Stata有关排序与分组

初始数据

input hhid age
hhid age
1 86
1 42
1 36
1 57
1 28
2 42
2 5
2 40
end
save family, replace

任务要求

要求
下列数据为家庭成员数据 family.dta，其中 hhid 为家庭编码， age 为家
庭成员的年龄。
1、生成一个新变量 hhsize，该变量表示共有多少个家庭成员。
2、给每个家庭成员一个编码 id。如第一个家庭的第一个成员编码为11 ；
3、按家庭生成一个全家成员平均年龄值 mage。
4、对每个家庭，分别按年龄大小排序，然后生成一个家庭成员代码，即
家庭内年龄最小的成员代码为 1 ，年龄最大的家庭成员，代码为 nid。

分析

由题意可知，布置的任务都围绕着家庭产生，而家庭在list里面就是变量hhid的不同，
就相当于是根据分组变量hhid来将该list进行各种分组排序增添新变量的操作。

命令

1、bys hhid:egen hhsize = count(hhid)

完成： 生成一个新变量 hhsize，该变量表示共有多少个家庭成员。

根据家庭编号来分组，而分组的操作需要用到命令bysort ——>（bys），

bys 后面跟的变量为分组变量 也就是说 这个分组变量值相同的实例为一组，

因此 bys hhid就已经将该list分好组了，接下开我们只需要算这个组里面由哪些成员并赋给一个新的变量hhsize即可

bys hhid： 注意： 当你在“：”后面所编写的命令 就已经是根据分组的子集合来进行的操作也可以说成子list。

注： 我看到老师ppt上教的命令是 by hhid， sort：这个命令跟bys hhid：（bysort hhid：）功能是一样的。

egen 和 gen 都用于生成新变量，但egen 的特点是它更强大的函数功能。 gen 可以支持一些函数， egen 支持额外的函数。如果用 gen 搞不定，就得用egen想办法了。

很显然因为gen没有count（）方法，所以我用了egent

count（）这个方法顾名思义求和，由于我们已经分好组了所以这个count（hhid）所求的hhid变量个数就是这个组里面的hhid变量个数及家庭成员个数。

2、bys hhid : gen id = hhid*10+_n

完成： 给每个家庭成员一个编码 id。如第一个家庭的第一个成员编码为11 ；

这个command的前面bys hhid： 不必再赘述，懂得都懂了，这里后面的命令要用gen 毕竟是生成变量，但是！为什么不能用egen呢，上面我也说了，egen所覆盖的函数比gen更广，但这里用不了egen，我也不知道，等我百度百度再说，或者你可以上课问问老师，（问老师比较好）。

由题可知，我们生成的这几个变量都是数值型变量可以进行加减乘除操作，而根据第二题的要求，十位数为hhid，个位数递增的要求，hhid*10+_n就是我们所需要的id值，_n就是数值从1开始递增，毕竟分组不同，所以当这一组操作结束完之后，下一组_n依然是从1开始递增。

3、bys hhid:egen mage = mean(age)

完成： 按家庭生成一个全家成员平均年龄值 mage。

相信看到这里 应该对上面的command不陌生了，mean（）函数也是顾名思义，总年龄÷家庭成员数量

4、. sort hhid age

. bys hhid : gen nid = _n

完成： 对每个家庭，分别按年龄大小排序，然后生成一个家庭成员代码，即家庭内年龄最小的成员代码为 1 ，年龄最大的家庭成员，代码为 nid。。

先排序再赋值，仅此而已