数据分组并标记

现有如下面板数据
ID     Year          Var1              Var2      Var3

A       2000        123897         1.2

A       2001        897650         3.5
A       2002        345687         2.2
...
A       2010        65789           3.3
B       2000        90876           2.5
...  
B       2010        54321           6.2
...
ZZ     2010        66880           9.9

现需要每年按照Var1数值大小排序分为10等分组，并在每十分之一组中按照Var2数值大小排列分为5等分组，需要在Var3中生成对应ID相应年份的组别。

其实有一个函数cut可以进行分组，egen size_decile=cut(Var1), group(10)
但是这个函数stata显示不能与by搭配使用，也就是说它不能按每一年分组



谢谢！！！

sungmoo已提供答案
但是取整函数int会造成第一分组观察值少一些，最后分组观察值多一些，受sungmoo的启发我改写程序如下：
gen MV_Deciles=1
forvalues i=1/10{
bys Year (MV): replace MV_Decile=`i' if 10*_n/_N<=`i'&10*_n/_N>`i'-1
}
gen MB_Quintiles=1
forvalues i=1/5{
bys Year MV_Deciles (MB): replace MB_Quintiles=`i' if 5*_n/_N<=`i'&5*_n/_N>`i'-1
}


sungmoo提供的改进答案：
bys Year (MV MB): g p=ceil(10*_n/_N)
bys Year p (MB MV): g q=ceil(5*_n/_N)
效果和我写的循环一样，执行效率却高很多。还是要熟悉各种函数啊。





liangsky提出如果样本中重复值较多，可能出现相同值分在不同组的情况，并提供如下代码。
gen n1=.
forv i=2000/2010 {
xtile n`i'=var1 if year==`i',n(10)
replace n1=n`i' if year==`i'
drop n`i'
}
gen n2=.
forv i=2000/2010 {
forv j=1/10 {
xtile n`i'`j'=var2 if year==`i' & n1==`j',n(5)
replace n2=n`i'`j' if year==`i' & n1==`j'
drop n`i'`j'
}
}
此方法分组准确稳妥，但是循环的执行效率不如直接使用函数快。


sungmoo提出cumul函数可以结合by使用解决以上所有问题，
最后我改写程序如下：bys year: cumul(MV), gen (cumMV) equal
gen MV_Deciles=ceil(10*cumMV)
bys year MV_Deciles: cumul(MB), gen (cumMB) equal
gen M2B_Quintiles=ceil(5*cumMB)

*把缺失值去除，且年份仍然是最高分组
use example,clear
drop if MV==.|MB==.
bys Year (MV MB): g p=ceil(10*_n/_N)
bys Year p (MB MV): g q=ceil(5*_n/_N)

可否传部分数据上来？

dxystata 发表于 2013-1-25 12:51
可否传部分数据上来？

这是一个示例文件，需要每年按照MV大小将ticker分为10组，在分好的每一组中，按照MB大小分为5组。
您看看有什么好方法么？
我目前有一个笨办法可以做，就是用cut函数，对每一年数据分组。
example.rar (2.07 MB) 本附件包括：

• example.dta

2013-1-26 05:29:14 上传

当MV或MB有缺失值时，处理规则是什么？

把缺失值drop掉就可以

*drop的规则是？

drop if MV==.|MB==.

sungmoo 发表于 2013-1-26 07:49
当MV或MB有缺失值时，处理规则是什么？

把缺失值drop掉就可以

sungmoo 发表于 2013-1-26 08:05
*把缺失值去除，且年份仍然是最高分组
use example,clear
drop if MV==.|MB==.

不好意思，int函数的全称和功能是什么啊？
也许我没表达清楚意思，我是要求每年都要进行分组，分组的依据是根据MV数值大小分成10组，每一组再根据MB数值大小分成5组。
根据您的程序，我进行了sum
bys p: sum MV
结果显示几乎每组的最大值均超过下一组别的最小值，换句话说，这个分组不是按照MV值大小排序的。
所以这个不符合我说的要求。

我是要求每年都要进行分组，分组的依据是根据MV数值大小分成10组，每一组再根据MB数值大小分成5组。
根据您的程序，我进行了sum
bys p: sum MV

楼主若“每年分组”，应该是"bys Year p: ……"吧？

int函数的全称和功能是什么啊？

取整函数

sungmoo 发表于 2013-1-26 09:08
楼主若“每年分组”，应该是"bys Year p: ……"吧？

哈哈，刚才疏忽了。验证了，没问题，非常感谢！
我再研究一下。

sungmoo 发表于 2013-1-25 12:08
*把缺失值去除，且年份仍然是最高分组
use example,clear
drop if MV==.|MB==.

真是巧妙啊，巧用取整，_n/_N就解决了。用最简单的公式，就是没想到。
还有个问题，bys Year (MV MB),这个括号是什么意思？这里面我直接bys Year MV：不也可以么？

我自己看了帮助文档，知道括号的意思了。不过第一次按MV分组的时候不用加上MB吧，bys Year (MV) 就好了吧？