按数值相似度编入已有分组并标记

看了一会，不明白为什么不用 gen里面的group命令，是有特殊顾忌吗？可是没看到啊
sort group MV
by group: replace MV_Deciles = group(10) if MV_D == .
sort group MV
by group: replace MB_Q = group(5) if MB_Q == .

这样之后不就都分好组了吗？
preserve
keep if group == "N"
keep MV_D MB_Q R
duplicates drop _all, force
save new.dta
restore
然后按照m:1 将 new.dta， merge进来不可以吗

luckykong 发表于 2013-1-31 23:49
看了一会，不明白为什么不用 gen里面的group命令，是有特殊顾忌吗？可是没看到啊
sort group MV
by group ...

您试试就知道了，您的答案和我的要求不是一个意思

luckykong 发表于 2013-1-31 23:49
看了一会，不明白为什么不用 gen里面的group命令，是有特殊顾忌吗？可是没看到啊
sort group MV
by group ...

不是让重新分组，而是让每分组的按照已经分好组的情况标记。
请看上面一帖“举个别的例子吧，好比是现在有一群人排队，已经按身高分了十组并在每组中按体重分了5组，这样就分了50组。现在还有别的人要加入队伍，要求就不再折腾已经分好组的人了，别的人按自己的身高体重找已经分的组，加进去就行了。”

xingxf 发表于 2013-1-31 22:18
这个程序没问题，我是按这个程序出的十分位和五分位。这个程序的合理性你可以通过tab MV_Deciles M2B_Qui ...

好，醍醐灌顶般的例子，肯定地回答了前贴的疑问。

仍无解？提一个dirty的思路吧(估计跑起来也不慢)：

先：
楼主跟帖已描述清任务：
根据R变量已有值的组N的分年mv_dec和mb_quin分位标记符， 给其它组（如A、Q）的R变量复制

再：
思路：
1、只保留组N的观测值, 另存数据库N.dta。
keep if group=="N"
之后，只保留：年变量、分位标记符、R变量，去掉重复观测值，导出重命名数据集（比如：R.dta）
keep year mv_dec mb_quin R
duplicates drop
save R, replace
2、按着sungmoo版主的办法，即cumul, equal + ceil()取上界整数，分别得到它组分位标记符（十分位、五分位），分别用组名另存为数据集（比如：A.dta, Q.dta）
实现的话可：
qui levelsof group if group!="N", local(group)
foreach i of local group {...}
里面导出的时候可直接：save `i', replace具体（为检验，重思路）：
qui levelsof group if group!="N",local(group)
foreach i of local group{
        bys year: cumul mv if group==`i', equal gen(dec)
        replace mv_dec=ceil(dec*10) if group==`i'
        bys year mv_dec: cumul mb if group==`i' , equal gen(quin)
        replace mb_quin=ceil(quin*5) if group==`i'
        drop dec quin
        save `i',replace
}
3、循环merge， A.dta跟R.dta， Q.dta跟R.dta merge, (merge有选项是直接用using的变量值覆盖掉main数据集里的，即update)
foreach i of local group{
        use `i',clear
        merge m:1 year mv_dec mb_quin using R, update
        save `i',replace
}
4、A.dta, Q.dta append到 N.dta，
foreach i of local group{
        use `i',clear
        append using N
        save final,replace
}
注：因需用到本地宏local macro，需整体一并执行：
以下程序经测，可行，很快跑完，请检验（怎么检验啊？）
use example,clear
keep if group=="N"
save N,replace
keep year MV_Deciles MB_Quintiles R
duplicates drop
save R,replace
use example,clear
qui levelsof group if group!="N",local(group)
foreach i of local group{
        bysort year: cumul MV if group=="`i'", equal gen(dec)
        replace MV_Deciles=ceil(dec*10) if group=="`i'"
        bysort year MV_Deciles: cumul MB if group=="`i'" , equal gen(quin)
        replace MB_Quintiles=ceil(quin*5) if group=="`i'"
        drop dec quin
        save "`i'",replace
}
foreach i of local group{
        use "`i'",clear
        merge m:1 year MV_Deciles MB_Quintiles using R, update
        save "`i'",replace
}
foreach i of local group{
        use "`i'",clear
        append using N
        save final,replace
}
sort group year MV_Deciles MB_Quintiles R
br
此法太麻烦（merge不用其它组一个一个倒腾，输出个R的nonmissing数据集，直接回来按着year MV_Deciles MB_Quintiles 定位做R的update就好了），参：楼下解（根据luckykong解法改制）
检查了此贴方法，组N的分位标记与源不一致：
use example,clear
bysort year: cumul MV if group=="N", equal gen(dec)
replace dec=ceil(dec*10) if group=="N"
bysort year dec: cumul MB if group=="N" , equal gen(quin)
replace quin=ceil(quin*5) if group=="N"
sort group year MV_Deciles MB_Quintiles
br if group=="N"

是这么个分组方法么？？？哪里错了？？？

luckykong 发表于 2013-1-31 23:49
看了一会，不明白为什么不用 gen里面的group命令，是有特殊顾忌吗？可是没看到啊
sort group MV
by group ...

这个在gen下的group()函数是做什么的？没找到help。
只见过egen下的group(varlist)（多）变量值分组。
难道这个group(#)，就是按着by中变量值从大到小排序，平均分配观测值个数给各组（组定义依据的varlist分别是：1st. group year MV; 2nd. group year MV_Deciles MB)
高啊！
那精确解是这个咯：
use example,clear
bysort group year MV: replace MV_Deciles = group(10) if MV_Deciles==.
bysort group year MV_Deciles MB: replace MB_Quintiles=group(5) if MB_Quintiles==.
save work,replace
keep if group == "N"
keep year MV_Deciles MB_Quintiles R
duplicates drop
save R.dta,replace
use work,clear
merge m:1 year MV_Deciles MB_Quintiles using R,update nogenerate
sort group year MV_Deciles MB_Quintiles R
br
好，刚按此法核对了一下组N的分位数分组情况，结果不对啊， （还仅是十分位的）：use example,clear
sort group year MV
bys group year MV: gen dec = group(10)
sort group year MV_Deciles MB_Quintiles dec
br if group=="N"
见图：

monstersivle 发表于 2013-2-2 05:07
这个在gen下的group()函数是做什么的？没找到help。
只见过egen下的group(varlist)（多）变量值分组。
...

他那个Group方法是不行的，实际上他没明白这个问题的意思。

monstersivle 发表于 2013-2-1 23:19
仍无解？提一个dirty的思路吧(估计跑起来也不慢)：

先：

主要的问题是没有找相似组的思路。

sungmoo 发表于 2013-2-2 15:39
*由下可知，楼主的数据并不是panel data
xtset ID year

当时得到N组的分类，是用的如下命令：
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)
但是您说的这个问题怎么出的，我还真得仔细查查。

sungmoo 发表于 2013-2-2 15:39
*由下可知，楼主的数据并不是panel data
xtset ID year

是啊，我也怀疑原分组是否是像楼主说的按照cumul, equal + ceil()做的。
xtset ID year的结果是
repeated time values within panel
r(451);
依据您的解法，跑完，结果也与原数据不一致：
sort group year p q r
order group year MV_ MB_ p q R r
br if group=="N"

另，求解释: gen下的group()函数(不是egen下的那个)