一种模糊匹配方法，可以提高匹配的效率。当用于匹配的变量在两份数据中的记录不完全一样时，reclink就派上大用场了。reclink命令会在两份 数据匹配的过程中生成匹配得分（matching scores），也就是两个观测值的相似度，匹配得分的值介于0和1之间，如果匹配得分等于1，则说明两个观测值是完全一样的。

二、reclink语法

reclink varlist using filename , idmaster(varname) idusing(varname) gen(newvarname) [wmatch(match weight list) wnomatch(non-match weight list) orblock(varlist) required(varlist) exactstr(varlist) exclude(filename) _merge(newvarname) uvarlist(varlist) uprefix(text) minscore(#) minbigram(#)]

从reclink的语法上看，其逗号之前的部分和merge的用法类似，都是依据某些变量将using data匹配到master data中，但reclink有很多选项，这也使得reclink命令比merge更灵活、更强大。

三、reclink使用

idmaster(varname)、 idusing(varname)、gen(newvarname)是reclink的必要部分。gen(newvarname)用来记录匹配得分。 idmaster(varname)和idusing(varname)分别是master data和using data中可以唯一识别每一条观测值的变量，在模糊匹配后，可以根据idmaster(varname)和idusing(varname)查看 master data和using data中的谁和谁匹配到一起了。

例 如：我们现在有两份数据（如下图），master data中可以唯一识别每一条观测值的变量是idmaster，using data中可以唯一识别每一条观测值的变量是idusing，可以看到的是，虽然在master data中第2个和第7个观测值的内容是一样的，但他们的idmaster是不一样的。

现在，我们想依据“prov+city+address”的准则将两份数据匹配在一起，使用命令

reclink prov city address using using.dta,idmaster(idmaster) idusing(idusing) gen(matchscore)

我们可以从结果看到以下几点：

1、根据idmaster变量和idusing变量可以看出，master data的第1个观测值和using data的第6个观测值匹配在一起了。

2、新生成的变量matchscore的值介于0和1之间，代表着每条观测值的匹配得分，其值越大，说明相似度越高，如果两条观测值完全相同，则匹配得分值等于1。

3、 using data中的第8个观测值既和master data中的第2个观测值相似又和master data中的第7个观测值相似，那么using data中的第8个观测值分别和master data中的第2个观测值和第7个观测值匹配了。这是因为reclink使用的是记录连接方法(RL)，即在using data中找能和master data中的数据相匹配的数据，是单向的。

4、using data中的第2个观测值没有匹配进来，这是因为依据我们设定的“prov+city+address”准 则，“Shanghai+Beijing+Haidian”这条观测值和master data的所有观测值都不相似。这也是reclink和merge命令的主要区别之一，对于无法和master data匹配的观测值，不进入最后结果。

5、 _merge表示匹配的结果，_merge==3表示匹配成功，_merge==1表示master data中的观测值在using data中没有找到能够匹配的。如，master data中的第8个观测值在using data中没有找到能够匹配的观测值，其_merge==1。

在 上述例子中计算匹配得分的时候，我们并没有指定prov、city和address的权重，如果没有指定，则默认prov、city和address的权 重都为1，也就是prov、city和address在匹配中的重要性一样。而reclink的wmatch(match weight list)和wnomatch(non-match weight list)选项还可以分别给prov、city和address匹配成功和匹配不成功的指定权重，来区分不同的变量在匹配中的重要性，从而依据指定的权重 来计算匹配得分。权重是一个介于[1,20]之间的整数。

假如我们认为city和address变量的信息很重要，prov的信息不那么重要，我们可以分别给prov、city和address指定权重5、10、15，使用如下命令：

reclink prov city address using using.dta,idmaster(idmaster) idusing(idusing) gen(matchscore) wmatch(5 10 15)

假如我们认为prov和address变量的信息很重要，city的信息不那么重要，我们可以分别给prov、city和address指定权重15、5、10，使用如下命令：

reclink prov city address using using.dta,idmaster(idmaster) idusing(idusing) gen(matchscore) wmatch(15 5 10)

从 上述两种情况可以看出，指定的权重不同，匹配的结果也不同，在第二种情况下，我们弱化了city所能提供的信息，因此master data的第4个观测值和using data中的第3个观测值匹配在一起了，尽管他们的city是不同的。而在第一种情况下，这两条观测值并没有匹配成功。

上述是使用wmatch(match weight list)选项为匹配成功指定权重，还可以使用wnomatch(non-match weight list)为匹配不成功指定权重。

reclink prov city address using using.dta,idmaster(idmaster)idusing(idusing) gen(matchscore) wmatch(15 5 10) wnomatch(2 3 4)

在为匹配不成功指定权重，匹配得分的值也不一样了。

reclink 是一种模糊匹配方法，因此有些原本不属于同一个观测值的，也被匹配到一起了，如上述master data的第4条和using data的第3条的city明显不是同一个，但也匹配在一起了。如果我们想指定一个或多个变量必须完全匹配才算匹配成功的话，可以使用 required(varlist)选项。现在我们指定prov和city必须完全匹配才算匹配成功，使用如下命令：

reclink prov city address using using.dta,idmaster(idmaster)idusing(idusing) gen(matchscore) required(prov city)