如何在 Stata 中将长数据转换为宽数据？

Question

我有这个数据：

id  test    test_date   value
1   A   02/06/2014 12:26    11
1   B   02/06/2014 12:26    23
1   C   02/06/2014 13:17    43
1   D   02/06/2014 13:17    65
1   E   02/06/2014 13:17    34
1   F   02/06/2014 13:17    64
1   A   05/06/2014 15:14    234
1   B   05/06/2014 15:14    646
1   C   05/06/2014 16:50    44
1   E   05/06/2014 16:50    55
2   E   05/06/2014 16:50    443
2   F   05/06/2014 16:50    22
2   G   05/06/2014 16:59    445
2   B   05/06/2014 20:03    66
2   C   05/06/2014 20:03    77
2   D   05/06/2014 20:03    88
2   E   05/06/2014 20:03    44
2   F   05/06/2014 20:19    33
2   G   05/06/2014 20:19    22

我想将此数据转换为宽格式，如下所示：

id    date              A   B   C   D   E   F   G
1   02/06/2014 12:26    11  23  43  65  34  64  .
1   05/06/2014 15:14    234 646 44  .   55  .   .
2   05/06/2014 16:50    .   .   .   .   443 22  445
2   05/06/2014 20:03    .   66  77  88  44  33  22

我在 Stata 中使用 reshape 命令，但它没有产生所需的结果：

reshape wide test_date value, i(id) j(test) string

知道怎么做吗？

更新： 你是对的，我们需要这个 missvar。我尝试通过编程来创建它，但失败了。假设在测试日期的 2 小时内，批次将认为相同。我们只有 7 个测试（A、B、C、D、E、F、G）。首先我试着找出时差；

 bysort id: gen diff_bd = (test_date[_n] - test_date[_n-1])/(1000*60*60)    

 bysort id: generate missvar = _n if diff_bd <= 2

Answer 1

命令指定的有点错误。你想重塑 value。查看您想要的输出并注意观察结果由 id 和 test_date 唯一标识。因此，它们应该在 i 选项中。

reshape wide value, i(id test_date) j(test) string

这会产生接近您想要的结果，您只需重命名几个变量即可获得准确的输出。具体来说：

rename test_date date
renpfix value

Answer 2

@jfeigenbaum 给出了部分答案。

我看到的问题是您缺少标识相关子组的变量。这些子组似乎受到 test 取值 A - G 的限制。但我可能错了。

我已将此变量包含在示例数据集中，并将其命名为 missvar。我将此变量强加到数据集中，相信它可以识别虽然隐含在您的原始 post 中但对您的分析很重要的组。

clear
set more off

*----- example data -----

input ///
id  str1 test    str30 test_date   value missvar
1   A   "02/06/2014 12:26"    11 1
1   B   "02/06/2014 12:26"    23 1
1   C   "02/06/2014 13:17"    43 1
1   D   "02/06/2014 13:17"    65 1
1   E   "02/06/2014 13:17"    34 1
1   F   "02/06/2014 13:17"    64 1
1   A   "05/06/2014 15:14"    234 2
1   B   "05/06/2014 15:14"    646 2
1   C   "05/06/2014 16:50"    44 2
1   E   "05/06/2014 16:50"    55 2
2   E   "05/06/2014 16:50"    443 1
2   F   "05/06/2014 16:50"    22 1
2   G   "05/06/2014 16:59"    445 1
2   B   "05/06/2014 20:03"    66 2
2   C   "05/06/2014 20:03"    77 2
2   D   "05/06/2014 20:03"    88 2
2   E   "05/06/2014 20:03"    44 2
2   F   "05/06/2014 20:19"    33 2
2   G   "05/06/2014 20:19"    22 2
end

gen double tdate = clock( test_date, "DM20Yhm")
format %tc tdate

drop test_date
list, sepby(id)

*----- what you want ? -----

reshape wide value, i(id missvar tdate) j(test) string
collapse (min) tdate value?, by(id missvar)

rename value* *

list

应该有某种方式以编程方式识别组。依靠数据的原始排序顺序是一种方法，但它可能不是最安全的。这可能是唯一的方法，但只有你自己知道。

编辑

关于您的评论和 "missing" 变量，创建它的一种方法是：

// one hour is 3600000 milliseconds
bysort id (tdate): gen batch = sum(tdate - tdate[_n-1] > 7200000)

对于您的示例数据，这将创建一个与我的 missvar 相同的 batch 变量。您还可以使用时间序列运算符。

让我强调您在展示示例数据时需要小心。它必须是真正的代表，否则您可能会得到不适合它的代码；这包括您没有注意到它的可能性，因为 Stata 没有给出错误。

例如，如果您在两小时内将相同的 test 应用到相同的 id，那么您将丢失此代码的信息（在 collapse). （这在您的示例数据中不是问题。）

编辑 2

回应评论中发现的另一个问题：

假设对 人 1 进行新的观察，使得他在两小时的限制内接受重复测试，但 在不同的时间：

1   A   "02/06/2014 12:26"    11 1 // old observation
1   B   "02/06/2014 12:26"    23 1
1   A   "02/06/2014 12:35"    99 1 // new observation
1   C   "02/06/2014 13:17"    43 1
1   D   "02/06/2014 13:17"    65 1
1   E   "02/06/2014 13:17"    34 1
1   F   "02/06/2014 13:17"    64 1
1   A   "05/06/2014 15:14"    234 2
1   B   "05/06/2014 15:14"    646 2
1   C   "05/06/2014 16:50"    44 2
1   E   "05/06/2014 16:50"    55 2

测试 A 应用于 12:26 和 12:35。 Reshape 对此没有问题，但是 collapse 会丢弃信息，因为它在 id missvar 组中取最小值；请注意，对于变量 valueA，新信息（99）将丢失（所有其他变量也会发生这种情况，但您明确表示要丢弃它）。在 reshape 之后但在 collapse 之前，您会得到：

. list, sepby(id)

     +--------------------------------------------------------------------------------------------------+
     | id   missvar                tdate   valueA   valueB   valueC   valueD   valueE   valueF   valueG |
     |--------------------------------------------------------------------------------------------------|
  1. |  1         1   02jun2014 12:26:00       11       23        .        .        .        .        . |
  2. |  1         1   02jun2014 12:35:00       99        .        .        .        .        .        . |
  3. |  1         1   02jun2014 13:17:00        .        .       43       65       34       64        . |
  4. |  1         2   05jun2014 15:14:00      234      646        .        .        .        .        . |
  5. |  1         2   05jun2014 16:50:00        .        .       44        .       55        .        . |
     |--------------------------------------------------------------------------------------------------|
  6. |  2         1   05jun2014 16:50:00        .        .        .        .      443       22        . |
  7. |  2         1   05jun2014 16:59:00        .        .        .        .        .        .      445 |
  8. |  2         2   05jun2014 20:03:00        .       66       77       88       44        .        . |
  9. |  2         2   05jun2014 20:19:00        .        .        .        .        .       33       22 |
     +--------------------------------------------------------------------------------------------------+

运行完整的代码证实了我们刚才所说的：

. list, sepby(id)

     +--------------------------------------------------------------------------+
     | id   missvar                tdate     A     B    C    D     E    F     G |
     |--------------------------------------------------------------------------|
  1. |  1         1   02jun2014 12:26:00    11    23   43   65    34   64     . |
  2. |  1         2   05jun2014 15:14:00   234   646   44    .    55    .     . |
     |--------------------------------------------------------------------------|
  3. |  2         1   05jun2014 16:50:00     .     .    .    .   443   22   445 |
  4. |  2         2   05jun2014 20:03:00     .    66   77   88    44   33    22 |
     +--------------------------------------------------------------------------+

现在假设 人 1 的新观察，使得他在两小时的限制内接受重复测试，但同时 :

1   A   "02/06/2014 12:26"    11 1 // old observation
1   B   "02/06/2014 12:26"    23 1
1   A   "02/06/2014 12:26"    99 1 // new observation
1   C   "02/06/2014 13:17"    43 1
1   D   "02/06/2014 13:17"    65 1
1   E   "02/06/2014 13:17"    34 1
1   F   "02/06/2014 13:17"    64 1
1   A   "05/06/2014 15:14"    234 2
1   B   "05/06/2014 15:14"    646 2
1   C   "05/06/2014 16:50"    44 2
1   E   "05/06/2014 16:50"    55 2

那么reshape就不行了。 Stata 抱怨：

values of variable test not unique within id missvar tdate

并且有理由。错误在发出问题信号时很明显。（如果不清楚，请返回 help reshape 并做一些练习。）考虑到命令的功能，该请求毫无意义。

最后，请注意，检查某项功能是否有效相对容易：只需尝试一下即可！在这种情况下，所需要的只是稍微修改示例数据。如有必要，返回帮助文件和手册。

如何在 Stata 中将长数据转换为宽数据？

How to transform long to wide data in Stata?

stata

reshape

编辑

编辑 2