【附dataex】stata一个公司多事件的双变量分组分析

求助各位，我的数据是2006-05-08至2021-03-31的A股交易公告的数据，现在想在每个季度，根据公告发布前（-30<=dif<-60)的换手率TO将数据分为3:4:3的三组，再分别对每一组按照事件期间(-2<=dif<=2)的换手率TO高中低也分为三组，一共构成9个投资组合（注：第二次分组的样本量是第一次一个组的样本量），然后计算每个组合的等值加权平均收益率，得到2006-05-08至2021-03-31一共59个季度的收益率时间序列，最后计算每个组合在样本期间的加权平均收益率（%）。附上部分数据的dataex和参考文献截图，求各位大佬不吝赐教！！十分感谢~~~~


----------------------- copy starting from the next line -----------------------

1. * Example generated by -dataex-. To install: ssc install dataex
   
2. clear
   
3. input str6 Stkcd float(Pstdt Date TO dif id estimation_window count_est_obs event_window count_event_obs predicted_return AR CAR)
   
4. "000063" 17456 17365 -.13729477 -59 14 1 30 0 5           .            . .08798753
   
5. "000063" 17456 17366  -.4360738 -58 14 1 30 0 5           .            . .08798753
   
6. "000063" 17456 17367   -.691313 -57 14 1 30 0 5           .            . .08798753
   
7. "000063" 17456 17370   .0769955 -56 14 1 30 0 5           .            . .08798753
   
8. "000063" 17456 17371 -.10349119 -55 14 1 30 0 5           .            . .08798753
   
9. "000063" 17456 17372   2.863846 -54 14 1 30 0 5           .            . .08798753
   
10. "000063" 17456 17373   1.813321 -53 14 1 30 0 5           .            . .08798753
    
11. "000063" 17456 17374   1.233391 -52 14 1 30 0 5           .            . .08798753
    
12. "000063" 17456 17377    1.90861 -51 14 1 30 0 5           .            . .08798753
    
13. "000063" 17456 17378          . -50 14 1 30 0 5           .            . .08798753
    
14. "000063" 17456 17379   .5608332 -49 14 1 30 0 5           .            . .08798753
    
15. "000063" 17456 17380   .2171458 -48 14 1 30 0 5           .            . .08798753
    
16. "000063" 17456 17381  1.6330545 -47 14 1 30 0 5           .            . .08798753
    
17. "000063" 17456 17384 -.13442755 -46 14 1 30 0 5           .            . .08798753
    
18. "000063" 17456 17385   .2767706 -45 14 1 30 0 5           .            . .08798753
    
19. "000063" 17456 17386   .7885827 -44 14 1 30 0 5           .            . .08798753
    
20. "000063" 17456 17387  -.0587678 -43 14 1 30 0 5           .            . .08798753
    
21. "000063" 17456 17388  1.6578645 -42 14 1 30 0 5           .            . .08798753
    
22. "000063" 17456 17391   .6156418 -41 14 1 30 0 5           .            . .08798753
    
23. "000063" 17456 17392  -.3609335 -40 14 1 30 0 5           .            . .08798753
    
24. "000063" 17456 17393 -.07132006 -39 14 1 30 0 5           .            . .08798753
    
25. "000063" 17456 17394   .4304098 -38 14 1 30 0 5           .            . .08798753
    
26. "000063" 17456 17395 -.14592278 -37 14 1 30 0 5           .            . .08798753
    
27. "000063" 17456 17398   .6443621 -36 14 1 30 0 5           .            . .08798753
    
28. "000063" 17456 17399  1.2733654 -35 14 1 30 0 5           .            . .08798753
    
29. "000063" 17456 17400  .12828529 -34 14 1 30 0 5           .            . .08798753
    
30. "000063" 17456 17401  1.0398934 -33 14 1 30 0 5           .            . .08798753
    
31. "000063" 17456 17402  .01204455 -32 14 1 30 0 5           .            . .08798753
    
32. "000063" 17456 17405   .7103462 -31 14 1 30 0 5           .            . .08798753
    
33. "000063" 17456 17406  .08128488 -30 14 1 30 0 5           .            . .08798753
    
34. "000063" 17456 17451  .27294493  -2 14 0 30 1 5 -.007685606  -.030291393 .08798753
    
35. "000063" 17456 17454 -.17745543  -1 14 0 30 1 5  .005328896   .013350105 .08798753
    
36. "000063" 17456 17456  4.3063617   0 14 0 30 1 5 -.011218712    .11121871 .08798753
    
37. "000063" 17456 17457   .9115375   1 14 0 30 1 5 -.029882135   .014587135 .08798753
    
38. "000063" 17456 17458   .4818393   2 14 0 30 1 5 -.005125971   -.02087703 .08798753
    
39. "000063" 17611 17517   1.068334 -59 15 1 30 0 5           .            . .01966791
    
40. "000063" 17611 17518 -.27780986 -58 15 1 30 0 5           .            . .01966791
    
41. "000063" 17611 17519 -.13581419 -57 15 1 30 0 5           .            . .01966791
    
42. "000063" 17611 17520 -1.0621862 -56 15 1 30 0 5           .            . .01966791
    
43. "000063" 17611 17521  -.7782233 -55 15 1 30 0 5           .            . .01966791
    
44. "000063" 17611 17524 -.23557746 -54 15 1 30 0 5           .            . .01966791
    
45. end
    
46. format %tdCCYY-NN-DD Pstdt
    
47. format %tdCCYY-NN-DD Date

复制代码

没怎么看懂你在问什么，而且数据不全，不清楚每个时期数据量是否相同，公告发布前后数据量是否相同，等等。

罗润万(|Toby) 发表于 2021-7-22 15:53
没怎么看懂你在问什么，而且数据不全，不清楚每个时期数据量是否相同，公告发布前后数据量是否相同，等等。 ...

数据太多了 有5万多条 放不下公告发布前后数据是不同的，公告前的估计窗有30天，公告后的窗口我定为【-2,2】，而且每个时期的票数量不同，公告数量也不同。这个思路我也没理太清楚，这是一篇期刊上的，我是想仿照着做公告前后对高中低换手率进行分组的资产组合分析，探究公告前后换手率变动跟股票收益之间的关系

我的参考文献如图所示，文中的异质信念变量都是换手率，请问这里的双因素分组分析是怎么实现的呢？学术小白理解无能求各位帮帮我