【stata】egenmore函数速查表

一、简介

egenmore 是一个用于 Stata 的扩展包，包含了一组扩展的 egen 函数，超出了 Stata 内置的 egen 函数集。这些扩展函数提供了更广泛的操作，包括字符串处理、时间序列分析、数值运算、数据分组和汇总等，进一步增强了 Stata 在数据处理和分析中的功能。

要使用 egenmore，你需要先通过以下命令在 Stata 中安装这个扩展包：

ssc install egenmore,replace

安装后，你可以像使用内置的 egen 函数一样，使用 egenmore 提供的扩展函数。

二、函数类型

函数根据主题分为以下几类：

• 分组与图形化
• 字符串、数字与转换
• 日期、时间与时间序列
• 汇总与估计
• 第一与最后
• 随机数
• 行操作

三、分组与图形化

• axis(varlist)：为图形构建分类轴变量。生成一个变量，值为1, 2, …，代表 varlist 形成的组。支持 gap、label()、missing 和 reverse 选项。适用于分类变量的排序和图表准备。
• clsst(varname)：返回最接近指定值的数字。later 指定在相等时取较晚的值。
• egroup(varlist)：egen 中 group() 的扩展，增加了 label(lblvarlist) 选项。
• group2(varlist)：egen 中 group() 的扩展，增加了按指定 egen 调用结果排序的功能。
• mlabvpos(yvar xvar)：自动生成标记标签位置的变量，用于散点图中标记标签的钟表位置分布。

四、字符串、数字与转换

• base(varname)：将整数变量转换为指定基数（默认2）的字符串表示形式。
• decimal(varlist)：将变量列表的值视为指定基数（默认2）的表示，并生成十进制等价值。
• incss(strvarlist)：标识字符串列表中是否包含指定子字符串。
• iso3166(varname)：将国家名称映射为ISO 3166-1-alpha-2代码，或反之。支持 origin、language 和 verbose 选项。
• msub(strvar)：替换字符串变量中的特定子字符串。
• noccur(strvar)：计算字符串变量中指定子字符串的出现次数。
• nss(strvar)：返回字符串变量中指定子字符串的出现次数。
• ntos(numvar)：将数值变量映射为字符串变量。
• nwords(strvar)：返回字符串变量中的单词数。
• repeat()：按顺序生成重复值列表。
• sieve(strvar)：根据指定条件选择字符串中的字符。
• ston(strvar)：将字符串变量映射为数值变量。
• truncdig(varname)：按指定的十进制位数截断数值变量。
• wordof(strvar)：返回字符串变量中的第 # 个单词。

五、日期、时间与时间序列

• bom(m y)：生成指定月份和年份的月初日期。
• bomd(datevar)：生成包含指定日期的月份的月初日期。
• dayofyear(daily_date_variable)：生成指定日期变量的年份中的天数。
• dhms(d h m s)：生成包含小时、分钟和秒的日期变量。
• elap(time)：生成包含天数、小时、分钟和秒数的字符串变量。
• elap2(time1 time2)：生成表示两个时间值之间间隔的字符串变量。
• eom(m y)：生成指定月份和年份的月末日期。
• eomd(datevar)：生成包含指定日期的月份的月末日期。
• ewma(timeseriesvar)：计算指数加权移动平均值。
• filter(timeseriesvar)：计算线性滤波器的值。
• foy(daily_date_variable)：生成指定日期变量的年份中经过的分数。
• hmm(timevar)：生成表示时间的小时和分钟字符串变量。
• hmmss(timevar)：生成表示时间的小时、分钟和秒数字符串变量。
• hms(h m s)：生成包含秒数的时间变量。
• minutes(strvar)：返回表示为 [hh:]mm:ss 形式的时间变量的分钟数。
• ncyear(datevar)：返回以指定月份和日期为起点的非日历年份的整数变量。
• record(exp)：生成指定表达式到目前为止的最大或最小值。
• seconds(strvar)：返回表示为 [hh:]mm:ss 形式的时间变量的秒数。
• tod(time)：生成包含小时、分钟和秒数的字符串变量。

六、汇总与估计

• adjl(varname)：计算下限值。
• adju(varname)：计算上限值。
• corr(varname1 varname2)：返回两个变量的相关系数。
• d2(exp)：返回从中位数的平均绝对偏差。
• density(varname)：计算值在指定宽度的区间中的密度。
• gmean(exp)：返回几何平均值。
• hmean(exp)：返回调和平均值。
• nmiss(exp)：返回变量中缺失值的数量。
• nvals(varname)：返回变量中不同值的数量。
• outside(varname)：计算异常值。
• ridit(varname)：计算 ridit。
• semean(exp)：计算平均值的标准误。
• sumoth(exp)：返回组内其他值的总和。
• var(exp)：生成包含指定表达式方差的常数。
• wpctile(varname)：计算指定百分位数。
• wtfreq(exp)：生成加权频率变量。
• xtile(varname)：按指定的百分位数对变量进行分类。

七、第一与最后

• first(varname)：返回第一个非缺失值。
• ifirst(numvar)：返回整数 # 的第一次出现。
• ilast(numvar)：返回整数 # 的最后一次出现。
• lastnm(varname)：返回最后一个非缺失值。

八、随机数

• mixnorm()：生成混合正态分布的随机变量。
• rndint()：生成指定范围内的随机整数。
• rndsub()：随机将观测分成若干组或子样本。

九、行操作

• rall(varlist)：返回满足指定条件的观测的1，否则为0。
• rany(varlist)：返回满足指定条件的任意变量的观测的1，否则为0。
• rcount(varlist)：返回满足指定条件的变量数量。
• rowmedian(varlist)：返回行中变量的中位数。
• rownvals(numvarlist)：返回观测中不同数值的数量。
• rowsvals(strvarlist)：返回观测中不同字符串的数量。
• rsum2(varlist)：计算变量列表的行和，考虑缺失值。

---

详细说明

Grouping and Graphing

• axis(varlist)
  生成一个用于绘图的分类轴变量。该变量根据 varlist 中的分组取值从 1 开始递增。主要选项包括：
  • gap：在变量值变化时，增加一个间隙。
  • label(lblvarlist)：为生成的分类变量添加标签，默认使用 varlist 的值。
  • missing：将缺失值视为普通值，而不是分配给单独的组。
  • reverse：反转分组编号顺序。
• clsst(varname), values(numlist) [later]
  找出最接近 varname 中数值的 values() 列表中的数值，并生成新的变量。主要选项：
  • later：在存在多个等距离数值时，选择列表中靠后的值。
• egroup(varlist)
  扩展了 egen 的 group() 功能，添加了 label(lblvarlist) 选项，可以为分组添加原始值或标签。
• group2(varlist) sort(egen_call)
  根据 egen_call 的结果排序并生成分组变量，提供了比 egen 的 group() 更灵活的排序选项。
• mlabvpos(yvar xvar) [log polynomial(#) matrix(5x5 matrix)]
  为散点图生成标签位置变量。根据 yvar 和 xvar 的分布生成时钟位置（如 1 点钟、2 点钟等），并根据数据位置调整标签位置。
  主要选项：
  • log：使用 xvar 的对数进行回归残差计算。
  • polynomial(#)：用 xvar 的多项式进行回归残差计算。
  • matrix(#)：自定义时钟位置规则的 5x5 矩阵。

Strings, Numbers and Conversions

• base(varname) [, base(#)]
  将整数变量 varname 转换为指定基数（如二进制、八进制等）的字符串表示。默认基数为 2。
• decimal(varlist) [, base(#)]
  将变量组 varlist 视为指定基数的数字的每一位，并生成其十进制表示。
• incss(strvarlist) , substr(substring) [insensitive]
  在字符串变量列表 strvarlist 中查找 substring 的出现次数，并生成一个新变量指示是否存在该子字符串。
• iso3166(varname) [, origin(codes|names) language(en|fr) verbose update]
  根据 ISO 3166 标准将国家名称和国家代码相互转换。
  主要选项：
  • origin(codes|names)：指定现有变量是国家代码还是国家名称。
  • language(en|fr)：指定国家名称的语言。
  • verbose：在转换过程中，显示无法识别的国家名称。
  • update：从互联网更新 ISO 3166 数据。
• msub(strvar), find(findstr) [replace(replacestr) n(#) word]
  替换字符串变量 strvar 中的部分内容。
  主要选项：
  • replace(replacestr)：指定替换内容。
  • n(#)：只替换前 # 个出现的子字符串。
  • word：只替换独立的单词。
• noccur(strvar), string(substr)
  计算字符串变量 strvar 中子字符串 substr 的非重叠出现次数。
• ntos(numvar), from(numlist) to(list of string values)
  将数值变量 numvar 转换为字符串，映射指定的数值列表到相应的字符串。
• repeat() , values(value_list) [by(byvarlist) block(#)]
  生成重复的序列值。
  主要选项：
  • by(byvarlist)：按组生成序列。
  • block(#)：指定重复块的大小。
• sieve(strvar), { keep(classes) | char(chars) | omit(chars) }
  从字符串变量 strvar 中选择或去除指定的字符。
  主要选项：
  • keep(classes)：保留某些类别的字符（如字母、数字）。
  • char(chars)：保留特定字符。
  • omit(chars)：去除特定字符。
• ston(strvar), from(list of string values) to(numlist)
  将字符串变量 strvar 映射到数值变量。
• truncdig(varname), dig(#)
  将数值变量 varname 保留指定的小数位数。dig() 参数可以是正数、零或负数，负数表示按千位、百位进行分段。
• wordof(strvar), word(#)
  提取字符串变量 strvar 中的第 # 个单词。支持正向和反向提取。

Dates, Times and Time Series

• bom(m y) [, lag(lag) format(format) work]
  生成指定年月的月初日期变量。
  主要选项：
  • lag(lag)：生成之前几个月的月初日期。
  • format(format)：指定日期格式。
  • work：确保生成的日期是工作日。
• bomd(datevar) [, lag(lag) format(format) work]
  生成包含指定日期的月份的月初日期，选项与 bom() 类似。
• dayofyear(daily_date_variable) [, month(#) day(#)]
  根据给定的日日期变量，生成年内的天数。默认从 1 月 1 日开始，可以指定其他起始日期。
• dhms(d h m s) [, format(format)]
  根据给定的日期和时间生成日期时间变量。
• elap(time) [, format(format)]
  生成一个字符串变量，表示指定时间变量的时间间隔（天、小时、分钟和秒）。
• eom(m y) [, lag(lag) format(format) work]
  生成指定年月的月末日期变量。选项与 bom() 类似。
• eomd(datevar) [, lag(lag) format(format) work]
  生成包含指定日期的月份的月末日期，选项与 eom() 类似。
• ewma(timeseriesvar), a(#)
  计算指数加权移动平均值，需要先用 tsset 声明时间序列数据。
• filter(timeseriesvar), lags(numlist) [coef(numlist) {normalise | normalize}]
  计算时间序列变量的线性滤波器。
  主要选项：
  • lags(numlist)：指定滞后期。
  • coef(numlist)：指定系数。
  • normalise | normalize：使系数总和为 1，生成加权均值。
• foy(daily_date_variable) [, month(#) day(#)]
  生成从指定日期开始的年度分数（如年内已过的天数占全年天数的比例）。
• hmm(timevar) [, round(#) trim]
  生成一个字符串变量，将时间变量以小时和分钟的形式表示。
  主要选项：
  • round(#)：四舍五入到最近的时间单位。
  • trim：去除不必要的前导零和冒号。

Summaries and Estimates

• adjl(varname) [, by(byvarlist) factor(#)]
  计算相邻的较低值。用于识别箱线图中的下须数据点。默认 factor() 为 1.5。
• adju(varname) [, by(byvarlist) factor(#)]
  计算相邻的较高值。用于识别箱线图中的上须数据点。默认 factor() 为 1.5。
• corr(varname1 varname2) [, covariance spearman taua taub by(byvarlist)]
  计算两个变量之间的相关系数，默认是 Pearson 相关系数。
  主要选项：
  • covariance：计算协方差。
  • spearman：计算 Spearman 秩相关系数。
  • taua 和 taub：计算 Kendall 的 tau-A 和 tau-B 系数。
• density(varname) [, width(#) start(#) frequency percent fraction by(byvarlist)]
  计算变量值的密度，按指定宽度进行分组。可以选择计算频率、比例或百分比。
• gmean(exp) [, by(byvarlist)]
  计算几何平均值。
• hmean(exp) [, by(byvarlist)]
  计算调和平均值。
• nvals(varname) [, by(byvarlist) missing]
  计算变量中不同取值的个数。missing 选项可以包含缺失值。
• outside(varname) [, by(byvarlist) factor(#)]
  识别离群值，计算与四分位数距离超过 factor() 的值。默认 factor() 为 1.5。
• xtile(varname) [, percentiles(numlist) nquantiles(#) weights(varname) altdef by(byvarlist)]
  根据百分位数对变量进行分类。
  主要选项：
  • percentiles(numlist)：指定百分位数。
  • nquantiles(#)：指定分组数。
  • weights(varname)：加权计算百分位数。

First and Last

• first(varname) [, by(byvarlist)]
  返回变量的第一个非缺失值。by() 选项允许按组计算。
• ilast(numvar), value(#) [, before | after by(byvarlist)]
  返回变量中指定值的最后一次出现的记录位置。
  主要选项：
  • before：返回最后一次出现之前的记录。
  • after：返回最后一次出现之后的记录。
• lastnm(varname) [, by(byvarlist)]
  返回变量的最后一个非缺失值。

Random Numbers

• mixnorm() [, frac(#) mu1(#) mu2(#) var1(#) var2(#)]
  生成一个混合正态分布的随机变量。
  主要选项：
  • frac(#)：指定两种正态分布的混合比例。
  • mu1(#) mu2(#)：指定两种正态分布的均值。
  • var1(#) var2(#)：指定两种正态分布的方差。
• rndint(), max(#) [min(#)]
  生成随机整数，范围由 min() 和 max() 指定。min() 默认为 1。
• rndsub() [, ngroup(#) {frac(#) | percent(#)} by(byvarlist)]
  随机分组，将观察值随机分配到不同的组中。
  主要选项：
  • ngroup(#)：指定分组数。
  • frac(#)：指定第一组包含的比例。
  • percent(#)：指定第一组包含的百分比。

Row Operations

• rall(varlist), cond(condition) [symbol(symbol)]
  检查 varlist 中所有变量是否满足 condition 条件，返回 1 或 0。
  主要选项：
  • symbol(symbol)：指定占位符，默认是 @。
• rany(varlist), cond(condition) [symbol(symbol)]
  检查 varlist 中是否有任何变量满足 condition 条件，返回 1 或 0。
• rcount(varlist), cond(condition) [symbol(symbol)]
  计算 varlist 中满足 condition 条件的变量数量。
• rowmedian(varlist)
  计算 varlist 中所有变量的行中位数。
• rownvals(numvarlist) [missing]
  计算每行中不同取值的数量。missing 选项可以包含缺失值。
• rowsvals(strvarlist) [missing]
  计算每行中不同字符串值的数量。
• rsum2(varlist)
  计算 varlist 中变量的和。
  主要选项：
  • allmiss：如果所有变量都缺失，则结果也为缺失。
  • anymiss：如果任意一个变量缺失，则结果为缺失。