Stata：变量非重复值统计-distinct

Stata连享会   主页 || 视频 || 推文 || 知乎 || Bilibili 站

温馨提示： 定期 清理浏览器缓存，可以获得最佳浏览体验。

New！ lianxh 命令发布了：
随时搜索推文、Stata 资源。安装：
  . ssc install lianxh
详情参见帮助文件 (有惊喜)：
  . help lianxh
连享会新命令：cnssc, ihelp, rdbalance, gitee, installpkg
 

✌ 课程详情： https://gitee.com/lianxh/Course

⛳ 课程主页： https://gitee.com/lianxh/Course

⛳ Stata 系列推文：

• 全部 | Stata入门 | Stata教程 | Stata资源 | Stata命令
• 计量专题 | 论文写作 | 数据分享 | 专题课程
• 结果输出 | Stata绘图 | 数据处理 | Stata程序
• 回归分析 | 面板数据 | 交乘项-调节 | IV-GMM
• 内生性-因果推断 | 倍分法DID | 断点回归RDD | PSM-Matching | 合成控制法
• Probit-Logit | 时间序列 | 空间计量 | 分位数回归 | 生存分析 | SFA-DEA
• 文本分析-爬虫 | Python-R-Matlab | 机器学习
• Markdown | 工具软件 | 其它

☝ PDF下载 - 推文合集

作者：左祥太 (武汉纺织大学)
邮箱：Shutter_Z@outlook.com

目录

1. distinct 命令

distinct 命令主要用于报告不同观测值的数量，例如，某个变量的观测值为 (1, 2, 2, 3, 3, 3, 4, 4, 4, 4)，则 distinct 命令返回 4，即该变量仅存在 4 个不同的观测值。

*命令安装
cnssc install distinct, replace

*命令语法
distinct [varlist] [if] [in] [, missing abbrev(#) joint minimum(#) maximum(#)]

其中，

• missing：表示包括缺漏值，默认不包括；
• abbrev：定义显示变量的最大字符，比如字符串 happiness 的长度是 9，利用 abbrev(5) 转换后，就会变为 hap~s；
• joint：根据 varlist 中所有变量分析观测值差异；
• minimum：表示可返回变量的最小不同观测值数；
• maximum：表示可返回变量的最大不同观测值数。

2. Stata 实例

接下来，以「auto.dta」数据为例进行演示：

. sysuse auto.dta, clear
. des
. distinct

              |        Observations
              |      total   distinct
--------------+----------------------
         make |         74         74
        price |         74         74
          mpg |         74         21
        rep78 |         69          5
     headroom |         74          8
        trunk |         74         18
       weight |         74         64
       length |         74         47
         turn |         74         18
 displacement |         74         31
   gear_ratio |         74         36
      foreign |         74          2

可以看出，make 一共有 74 个观测，并且有 74 个不同的观测值。rep78 变量仅有 69 个观测，说明存在 5 个缺失值，并且该变量也恰好有 5 个不同的观测值。其余变量以此类推……

进一步，关于 distinct 命令选项的具体介绍如下：

. *max 与 min
. distinct, max(10)

              |        Observations
              |      total   distinct
--------------+----------------------
        rep78 |         69          5
     headroom |         74          8
      foreign |         74          2

max(10) 选项限定返回变量的不同观测值数小于等于 10。

. distinct, min(10)

              |        Observations
              |      total   distinct
--------------+----------------------
         make |         74         74
        price |         74         74
          mpg |         74         21
        trunk |         74         18
       weight |         74         64
       length |         74         47
         turn |         74         18
 displacement |         74         31
   gear_ratio |         74         36

min(10) 选项限定返回变量的不同观测值数大于等于 10。

. distinct rep78, missing

       |        Observations
       |      total   distinct
-------+----------------------
 rep78 |         74          6

missing 选项可以将缺失值包括在观测值统计范围内，通过对比可以发现，rep78 的不同观测值由之前的 5 变成了 6。

. distinct, joint

  Observations
  total   distinct
    69         69

joint 选项可以对所有变量观测值联合进行分析，可以发现，在不考虑缺失值的情况下，该数据集包括 69 个观测，且这个 69 个观测都不存在重复。

. distinct headroom, abbrev(6)

        |        Observations
        |      total   distinct
--------+----------------------
 head~m |         74          8

abbrev(6) 选项指定变量名的最大字符显示数为 6。

3. 应用场景

3.1 循环中的使用

在 forvalues 循环当中，我们经常需要确定循环最大值的数字，这个时候就可以使用 distinct 命令来确定不同观测值的最大数量，以便我们进行分组循环。假设这样一个场景，我们需要对每家公司按照其所在行业进行分组求得某种盈余管理 DACC 的数值，但面对上千家上市公司，直接数数或许并不是一种明智的选择，这时便可以利用 distinct 命令。

/* 循环中的 distinct */
/*	Notes:
	year 	表示对应年份
	stock   表示公司股票代码
	sic     表示公司行业代码
*/

egen egen sic_year = group(sic year), label lname(sic_year)
distinct sic
local n = r(ndistinct)	// r(ndiatinct) 为 distinct 的返回组数
gen DACC = .

forvalues i = 1(1)`n'{
  qui reg acc invA Dsale PPE if (sic_year==`i'), nocons
  qui predict e if e(sample), res
  qui replace DACC = e if e(sample) 
  drop e
}

3.2 快速剔除变量中的缺漏值

· sysuse auto.dta, clear
. distinct

              |        Observations
              |      total   distinct
--------------+----------------------
         make |         74         74
        price |         74         74
          mpg |         74         21
        rep78 |         69          5
     headroom |         74          8
        trunk |         74         18
       weight |         74         64
       length |         74         47
         turn |         74         18
 displacement |         74         31
   gear_ratio |         74         36
      foreign |         74          2
 
//不难发现，在 auto.dta 这一份数据当中仅有 rep78 这一变量当中存在缺漏
//所以仅需要如下操作即可去除缺漏值

. drop if rep78 == .
(5 observations deleted)

4. 相关推文

Note：产生如下推文列表的 Stata 命令为：
  lianxh 循环 滚动 重复值 盈余管理, m
安装最新版 lianxh 命令：
  ssc install lianxh, replace

• 专题：数据处理

  • 滚动计算：rangerun和rangestat命令简介
  • 滚动吧统计量！Stata数据处理
  • Stata数据处理：统计组内非重复值个数
  • 穿透财务障眼法：盈余管理指标测算及 Stata 实操
• 专题：Stata程序

  • statsby: 不用循环语句的循环
• 专题：回归分析

  • Stata：滚动回归的五个命令-rolling
  • Stata：各类盈余管理指标估算方法
  • 残差是个宝：盈余管理、过度投资、超额收益怎么算？

相关课程

免费公开课

• 直击面板数据模型 - 连玉君，时长：1小时40分钟，课程主页，Bilibili 站版
• Stata 33 讲 - 连玉君, 每讲 15 分钟. 课程主页，课件，Bilibili 站版
• Stata 小白的取经之路 - 龙志能，时长：2 小时，课程主页
• 部分直播课 课程资料下载 (PPT，dofiles等)

最新课程-直播课

• 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。

⛳ 课程主页

⛳ 课程主页

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。
• 连享会-主页 和 知乎专栏，400+ 推文，实证分析不再抓狂。直播间 有很多视频课程，可以随时观看。
• 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 等

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-常见问题解答：
✨ https://gitee.com/lianxh/Course/wikis

New！ lianxh 命令发布了：
随时搜索连享会推文、Stata 资源，安装命令如下：
  . ssc install lianxh
使用详情参见帮助文件 (有惊喜)：
  . help lianxh