如何定位是在哪个group

vincent829 发表于 2009-7-7 11:31 我用了比较低级的命令解决分组的问题。

*两组任务合并一处（sheet1的mv的缺失值被替换后，再按sheet2替换相应的group缺失值，如果某一mv值对应多个group值，只取最小的group值）：

tempfile d
use sheet2,clear
keep year mv group
g g=1
save `d'

*去掉无available值替代的缺失值
use sheet1,clear
sort id year month
by id: g s=sum(mv)
by id: egen n=sum(mv)
drop if s==n&mv==.
drop s n
*替换有available值替代的缺失值
sort id year month
loc n=_N
forv i=1/`n'{
egen n=count(mv)
if n==_N {
continue,break
}
by id: replace mv=mv[_n+1] if mv==.&mv[_n+1]<.
drop n
}
drop n

*按sheet2替换group的缺失值
g g=1 if group==.
append using `d'
sort g year mv id month group
by g year: g x=(group[_n]+1==group[_n+1]&group<.) if g==1
by g year: g y=sum(x)-x+1 if g==1
replace group=y if g==1&group==.
drop if id==.
drop x y g
sort id year month

41# sungmoo
谢谢谢谢，这个第二部分的问题总算尘埃落定

sungmoo 发表于 2009-7-7 14:56

vincent829 发表于 2009-7-7 11:31 我用了比较低级的命令解决分组的问题。

*去掉无available值替代的缺失值
use sheet1,clear
sort id year month
by id: g s=sum(mv)
by id: egen n=sum(mv)
drop if s==n&mv==.
drop s n
*替换有available值替代的缺失值
sort id year month
loc n=_N
forv i=1/`n'{
    egen n=count(mv)
    if n==_N {
        continue,break
    }
    by id: replace mv=mv[_n+1] if mv==.&mv[_n+1]
    drop n
}
drop n

想到一个全新的（可能）更简单的方法（受sungmoo曾发表的计算累积回报率程序http://www.pinggu.org/bbs/thread-451864-1-1.html的启发）：
use sheet1, clear
replace mv = . if id == 6855 & year == 1986    // 模拟无available值替代的缺失值

gsort id -year -month    // 将每一id的mv按year month反向排序，最近的数据在最前
by id: replace mv = mv[_n-1] if missing(mv)    // 将每一id的mv依次替换为最近期的可得数据，如将mv[50]（缺失值）替换为mv[49]（非缺失值），然后将mv[51]替换为mv[50]（在前一步刚巧替换为非缺失值，= mv[49]）...
sort id year month    // 回复原来排序

drop if miss(mv)

运行速度飞快！

voodoo 发表于 2009-7-8 16:50 想到一个全新的（可能）更简单的方法

新方法更简单。

两种方法的区别在于：如果某公司的mv的末端值是0，而其前的mv是缺失值，在原方法中，这样的缺失值被删除，不被换为0；在新方法中，这样的缺失值被换为0。

本数据库有个特点：若mv的缺失值替换为0，则0是末端值。

sungmoo 发表于 2009-7-8 18:39

voodoo 发表于 2009-7-8 16:50 想到一个全新的（可能）更简单的方法

新方法更简单。

两种方法的区别在于：如果某公司的mv的末端值是0，而其前的mv是缺失值，在原方法中，这样的缺失值被删除，不被换为0；在新方法中，这样的缺失值被换为0。

本数据库有个特点：若mv的缺失值替换为0，则0是末端值。

末端的缺失值替换为0会有一个潜在问题，会错误的编入组里面，因为bechmark里面有MV为0的数据，被编入第1组。除非在把替换的缺失值重新编组之前，把MV为0的sample 观测值都删除

vincent829 发表于 2009-7-9 10:41 末端的缺失值替换为0会有一个潜在问题，会错误的编入组里面，因为bechmark里面有MV为0的数据，被编入第1组。除非在把替换的缺失值重新编组之前，把MV为0的sample 观测值都删除

仅就给出的全样本数据库，原方法不会把mv的缺失值替换为0，而会把可能替换为0的缺失值删除（但会保留mv=0的非缺失值）。

＃sungmoo


我觉得同一年，同样的MV分在不同的组，说明分组是存在问题的。

guolaiguoqu 发表于 2009-7-13 02:40 我觉得同一年，同样的MV分在不同的组，说明分组是存在问题的。

楼主想做十等分组。但其中mv取值“打结”（ties）情况很多，有些ties的观测值数超过了十分之一。

guolaiguoqu 发表于 2009-7-13 02:40
＃sungmoo


我觉得同一年，同样的MV分在不同的组，说明分组是存在问题的。

金融学研究中经常会涉及到10等分或5等分作为比较组（comparable groups），这是传统的主流做法。关键问题是本例中mv的数据太粗糙，进而导致出现ties的样本太多了！

[quote]sungmoo 发表于 2009-7-7 14:56
*去掉无available值替代的缺失值
use sheet1,clear
sort id year month
by id: g s=sum(mv)
by id: egen n=sum(mv)
drop if s==n&mv==.
drop s n[quote]

这个似乎就是排序后把最后一个是缺失值的样本删除吧？
use sheet1,clear
sort id year month
by id :drop if mv==. & _n==_N

附带问一下，if x<.是不是等价于if x!=.，我看前面类似的命令很多。