添加具有变量特定值的观察值-Java 学习之路

首先，看看我的数据集的一些变量：

firm_id year    dyrstr  Lack    total_workers
2432    2002    1980        29
2432    2003    1980        23
2432    2005    1980    1   283
2432    2006    1980        56
2432    2007    1980        21
2433    2004    2001        42
2433    2006    2001    1   29
2433    2008    2001    1   100
2434    2002    2002        21
2434    2003    2002        55
2434    2004    2002        22
2434    2005    2002        24
2434    2006    2002        17
2434    2007    2002        40
2434    2008    2002        110
2434    2009    2002        158
2434    2010    2002        38
2435    2002    2002        80
2435    2003    2002        86
2435    2004    2002        877
2435    2005    2002        254
2435    2006    2002        71
2435    2007    2002        116
2435    2008    2002        118
2435    2009    2002        1165
2435    2010    2002        67
2436    2002    1992        24
2436    2003    1992        25
2436    2004    1992        22
2436    2005    1992        23
2436    2006    1992        21
2436    2007    1992        100
2436    2008    1992        73
2436    2009    1992        23
2436    2010    1992        40
2437    2002    2002        30
2437    2003    2002        31
2437    2004    2002        21
2437    2006    2002    1   56
2437    2007    2002        20

变量：

firm_id 是公司的标识符
year 是观察年份
dyrstr 是一家公司的创始年
Lack 如果前一年缺少观察值则等于1（例如，在数据集的第3行中，缺乏等于1，因为对于ID为2432的公司，2004年没有观察到）
total_workers 是 Worker 数量

我想填补空白，即我想创建新的观察结果，如下所示（仅考虑ID为2432的公司）：

firm_id year    dyrstr  Lack    total_workers
2432    2002    1980        29
*2432*  *2004* *1980*      *156*
2432    2003    1980        23
2432    2005    1980    1   283
2432    2006    1980        56
2432    2007    1980        21

我将变量值放在星号中的行是新创建的观察 . 该观察结果应该是先前观察的副本，但需要进行一些修改 .

firm_id 应保持与之前的行相同
year 应该是上一行加上一年的年份
dyrstr 应保持与之前的行相同
Lack ：此变量具有哪个值无关紧要
total_workers 等于0.5 *（连续观察的先前观测值的值）
all other variables 我的数据集（我没有在此列出）应保持与之前的行相同

我读了一些关于命令 expand 但是 help expand 对我没什么帮助 . 希望你们中的一个可以帮助我！

3 回答

我的建议依赖于使用 expand ，而这又需要有关要添加的观测数量的信息 . 我忽略了你的变量 Lack ，因为Stata本身可以解决差距所在 . 我输入 total_workers 的程序基于使用内置命令 ipolate ，因此可以在超过1年的间隙中工作，这在您的示例中不会出现 . 如此估计的 Worker 数量不一定是整数 .

对于其他插值程序，请查看 cipolate ， csipolate ， pchipolate ，所有这些都可通过 ssc desc cipolate （或等效的）访问 .

这种操作取决于完全正确地获得 sort 顺序，即使有经验，我认为这也是微不足道的，所以在为类似问题获得正确的代码时，要为错误的开始做好准备;使用 list 语句填写您的试用代码;并开发一个好的玩具示例数据集（正如您在这里提供的那样） .

. clear 

. input   firm_id year    dyrstr  total_workers

        firm_id       year     dyrstr  total_w~s
  1.     2432        2002    1980    29
  2.     2432        2003    1980    23
  3.     2432        2005    1980    283
  4.     2432        2006    1980    56
  5.     2432        2007    1980    21
  6.     2433        2004    2001    42
  7.     2433        2006    2001    29
  8.     2433        2008    2001    100
  9.     2434        2002    2002    21
 10.     2434        2003    2002    55
 11.     2434        2004    2002    22
 12.     2434        2005    2002    24
 13.     2434        2006    2002    17
 14.     2434        2007    2002    40
 15.     2434        2008    2002    110
 16.     2434        2009    2002    158
 17.     2434        2010    2002    38
 18.     2435        2002    2002    80
 19.     2435        2003    2002    86
 20.     2435        2004    2002    877
 21.     2435        2005    2002    254
 22.     2435        2006    2002    71
 23.     2435        2007    2002    116
 24.     2435        2008    2002    118
 25.     2435        2009    2002    1165
 26.     2435        2010    2002    67
 27.     2436        2002    1992    24
 28.     2436        2003    1992    25
 29.     2436        2004    1992    22
 30.     2436        2005    1992    23
 31.     2436        2006    1992    21
 32.     2436        2007    1992    100
 33.     2436        2008    1992    73
 34.     2436        2009    1992    23
 35.     2436        2010    1992    40
 36.     2437        2002    2002    30
 37.     2437        2003    2002    31
 38.     2437        2004    2002    21
 39.     2437        2006    2002    56
 40.     2437        2007    2002    20
 41. end 

 . scalar N = _N 

 . bysort firm_id (year) : gen gap = year - year[_n-1] 
 (6 missing values generated)

 . expand gap
 (6 missing counts ignored; observations not deleted)
 (4 observations created)

 . gen orig = _n <= scalar(N) 

 . bysort firm_id (year) : replace total_workers = . if !orig
 (4 real changes made, 4 to missing)

 . bysort firm_id (year orig) : replace year = year[_n-1] + 1 if _n > 1 & year != year[_n-1] + 1 
 (4 real changes made)

 . bysort firm_id (year): ipolate total_workers year , gen(total_workers2)

 . list, sepby(firm_id) 

      +------------------------------------------------------------+
      | firm_id   year   dyrstr   total_~s   gap   orig   total_~2 |
      |------------------------------------------------------------|
   1. |    2432   2002     1980         29     .      1         29 |
   2. |    2432   2003     1980         23     1      1         23 |
   3. |    2432   2004     1980          .     2      0        153 |
   4. |    2432   2005     1980        283     2      1        283 |
   5. |    2432   2006     1980         56     1      1         56 |
   6. |    2432   2007     1980         21     1      1         21 |
      |------------------------------------------------------------|
   7. |    2433   2004     2001         42     .      1         42 |
   8. |    2433   2005     2001          .     2      0       35.5 |
   9. |    2433   2006     2001         29     2      1         29 |
  10. |    2433   2007     2001          .     2      0       64.5 |
  11. |    2433   2008     2001        100     2      1        100 |
      |------------------------------------------------------------|
  12. |    2434   2002     2002         21     .      1         21 |
  13. |    2434   2003     2002         55     1      1         55 |
  14. |    2434   2004     2002         22     1      1         22 |
  15. |    2434   2005     2002         24     1      1         24 |
  16. |    2434   2006     2002         17     1      1         17 |
  17. |    2434   2007     2002         40     1      1         40 |
  18. |    2434   2008     2002        110     1      1        110 |
  19. |    2434   2009     2002        158     1      1        158 |
  20. |    2434   2010     2002         38     1      1         38 |
      |------------------------------------------------------------|
  21. |    2435   2002     2002         80     .      1         80 |
  22. |    2435   2003     2002         86     1      1         86 |
  23. |    2435   2004     2002        877     1      1        877 |
  24. |    2435   2005     2002        254     1      1        254 |
  25. |    2435   2006     2002         71     1      1         71 |
  26. |    2435   2007     2002        116     1      1        116 |
  27. |    2435   2008     2002        118     1      1        118 |
  28. |    2435   2009     2002       1165     1      1       1165 |
  29. |    2435   2010     2002         67     1      1         67 |
      |------------------------------------------------------------|
  30. |    2436   2002     1992         24     .      1         24 |
  31. |    2436   2003     1992         25     1      1         25 |
  32. |    2436   2004     1992         22     1      1         22 |
  33. |    2436   2005     1992         23     1      1         23 |
  34. |    2436   2006     1992         21     1      1         21 |
  35. |    2436   2007     1992        100     1      1        100 |
  36. |    2436   2008     1992         73     1      1         73 |
  37. |    2436   2009     1992         23     1      1         23 |
  38. |    2436   2010     1992         40     1      1         40 |
      |------------------------------------------------------------|
  39. |    2437   2002     2002         30     .      1         30 |
  40. |    2437   2003     2002         31     1      1         31 |
  41. |    2437   2004     2002         21     1      1         21 |
  42. |    2437   2005     2002          .     2      0       38.5 |
  43. |    2437   2006     2002         56     2      1         56 |
  44. |    2437   2007     2002         20     1      1         20 |
      +------------------------------------------------------------+

回复于 2024-04-30T08:24:35+08:00

1
如果在您的示例数据库中，您没有连续几年缺少任何给定公司，则以下情况有效 . 我还假设变量 Lack 是数字，最终结果是一个不 balancer 的面板（你的问题中没有具体说明这一点） .
```
* Expand database
expand 2 if Lack == 1, gen(x)
gsort firm_id year -x

* Substitution rules
replace year = year - 1 if x == 1
replace total_workers = (total_workers[_n-1] + total_workers[_n+1])/2 if x == 1

list, sepby(firm_id)
```
expand 行可以重写为 expand Lack + 1, gen(x) ，但也许这样更清楚 .

对于您连续几年缺失的更一般情况，以下内容应该假设 Lack 指定缺失的连续年数 . 例如，如果某个公司从2006年到2009年有一个跳跃，那么2009年的观察结果就是 Lack = 2 .
```
* Expand database
expand Lack + 1, gen(x)
gsort firm_id year -x

* Substitution rules
replace year = year[_n-1] + 1 if x == 1
```
现在你只需要为你的 total_workers 提出一个估算规则：
```
replace total_workers = ...
```
如果 Lack 是字符串，请使用 real 转换为数字 .
回复于 2024-04-30T08:24:35+08:00

你已经给出了答案，但我之前必须做类似的事情，并且总是使用 cross 命令，如下所示 . 假设我已经在使用您的数据集并继续使用以下代码：

tempfile master year
save `master'
preserve
keep year
duplicates drop
save `year'

restore
//next two lines set me up to correct for different year ranges by firm; if year ranges were standard, this would be omitted
bys firm_id: egen minyear=min(year)
bys firm_id: egen maxyear=max(year)
keep firm_id minyear maxyear
duplicates drop
cross using `year'
merge m:1 firm_id year using `master', assert(1 3) nogen
drop if year<minyear | year>maxyear //this adjusts for years outside the earliest and latest years observed by firm; if year ranges standard, again omitted

然后从这里开始，以@NickCox的精神使用 ipolate 命令 .

我对使用 expand 和 cross 的任何利弊特别感兴趣 . （除了我在这里的使用特别依赖于为了构建交叉数据集而每年观察> 0记录的事实，如果我以不同方式创建 ``year'` tempfile，这可以被消除 . ）

回复于 2024-04-30T08:24:35+08:00

添加具有变量特定值的观察值

3 回答

相关问题