Stata:如何保留时间连续的样本

发布时间:2020-11-08 阅读 13233

Stata 连享会   主页 || 视频 || 推文

温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。

课程详情 https://gitee.com/arlionn/Course   |   lianxh.cn

课程主页 https://gitee.com/arlionn/Course

作者: 刘欣妍 (香港中文大学)
邮箱: liuxinyan@link.cuhk.edu.hk


目录


1. 问题引出

试想,我们拥有一份数据,但只想保留具有连续三年观测值的样本,这又该如何实现那?为此,我们将通过一个具体例子来予以说明。具体如下:

*-输入数据
  clear
  input id year price
        1 2000 12
        1 2001 23
        1 2003 12
        1 2004 13
        1 2005 14
        2 2000 44
        2 2001 34
        2 2002 67
        3 2000 32
        3 2004 55
        3 2005 46
        4 2000 34
        4 2001 87
        4 2002 78
        4 2004 89
        4 2005 99
        5 2000 34
        5 2002 77
        5 2004 88
        6 2001 14
        6 2002 27
        6 2003 38
  end  
  xtset id year 
  save lianxh_xt_conti.dta, replace

*-样本分布
  use lianxh_xt_conti.dta, clear 
  xtset id year
  xtdes

样本分布特征:

    Freq.  Percent    Cum. |  Pattern
 ---------------------------+---------
        1     16.67   16.67 |  .111..
        1     16.67   33.33 |  1...11
        1     16.67   50.00 |  1.1.1.
        1     16.67   66.67 |  11.111
        1     16.67   83.33 |  111...
        1     16.67  100.00 |  111.11
 ---------------------------+---------
        6    100.00         |  XXXXXX

可以看到,只有四个 id,即在 id = 1,id = 3,id = 4 和 id = 6 的情况下,才有连续三年观测值的样本。那么又如何将满足条件的样本筛选出来?接下来,我们将为大家介绍三种方法实现上述要求。

Note: 本文主要介绍如何将包含有连续三年的样本筛选出来,若仅要保留连续三年数据,只需调整部分参数。

2. 方法 1:bysort 的运用

关于 bysort 命令使用,其基本思想为,针对某个 id,当间隔年份差值为 2 时,判断为连续三年。具体代码如下:

*-bysort
  use lianxh_xt_conti.dta, clear 
  gen ss = 0
  by id (year), sort: replace ss = 1 if year - year[_n-2] == 2
  by id (year), sort: egen ss_sum = sum(ss)
  list in 1/11, sepby(id) noobs
  keep if ss_sum > 0
  xtdes

列出结果:

 +---------------------------------+
  | id   year   price   ss   ss_sum |
  |---------------------------------|
  |  1   2000      12    0        1 |
  |  1   2001      23    0        1 |
  |  1   2003      12    0        1 |
  |  1   2004      13    0        1 |
  |  1   2005      14    1        1 |
  |---------------------------------|
  |  2   2000      44    0        1 |
  |  2   2001      34    0        1 |
  |  2   2002      67    1        1 |
  |---------------------------------|
  |  3   2000      32    0        0 |
  |  3   2004      55    0        0 |
  |  3   2005      46    0        0 |
  +---------------------------------+
     Freq.  Percent    Cum. |  Pattern
 ---------------------------+---------
        1     25.00   25.00 |  .111..
        1     25.00   50.00 |  11.111
        1     25.00   75.00 |  111...
        1     25.00  100.00 |  111.11
 ---------------------------+---------
        4    100.00         |  XXXXXX

3. 方法 2:xtpattern 的应用

xtpattern 命令根据面板数据出现的时间创建字符串,我们可以依此筛选需要的样本。具体代码如下:

*-xtpattern
  use lianxh_xt_conti.dta, clear 
  xtpattern, gen(pp)
  gen ss = strpos(pp, "111") 
  list in 1/11, sepby(id) noobs
  keep if ss > 0
  xtdes

列出结果:

     Freq.  Percent    Cum. |  Pattern
 ---------------------------+---------
        1     25.00   25.00 |  .111..
        1     25.00   50.00 |  11.111
        1     25.00   75.00 |  111...
        1     25.00  100.00 |  111.11
 ---------------------------+---------
        4    100.00         |  XXXXXX

xtpattern 命令注意事项:

  • xtpattern 对象为面板数据,所以在使用该命令前需 xtset
  • 若当年有数据,取值为 1,反之为 .,字符串长度是根据样本中最长年份确定的。

4. 方法 3:tsspell 的应用

关于 tsspell 命令的应用。具体代码如下:

*-tsspell
  use lianxh_xt_conti.dta, clear 
  xtset id year
  tsspell, f(L.year == .)
  by id: egen maxrun = max(_seq) 
  list in 1/11, sepby(id) noobs
  keep if maxrun >= 3
  xtdes

列出结果:

  +---------------------------------------------------+
  | id   year   price   _spell   _seq   _end   maxrun |
  |---------------------------------------------------|
  |  1   2000      12        1      1      0        3 |
  |  1   2001      23        1      2      1        3 |
  |  1   2003      12        2      1      0        3 |
  |  1   2004      13        2      2      0        3 |
  |  1   2005      14        2      3      1        3 |
  |---------------------------------------------------|
  |  2   2000      44        1      1      0        3 |
  |  2   2001      34        1      2      0        3 |
  |  2   2002      67        1      3      1        3 |
  |---------------------------------------------------|
  |  3   2000      32        1      1      1        2 |
  |  3   2004      55        2      1      0        2 |
  |  3   2005      46        2      2      1        2 |
  +---------------------------------------------------+ 
     Freq.  Percent    Cum. |  Pattern
 ---------------------------+---------
        1     25.00   25.00 |  .111..
        1     25.00   50.00 |  11.111
        1     25.00   75.00 |  111...
        1     25.00  100.00 |  111.11
 ---------------------------+---------
        4    100.00         |  XXXXXX

tsspell 命令注意事项:

  • 在使用 tsspell 命令前,必须先将数据设置为面板数据;
  • tsspell, f(L.year == .) 是找出连续年份,详情可参考 help tsspell
  • _seq 代表连续年份顺序;
  • _end 代表是否是年份顺序最后一个;
  • 最后,我们可通过找出 _seq 中最大值,找出连续三年的样本数据。

5. 方法 4:regress 的应用

5.1 方法一

*-regress 1
  use "lianxh_xt_conti.dta", clear 
  xtset id year

  reg id F(1/2).id
  gen ss = e(sample)

  bysort id: gen ss_sum  = sum(ss)
  bysort id: gen ss_sum2 = sum(ss_sum)
  list in 1/11, sepby(id) noobs
  keep if ss_sum2 >= 1 & ss_sum2 <= 3
  xtdes

列出结果:

  +-------------------------------------------+
  | id   year   price   ss   ss_sum   ss_sum2 |
  |-------------------------------------------|
  |  1   2000      12    0        0         0 |
  |  1   2001      23    0        0         0 |
  |  1   2003      12    1        1         1 |
  |  1   2004      13    0        1         2 |
  |  1   2005      14    0        1         3 |
  |-------------------------------------------|
  |  2   2000      44    1        1         1 |
  |  2   2001      34    0        1         2 |
  |  2   2002      67    0        1         3 |
  |-------------------------------------------|
  |  3   2000      32    0        0         0 |
  |  3   2004      55    0        0         0 |
  |  3   2005      46    0        0         0 |
  +-------------------------------------------+
     Freq.  Percent    Cum. |  Pattern
 ---------------------------+---------
        2     50.00   50.00 |  111...
        1     25.00   75.00 |  ...111
        1     25.00  100.00 |  .111..
 ---------------------------+---------
        4    100.00         |  XXXXXX

5.2 方法二

  use "lianxh_xt_conti.dta", clear 
  xtset id year
	
  qui reg id F(1/2).id 
  gen s1 = e(sample)
  list, sepby(id)
	
  qui reg id L(1).id F1.id 
  gen s2 = e(sample)
  list, sepby(id) 
  
  qui reg id L(1/2).id 
  gen s3 = e(sample)
  list, sepby(id)   
  
  gen ss = s1+s2+s3
  list in 1/11, sepby(id) noobs
  
  by id: egen ss_sum = sum(ss)
  keep if ss_sum == 3
  xtdes
  +---------------------------------------+
  | id   year   price   s1   s2   s3   ss |
  |---------------------------------------|
  |  1   2000      12    0    0    0    0 |
  |  1   2001      23    0    0    0    0 |
  |  1   2003      12    1    0    0    1 |
  |  1   2004      13    0    1    0    1 |
  |  1   2005      14    0    0    1    1 |
  |---------------------------------------|
  |  2   2000      44    1    0    0    1 |
  |  2   2001      34    0    1    0    1 |
  |  2   2002      67    0    0    1    1 |
  |---------------------------------------|
  |  3   2000      32    0    0    0    0 |
  |  3   2004      55    0    0    0    0 |
  |  3   2005      46    0    0    0    0 |
  +---------------------------------------+
     Freq.  Percent    Cum. |  Pattern
 ---------------------------+---------
        1     25.00   25.00 |  .111..
        1     25.00   50.00 |  11.111
        1     25.00   75.00 |  111...
        1     25.00  100.00 |  111.11
 ---------------------------+---------
        4    100.00         |  XXXXXX

相关课程

连享会-直播课 上线了!
http://lianxh.duanshu.com

免费公开课:


课程一览

支持回看,所有课程可以随时购买观看。

专题 嘉宾 直播/回看视频
最新专题 因果推断, 空间计量,寒暑假班等
数据清洗系列 游万海 直播, 88 元,已上线
研究设计 连玉君 我的特斯拉-实证研究设计-幻灯片-
面板模型 连玉君 动态面板模型-幻灯片-
面板模型 连玉君 直击面板数据模型 [免费公开课,2小时]

Note: 部分课程的资料,PPT 等可以前往 连享会-直播课 主页查看,下载。


关于我们

  • Stata连享会 由中山大学连玉君老师团队创办,定期分享实证分析经验。直播间 有很多视频课程,可以随时观看。
  • 连享会-主页知乎专栏,300+ 推文,实证分析不再抓狂。
  • 公众号推文分类: 计量专题 | 分类推文 | 资源工具。推文分成 内生性 | 空间计量 | 时序面板 | 结果输出 | 交乘调节 五类,主流方法介绍一目了然:DID, RDD, IV, GMM, FE, Probit 等。
  • 公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标,输入简要关键词,以便快速呈现历史推文,获取工具软件和数据下载。常见关键词:课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法

连享会主页  lianxh.cn
连享会主页 lianxh.cn

连享会小程序:扫一扫,看推文,看视频……

扫码加入连享会微信群,提问交流更方便

✏ 连享会学习群-常见问题解答汇总:
https://gitee.com/arlionn/WD