按组计数并折叠

Question

我在 Stata 中有一个数据集，想按组 (loc_ID) 和年份计数。我使用了以下两行代码： egen count_obsv = tag(loc_ID year)

这会为我的数据集 (count_obsv) 添加一个计数器，即 1（对于每个新组合具有相同 loc_ID 和 year 组合的每个元素，0）。 然后我使用：

collapse (sum) count_obsv, by(loc_ID year)

根据各种Stata论坛帖子，这应该导致例如：

loc_ID  year  count_obsv
 1      2000    342
 1      2001     23
 2      2008     23
...

但我的输出是：

loc_ID  year  count_obsv
 1      2000     1
 1      2001     1
 2      2008     1
...

我总结错了什么？

Answer 1

当您调用 egen 命令的 tag() 函数时，您将值 1 分配给任意数量的观测值之一，对于指定变量具有相同的不同值，而将值 0 分配给所有其他观测值。然后，当您在同一组观察中询问这些值的sum 时，您会得到一个 1 和任意数量的 0 的组总和，因此每个总和必然为 1。

您的问题可能是从其他一些按您预期工作的计算中抽象出来的，但如果您想要的只是一个有频率的数据集，那么

contract loc_ID year 

会为您做到这一点。如果您还想要一个包含其他变量摘要的数据集，则需要更像

collapse (count) count=foo (mean) mean=foo (sd) sd=foo, by(loc_ID year) 

我怀疑任何国家主义者的帖子是否另有说明。 （我在 1999 年写了 tag()，但我没有意识到这是一种误解。）tag() 派上用场有一个相关但可以说是独特的问题，即计算不同的值（通常称为唯一值） .

sysuse auto, clear 
egen tag = tag(foreign rep78) 
egen distinct = total(tag), by(foreign) 
tabdisp foreign, c(distinct) 

这将是一种在 foreign 类别中获取 rep78 不同值数量的方法。