stata命令介绍collapse ：分组统计数据

2024-07-12 03:19| 来源: 网络整理| 查看: 265

含义描述

collapse 将变量数据转换为均值、和、中位数等等。clist 必须为数字变量。

语法与选项 collapse clist [if] [in] [weight] [, options] where clist is either [(stat)] varlist [ [(stat)] ... ] [(stat)] target_var=varname [target_var=varname ...] [ [(stat)] ...] or any combination of the varlist or target_var forms, and stat is one of mean means (default) //默认为均值 median medians //中位数 p1 1st percentile p2 2nd percentile ... 3rd-49th percentiles p50 50th percentile (same as median) //第50分位点 ... 51st-97th percentiles p98 98th percentile p99 99th percentile sd standard deviations //标准差 semean standard error of the mean (sd/sqrt(n)) //平均值的标准误 sebinomial standard error of the mean, binomial (sqrt(p(1-p)/n)) sepoisson standard error of the mean, Poisson (sqrt(mean)) sum sums //求和 rawsum sums, ignoring optionally specified weight except observations with a weight of zero are excluded count number of nonmissing observations //非缺失观测数 percent percentage of nonmissing observations //非缺失观测数百分比 max maximums //最大值 min minimums //最小值 iqr interquartile range //四分位范围 first first value // 第一个值 last last value //最后一个值 firstnm first nonmissing value //第一个非缺失值 lastnm last nonmissing value //最后一个非缺失值如果未指定stat，则假定为平均值。 means (default) 选项功能 by(varlist) 用来按某变量分类计算统计量的值。可以是一个，也可以是多个。 cw 删除含有缺失值的观测值。 fast) 如果用户按Break键，则不要还原原始数据集；编程时用的命令，一般人不使用，可以忽视。例子 use https://www.stata-press.com/data/r16/college,clear list, sep(4) 图1

统计出每个年级的平均绩点（gap)

collapse (mean) gpa , by(year) list 图2

统计出每个年级的平均绩点（gap)，并命名为mean_gpa

use https://www.stata-press.com/data/r16/college,clear collapse (mean) mean_gpa=gpa, by(year) list 图3

统计出每个年级的平均绩点（gap)与学习时间（hour）

use https://www.stata-press.com/data/r16/college,clear collapse (mean) gpa hour, by(year) list 图4

这里考虑权重，权重等于年级人数 [fw=number]。collapse 允许四种权重类型；默认值为aweights。权重标准化只影响总和、计数、方差，标准误和 sebinomia l统计。

use https://www.stata-press.com/data/r16/college,clear collapse (mean) gpa [fw=number], by(year) list 图5

当变量中存在缺失值时，使用cw选项会将存在缺失值的该行观测值全部删除，因此得到的统计量的值均为删除这些行以后计算得到的；若不使用该选项，则只影响含有缺失值的变量的统计量。仍以college数据为例，我们将2-4行的gpa数据替换为缺失值：

use https://www.stata-press.com/data/r16/college,clear replace gpa= . in 2/4 list in 1/5 图6

而后对gpa和hour按年级求均值，首先来看一下不使用cw选项时的结果，程序如下：

collapse (mean) gpa hour , by(year) list 图7

对比前面没有缺失值时所得的均值，由于2-4行均属于一年级，因而在以年级分类计算均值时，只有一年级的gpa受到了影响，hour的均值与前面一致。如果使用cw选项：

use https://www.stata-press.com/data/r16/college,clear replace gpa= . in 2/4 collapse (mean) gpa hour, by(year) cw list 图8

使用cw后，由于一年级的数据只剩下第一行，其余行全部删掉，因而一年级的hour变量的均值也发生了变化，在计算时只对原数据的第一行进行了平均。

参考资料：本文的例子来源于微信公众号：Stata and Python数据分析利用collapse命令转化原始数据

【本文地址】

公司简介

联系我们