xtile 下载_Stata: gen 命令中的 group() 函数的潜在风险

1. 问题背景

我们经常使用 generate (后文简称 gen) 命令提供的 group() 函数对某个变量进行分组，产生分组变量 gg，继而基于 gg 变量进行后续的分组回归分析。

例如，在公司金融中，常用如下代码产生融资约束的分组指标：

*-用公司规模衡量融资约束，分成三组

. bysort code: egen av_size = mean(size)

. sort av_size

. gen gg = group(3)

. gen FC = (gg==1) //小规模公司定义为 FC 组

. replace FC=. if gg==2 //丢弃中间组

. reg y x if FC==0

. est store m_FC

. reg y x if FC==1

. est store m_NFC

. esttab m_FC m_NFC

恐怖的事情就要发生了！

后续做分组回归时，你会发现：执行相同的代码，但两次得到的结果居然不同！

原因何在？？

一个小例子

我先虚构一份数据，让各位了解 group() 函数的工作原理，搞明白这件事情后，上面的问题就迎刃而解了。

这份数据很简单，只有 4 行观察值。我们对变量 x 排序后再执行 gen g = group(2) 命令，以便将样本分成两组。为了测试分组结果是否唯一\稳定，我进一步使用 tatstat 命令计算了两组的均值。

clear

input x y

3 13

2 10

1 1

2 8

end

sort x \\ 由小到大排序

gen g = group(2) \\ 等分两组

tabstat x y, by(g) f(%3.1f)

sort g x y

list, sepby(g) noobs

第一轮执行的结果如下：

. tabstat x y, by(g) f(%3.1f)

Summary statistics: mean

by categories of: g

g | x y

---------+--------------------

1 | 1.5 5.5

2 | 2.5 10.5

---------+--------------------

Total |