请问怎么在stata中将某一变量按大小排序后选择前20%和后20%的样本？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

想将我的样本按照变量X 从大到小排序，选择X 前20%的为一组，X 后20%的 为一组，请问应该如何操作呀

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Stata tata 如何操作

请据以更改

1. webuse grunfeld, clear
   
2. egen p20 = pctile(invest), p(20)
   
3. egen p80 = pctile(invest), p(80)

复制代码

黃河泉 发表于 2022-3-28 11:25
请据以更改

谢谢黄老师！

黃河泉 发表于 2022-3-28 11:25
请据以更改

这个会把所有数据改成20%或者80%

wo哩好好 发表于 2022-11-15 20:45
这个会把所有数据改成20%或者80%

上面是将 20% 与 80% 的"分界点"求出，自己可以根据其做进一步分组！

黃河泉 发表于 2022-11-16 08:54
上面是将 20% 与 80% 的"分界点"求出，自己可以根据其做进一步分组！

对的，根据老师的步骤算出来啦，谢谢老师指导（插个与这个问题无关的，请问老师企业的资源配置效率怎么计算或者要素错配）

在Stata中实现这一需求可以通过以下步骤进行：

1. **按变量X排序**：首先使用`sort`命令对数据按照变量X进行降序或升序排列。

   ```
   sort X, descending // 降序排列，适用于想要找到最大的前20%的值。
   ```

2. **计算样本数量和20%点位**：确定总样本数，并找出表示20%位置的观测值编号。

   ```
   qui count
   local obs = r(N)
   local cut = floor(`obs' * .2)
   ```

3. **创建分组变量**：基于排序后的数据，使用`egen`命令来创建一个新变量用来标识前20%和后20%的样本。

   ```
   bysort X (X) : gen percentile = _n
   replace percentile = (`obs' - percentile + 1) if X < .
   egen group = cutof(., percentile), at(`cut')
   replace group = . if percentile <= `cut' | percentile > `obs' - `cut'
   label define group_label 0 "Not Selected" 1 "Top 20%" 2 "Bottom 20%"
   label values group group_label
   ```

但是，上述步骤中，我们可能需要对`group`变量的生成逻辑进行微调以适应具体需求。一个更为直接的方法是使用`egen`命令结合`xtile`函数来创建基于百分位数的分组：

```
// 计算总样本数量
qui count
local obs = r(N)

// 使用xtile计算分位点，这里假设将数据分为5等份（前20%，中间60%，后20%）
xtile percentile = X, nq(5)
replace percentile = . if missing(X)

// 标签定义，便于理解
label define percentile_label 1 "Bottom 20%" 2 "Bottom 40-60%" 3 "Middle" 4 "Top 40-60%" 5 "Top 20%"
label values percentile percentile_label

// 如果只需要前20%和后20%，可以进一步处理
gen group = .
replace group = 1 if percentile == 1 // 前20%
replace group = 2 if percentile == 5 // 后20%

label define group_label 1 "Bottom 20%" 2 "Top 20%"
label values group group_label

// 如果需要，可以使用tabulate查看结果
tabulate group, missing
```

这个方法更加简洁，直接利用`xtile`命令计算了X变量的五等分位数，并将样本分为前20%、后20%，中间60%则被忽略或可进一步处理。最后生成了一个新变量`group`来标识是否属于前20%或后20%的组别，方便后续分析使用。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用