不久前遇到一位朋友，訴說使用 Stata 14 出現中文亂碼，而不得不退而使用更低版本的 Stata 的煩惱。其實，這只是因為 Stata 14 使用了 Unicode(統一碼、萬國碼)。

何為 Unicode？根據百度百科的解釋，“Unicode 是計算機科學領域里的一項業界標準，包括字符集、編碼方案等。Unicode 是為了解決傳統的字符編碼方案的局限而產生的，它為每種語言中的每個字符設定了統一并且唯一的二進制編碼，以滿足跨語言、跨平臺進行文本轉換、處理的要求”。

簡而言之，Unicode 使得跨語言交流變得更為方便精準。但這也意味著，Stata 14 引入 Unicode 之后，在 Stata 文件中(dta，do，ado 文件等)，使用中文輸入的字符就會出現亂碼。解決方法也不難，只要進行適當的編碼翻譯(unicode translate)即可，即使用 Stata 14 提供的 unicode 系列命令，將中國大陸通行的國標碼(GB18030)翻譯為統一碼。

正好手頭有個關于中國姓氏人口的數據集出現了中文亂碼，故截取部分變量的前10個觀測值作為演示例子。首先，打開此數據集 surname_test.dta。

. use surname_test.dta, clear

點擊數據編輯器 “Data Editor (Browse)” 的快捷鍵，查看數據：

可以看出，上表的最后一列，變量 character(中文姓氏)出現了亂碼，無法正確顯示。在使用 Stata 14 命令 unicode 進行編碼時，內存中不能有數據，故先刪除數據。

. clear

然后，將需要編碼的文件(在此為 surname_test.dta)，放入當期工作路徑(current working directory)，通常在Stata的左下角顯示。

也可使用命令pwd(path of working directory)來顯示當期工作路徑。或使用命令cd(change directory)將當期工作路徑改為文件surname_test.dta 所在的位置，詳見“help cd”。

. pwd

C:\Program Files (x86)\Stata14

接下來，使用命令 unicode analyze 分析數據集 surname_test.dta 是否需要編碼翻譯。

. unicode analyze surname_test.dta

結果顯示，有一個字符串變量需要編碼翻譯(1 str# variable needs translation)。為此，將編碼設為國標碼(GB18030)，再進行翻譯。

. unicode encoding set gb18030

(default encoding now gb18030)

. unicode translate surname_test.dta

(using gb18030 encoding)

結果顯示，此文件已編碼翻譯成功。再次打開此數據集，并通過數據編輯器 “Data Editor (Browse)” 查看：

. use surname_test.dta,clear

上表已能正確顯示中國人口最多的十大姓氏依次為：王、李、張、劉、陳、楊、黃、趙、周、吳。相信朋友可以安心使用 Stata 14 了。

(c) 2016， 陳強，山東大學經濟學院

轉載請注明作者與出處

總結

以上是生活随笔為你收集整理的stata15中文乱码_如何解决 Stata 14 的中文乱码问题？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。