在 Stata 中，使用 egen 等命令分组计算后，可以得到一个组内取值相同、组间取值不同的变量。如果在使用 egen 命令分组计算时，使用了 if 条件对特定样本进行计算，那么组内取值有且仅有两种情况：

  • 情况一：两种取值，一是组内样本符合条件的取值相同，不符合条件的都是缺失值 .。
  • 情况二：一种取值，组内因不符合条件，都是缺失值。

在此种情况下，可以使用 ereplace 命令配合 mean 函数补充。

1. 命令展示

1
2
3
4
5
** 外部命令，首次使用需要安装 ereplace
ssc install ereplace, replace
** 计算条件分组取值
egen X_total = total(X) if X==1, by(ID)
ereplace X_total = mean(X_total), by(ID)

2. 结果展示

(⚠️注意：不同设备的显示字体不同，可能会出现字符错位的现象。将错位的文本复制到其他文本编辑器 / Stata do 文件编辑器中，可以解决此问题。)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
** 计算条件分组取值
egen X_total = total(X) if X==1, by(ID)
/* 计算结果图示：
  +-----------------+              +---------------------------+
  | ID   provine  X |              | ID   provine  X   X_total | 
  |-----------------|              |---------------------------| 
  | 31     上海   0 |   实现效果     | 31     上海   0         . | 
  | 31     上海   . |  --------->   | 31     上海   .         . |
  | 31     上海   0 |               | 31     上海   0         . |
  | 32     江苏   1 |               | 32     江苏   1         2 |
  | 32     江苏   1 |               | 32     江苏   1         2 |   
  | 32     江苏   . |               | 32     江苏   .         . |   
  +-----------------+              +--------------------------+  */

** 情况一：均值填充
ereplace X_total = mean(X_total), by(ID)
/* 计算结果图示：
  +---------------------------+              +---------------------------+
  | ID   provine  X   X_total |              | ID   provine  X   X_total | 
  |---------------------------|              |---------------------------| 
  | 31     上海   0         . |   实现效果     | 31     上海   0         . | 
  | 31     上海   .         . |  --------->   | 31     上海   .         . |
  | 31     上海   0         . |               | 31     上海   0         . |
  | 32     江苏   1         2 |               | 32     江苏   1         2 |
  | 32     江苏   1         2 |               | 32     江苏   1         2 |   
  | 32     江苏   .         . |               | 32     江苏   .         2 |   
  +---------------------------+              +--------------------------+  */

** 情况二：均值填充
replace X_total = 0 if X_total==.
/* 计算结果图示：
  +---------------------------+              +---------------------------+
  | ID   provine  X   X_total |              | ID   provine  X   X_total | 
  |---------------------------|              |---------------------------| 
  | 31     上海   0         . |   实现效果     | 31     上海   0         0 | 
  | 31     上海   .         . |  --------->   | 31     上海   .         0 |
  | 31     上海   0         . |               | 31     上海   0         0 |
  | 32     江苏   1         2 |               | 32     江苏   1         2 |
  | 32     江苏   1         2 |               | 32     江苏   1         2 |   
  | 32     江苏   .         2 |               | 32     江苏   .         2 |   
  +--------------------------+               +--------------------------+  */

上面的三行命令中：

  • egen 和ereplace 命令可以使用的函数、用法都相同，具体使用方法参见文章《数据清洗｜变量生成与替换》；
  • ereplace 发挥的作用是，在情况一（取值只有两种情况，缺失值和非缺失值，且非缺失值取值相等）下，非缺失值的均值就是其取值本身，如果我们希望将组内的缺失值填充为这个相同的非缺失值，就可以使用第二行命令；
  • 在情况二下，即部分组内没有满足条件的值，或者都是缺失值，此时可以根据研究需要进行数据填补（此处补为0）。

3. 使用案例