stata进行数据分组转换操作及分组统计

在科学研究中免不了和数据打交道，收集到原始数据往往不能直接使用，我们经常需要对其进行清洗、转换才能得到我们需要的数据。既往我们已经介绍了通过R进行数据转换，今天来介绍一下通过stata进行数据分组转换操作及分组统计。

继续使用我们的汽车销售数据来演示，先导入数据，我是直接粘贴

我们来看下数据，car就是汽车售价，age是年龄，gender是性别，inccat是收入，这里分成4个等级，ed是教育程度。
下面开始我们的转换：

1. 假设我们想把年龄age分成5个组别，然后求出每个组别买车年龄的平均值
   先把年龄分组，生成5个年龄组

cluster kmeans age ,gen(group) k(5)

求每个组的购车平均售价

egen meancar=mean(car),by(group)

这样每个年龄组购车的平均售价就出来了，同理还可以求中位数，标准差等等很多内容，缺点是by参数只能分组一个变量，分组两个变量就会报错，不能计算标准误，需要手动计算。
2. 假设我们想知道不同教育阶段购车年龄、价格的关系
如果不使用stat函数控制输出，默认的是输出平均值

tabstat car age , by( ed )

如果我们想多输出点内容，结果包含平均值和标准差、标准误，semean就是标准误的意思，等于standard error of mean (sd/sqrt(n))

tabstat car age , by( ed ) stat(mean sd semean)

Tabstat函数和egen函数的缺点都是只能分组一个变量，不能分组两个变量。
3. 假设我们想知道不同教育水平中，不同性别的人群购车关系
假设想知道不同教育水平中不同性别人群购车的平均价

collapse (mean) car= car ,by( ed gender )

我们还可以在这个基础上加入年龄

collapse (mean) car= car age=age,by( ed gender )

Collapse函数一次可以分组两个变量，但是不能出两个结果，如果你还想知道标准误的结果，只能再做一次，然后合并，这一点就比不上R了。不过也就是多做一次，也不麻烦。

collapse (semean ) se= car ,by( ed gender )

合并数据，其实很简单直接粘贴在Excel合并就好了。

OK，这样我们的数据转换就完成了，和我们用R语言做出来的一模一样哦，本章完结，如果觉得有用，记得分享给需要的人哦。