代码之家 › 专栏 › 技术社区 › bill999

如何创建模拟双向制表但以特殊方式排序的数据集

stata sorting

bill999 · 技术社区 · 7 年前

从以下toybox数据开始:

clear all
set obs 150
set seed 1234
foreach i in 1 2 {
    gen year`i' = round(runiform()*4)
    tostring year`i', replace
    replace year`i' = "AA" if year`i'=="0"
    replace year`i' = "BB" if year`i'=="1"
    replace year`i' = "CC" if year`i'=="2"
    replace year`i' = "DD" if year`i'=="3"
    replace year`i' = "EE" if year`i'=="4"
}

我的最终目标是用乳胶创建一个与 tab year1 year :

year1   BB   DD   CC   EE   AA
BB      7    7    10   6    9
DD      10   ...
CC
EE
AA

我目前正在考虑的方法是创建这种格式的数据集,第一个变量包含字符串值 BB, DD 等,然后使用 texsave 或者将数据集导出到tex文件。

我能够获得数据集,但我不知道如何按我想要的方式排序:

contract year1 year2, f(freq)
reshape wide freq, i(year1) j(year2) string
foreach i in AA BB CC DD EE {
    rename freq`i' `i'
}

我现在可以做些什么来根据数据的单向列表结果对其进行排序 year1 ? 更准确地说,我如何排序以这种方式订购 AA...EE

2 回复 | 直到 7 年前

Nick Cox 7 年前

这里不需要新的数据集。您想要列表的只是现有变量的一对一映射,频率最高的类别(第一个变量)映射到新变量的最低值,等等。因此,两个新变量就足够了。

* simpler code for sandbox 
clear all
set obs 150
set seed 1234
foreach i in 1 2 {
    gen year`i' = word("AA BB CC DD EE", 1 + round(runiform()*4))
}

* main segment 
bysort year1 : gen freq = -_N 
egen YEAR1 = group(freq year1) 
labmask YEAR1, values(year1) 
encode year2, gen(YEAR2) label(YEAR1) 
label var YEAR1 "year1"
label var YEAR2 "year2" 

tab YEAR1 YEAR2 

           |                         year2
     year1 |        BB         DD         CC         EE         AA |     Total
-----------+-------------------------------------------------------+----------
        BB |         7          7         10          6          9 |        39 
        DD |        10          9         10          6          2 |        37 
        CC |         6          8          9          4          2 |        29 
        EE |         2          3          9          5          5 |        24 
        AA |         2          6          6          2          5 |        21 
-----------+-------------------------------------------------------+----------
     Total |        27         33         44         23         23 |       150

更详细地说:一种方法是为制表创建新变量,其顺序根据第一个变量的组频率。在这里 egen, group() 有帮助。扭转是

egen,group() 将首先创建类别最低的整数分组变量。因此,按否定频率排序。(或等效地,否定 egen,group() . 这比上述解决方案多了一行。)
有可能两个或多个组具有相同的频率,因此我们必须进行一般编码以打破任何联系。
labmask ( Stata杂志 )这里方便:看 this paper for discussion search labmask, sj 获取下载位置。

encode 第二个变量。

如果您仍然需要一个新的数据集,那么

contract YEAR?

Brendan 7 年前

一种方法——也许不是最优雅的,但很有用——是重新创建 tab year1 egen 的 rowtotal()

egen _s = rowtotal(AA BB CC DD EE)
gsort -_s
drop _s