计算跨变量的持续时间
calculating durations across variables
我在 Stata 中的数据是这样的：
day1 day1_dt day2 day2_dt day3 day3_dt day4 day4_dt
0 2010-01-02 4 2010-01-03 . 2010-01-04 2 2010-01-05
. 2011-05-02 3 2011-05-03 4 2011-05-04 4 2011-05-05
5 2012-01-05 4 2012-01-06 4 2012-01-07 4 2012-01-08
4 2015-05-02 4 2015-05-03 4 2015-05-04 4 2015-05-05
1 2009-05-02 4 2009-05-03 0 2009-05-04 4 2009-05-05
我要计算以下内容：
- dayX 变量中有 4 个时的天数持续时间。
我想我使用以下程序解决了第一部分
generate int flg1 =1 if day1 == 4
generate int flg2 =1 if day2 == 4
generate int flg3 =1 if day3 == 4
generate int flg4 =1 if day4 == 4
egen duration = rowtotal(flg*)
- 找出4的值没有more/has改变的日期记录在end_date
最终数据如下：
day1 day1_dt day2 day2_dt day3 day3_dt day4 day4_dt duration end_date
0 2010-01-02 4 2010-01-03 . 2010-01-04 2 2010-01-05 1 2010-01-04
. 2011-05-02 3 2011-05-03 4 2011-05-04 4 2011-05-05 2 .
5 2012-01-05 4 2012-01-06 4 2012-01-07 4 2012-01-08 3 .
4 2015-05-02 4 2015-05-03 4 2015-05-04 4 2015-05-05 4 .
1 2009-05-02 4 2009-05-03 0 2009-05-04 4 2009-05-05 2 .
你最后一个例子的第二行似乎有错字。如果不是，那么请解释为什么你希望 duration 是 1 而不是 2。
如果这是错字，那么这是最简单的方法。请注意，只有最后一行代码才是您问题的答案。
// This is best practice way of sharing data examples in Stata on Whosebug
* Example generated by -dataex-. For more info, type help dataex
clear
input byte day1 int day1_dt byte day2 int day2_dt byte day3 int day3_dt byte day4 int day4_dt
0 18264 4 18265 . 18266 2 18267
. 18749 3 18750 4 18751 4 18752
5 18997 4 18998 4 18999 4 19000
4 20210 4 20211 4 20212 4 20213
1 18019 4 18020 0 18021 4 18022
end
format %tdnn/dd/CCYY day1_dt
format %tdnn/dd/CCYY day2_dt
format %tdnn/dd/CCYY day3_dt
format %tdnn/dd/CCYY day4_dt
// This is your solution
* Count number of day1, day2 etc vars with value 4
egen duration = anycount(day?), values(4)
从 Stata 的角度来看，您似乎在宽布局中保存面板或纵向数据。正如您所发现的，这使得即使是简单的任务也变得相当复杂。我建议使用 reshape.
更改为长布局
请参阅 Stata 标签 wiki，了解如何将数据示例作为 Stata 代码（简短说明：使用 dataex 命令）。您的示例非常清楚，但需要猜测您的日期类型，因为显示格式可能是 YMD 或 YDM。我猜的是一种方式，但另一种方式的原理是一样的。如果你的日期变量真的是字符串，你需要通过 daily() 推送它们来做任何有用的事情。
脚本和输出如下。您还需要为 enddate 指定一种显示格式。
* Example generated by -dataex-. For more info, type help dataex
clear
input byte(day1 day2 day3 day4) float(day1_dt day2_dt day3_dt day4_dt)
0 4 . 2 18264 18265 18266 18267
. 3 4 4 18749 18750 18751 18752
5 4 4 4 18997 18998 18999 19000
4 4 4 4 20210 20211 20212 20213
1 4 0 4 18019 18020 18021 18022
end
format %tdCY-N-D day1_dt
format %tdCY-N-D day2_dt
format %tdCY-N-D day3_dt
format %tdCY-N-D day4_dt
gen long id = _n
reshape long day day@_dt, i(id)
egen duration = total(day == 4), by(id)
egen enddate = max(cond(day == 4, day_dt, .)), by(id)
egen whenlast = max(day_dt), by(id)
replace enddate = . if enddate == whenlast
list, sepby(id)
. * Example generated by -dataex-. For more info, type help dataex
. clear
. input byte(day1 day2 day3 day4) float(day1_dt day2_dt day3_dt day4_dt)
day1 day2 day3 day4 day1_dt day2_dt day3_dt day4_dt
1. 0 4 . 2 18264 18265 18266 18267
2. . 3 4 4 18749 18750 18751 18752
3. 5 4 4 4 18997 18998 18999 19000
4. 4 4 4 4 20210 20211 20212 20213
5. 1 4 0 4 18019 18020 18021 18022
6. end
. format %tdCY-N-D day1_dt
. format %tdCY-N-D day2_dt
. format %tdCY-N-D day3_dt
. format %tdCY-N-D day4_dt
.
. gen long id = _n
. reshape long day day@_dt, i(id)
(j = 1 2 3 4)
Data Wide -> Long
-----------------------------------------------------------------------------
Number of observations 5 -> 20
Number of variables 9 -> 4
j variable (4 values) -> _j
xij variables:
day1 day2 ... day4 -> day
day1_dt day2_dt ... day4_dt -> day_dt
-----------------------------------------------------------------------------
.
. egen duration = total(day == 4), by(id)
.
. egen enddate = max(cond(day == 4, day_dt, .)), by(id)
. egen whenlast = max(day_dt), by(id)
. replace enddate = . if enddate == whenlast
(16 real changes made, 16 to missing)
.
. list, sepby(id)
+------------------------------------------------------------+
| id _j day day_dt duration enddate whenlast |
|------------------------------------------------------------|
1. | 1 1 0 2010-01-02 1 18265 18267 |
2. | 1 2 4 2010-01-03 1 18265 18267 |
3. | 1 3 . 2010-01-04 1 18265 18267 |
4. | 1 4 2 2010-01-05 1 18265 18267 |
|------------------------------------------------------------|
5. | 2 1 . 2011-05-02 2 . 18752 |
6. | 2 2 3 2011-05-03 2 . 18752 |
7. | 2 3 4 2011-05-04 2 . 18752 |
8. | 2 4 4 2011-05-05 2 . 18752 |
|------------------------------------------------------------|
9. | 3 1 5 2012-01-05 3 . 19000 |
10. | 3 2 4 2012-01-06 3 . 19000 |
11. | 3 3 4 2012-01-07 3 . 19000 |
12. | 3 4 4 2012-01-08 3 . 19000 |
|------------------------------------------------------------|
13. | 4 1 4 2015-05-02 4 . 20213 |
14. | 4 2 4 2015-05-03 4 . 20213 |
15. | 4 3 4 2015-05-04 4 . 20213 |
16. | 4 4 4 2015-05-05 4 . 20213 |
|------------------------------------------------------------|
17. | 5 1 1 2009-05-02 2 . 18022 |
18. | 5 2 4 2009-05-03 2 . 18022 |
19. | 5 3 0 2009-05-04 2 . 18022 |
20. | 5 4 4 2009-05-05 2 . 18022 |
+------------------------------------------------------------+
这是对@TheIceBear 的回答的sequel，展示了如何在保持相同布局的情况下回答问题 2。
* Example generated by -dataex-. For more info, type help dataex
clear
input byte(day1 day2 day3 day4) float(day1_dt day2_dt day3_dt day4_dt)
0 4 . 2 18264 18265 18266 18267
. 3 4 4 18749 18750 18751 18752
5 4 4 4 18997 18998 18999 19000
4 4 4 4 20210 20211 20212 20213
1 4 0 4 18019 18020 18021 18022
end
format %tdCY-N-D day1_dt
format %tdCY-N-D day2_dt
format %tdCY-N-D day3_dt
format %tdCY-N-D day4_dt
gen enddate = .
* 1/4 is contingent on day*_dt running over 1 to 4
* and on those variables being in date order
forval j = 1/4 {
replace enddate = day`j'_dt if day`j' == 4
}
egen whenlast = rowmax(day*_dt)
replace enddate = . if enddate == whenlast
format enddate whenlast %td
list enddate whenlast
我在 Stata 中的数据是这样的：
day1 day1_dt day2 day2_dt day3 day3_dt day4 day4_dt 0 2010-01-02 4 2010-01-03 . 2010-01-04 2 2010-01-05 . 2011-05-02 3 2011-05-03 4 2011-05-04 4 2011-05-05 5 2012-01-05 4 2012-01-06 4 2012-01-07 4 2012-01-08 4 2015-05-02 4 2015-05-03 4 2015-05-04 4 2015-05-05 1 2009-05-02 4 2009-05-03 0 2009-05-04 4 2009-05-05
我要计算以下内容：
- dayX 变量中有 4 个时的天数持续时间。
我想我使用以下程序解决了第一部分
generate int flg1 =1 if day1 == 4
generate int flg2 =1 if day2 == 4
generate int flg3 =1 if day3 == 4
generate int flg4 =1 if day4 == 4
egen duration = rowtotal(flg*)
- 找出4的值没有more/has改变的日期记录在end_date
最终数据如下：
day1 day1_dt day2 day2_dt day3 day3_dt day4 day4_dt duration end_date 0 2010-01-02 4 2010-01-03 . 2010-01-04 2 2010-01-05 1 2010-01-04 . 2011-05-02 3 2011-05-03 4 2011-05-04 4 2011-05-05 2 . 5 2012-01-05 4 2012-01-06 4 2012-01-07 4 2012-01-08 3 . 4 2015-05-02 4 2015-05-03 4 2015-05-04 4 2015-05-05 4 . 1 2009-05-02 4 2009-05-03 0 2009-05-04 4 2009-05-05 2 .
你最后一个例子的第二行似乎有错字。如果不是，那么请解释为什么你希望 duration 是 1 而不是 2。
如果这是错字，那么这是最简单的方法。请注意，只有最后一行代码才是您问题的答案。
// This is best practice way of sharing data examples in Stata on Whosebug
* Example generated by -dataex-. For more info, type help dataex
clear
input byte day1 int day1_dt byte day2 int day2_dt byte day3 int day3_dt byte day4 int day4_dt
0 18264 4 18265 . 18266 2 18267
. 18749 3 18750 4 18751 4 18752
5 18997 4 18998 4 18999 4 19000
4 20210 4 20211 4 20212 4 20213
1 18019 4 18020 0 18021 4 18022
end
format %tdnn/dd/CCYY day1_dt
format %tdnn/dd/CCYY day2_dt
format %tdnn/dd/CCYY day3_dt
format %tdnn/dd/CCYY day4_dt
// This is your solution
* Count number of day1, day2 etc vars with value 4
egen duration = anycount(day?), values(4)
从 Stata 的角度来看，您似乎在宽布局中保存面板或纵向数据。正如您所发现的，这使得即使是简单的任务也变得相当复杂。我建议使用 reshape.
请参阅 Stata 标签 wiki，了解如何将数据示例作为 Stata 代码（简短说明：使用 dataex 命令）。您的示例非常清楚，但需要猜测您的日期类型，因为显示格式可能是 YMD 或 YDM。我猜的是一种方式，但另一种方式的原理是一样的。如果你的日期变量真的是字符串，你需要通过 daily() 推送它们来做任何有用的事情。
脚本和输出如下。您还需要为 enddate 指定一种显示格式。
* Example generated by -dataex-. For more info, type help dataex
clear
input byte(day1 day2 day3 day4) float(day1_dt day2_dt day3_dt day4_dt)
0 4 . 2 18264 18265 18266 18267
. 3 4 4 18749 18750 18751 18752
5 4 4 4 18997 18998 18999 19000
4 4 4 4 20210 20211 20212 20213
1 4 0 4 18019 18020 18021 18022
end
format %tdCY-N-D day1_dt
format %tdCY-N-D day2_dt
format %tdCY-N-D day3_dt
format %tdCY-N-D day4_dt
gen long id = _n
reshape long day day@_dt, i(id)
egen duration = total(day == 4), by(id)
egen enddate = max(cond(day == 4, day_dt, .)), by(id)
egen whenlast = max(day_dt), by(id)
replace enddate = . if enddate == whenlast
list, sepby(id)
. * Example generated by -dataex-. For more info, type help dataex
. clear
. input byte(day1 day2 day3 day4) float(day1_dt day2_dt day3_dt day4_dt)
day1 day2 day3 day4 day1_dt day2_dt day3_dt day4_dt
1. 0 4 . 2 18264 18265 18266 18267
2. . 3 4 4 18749 18750 18751 18752
3. 5 4 4 4 18997 18998 18999 19000
4. 4 4 4 4 20210 20211 20212 20213
5. 1 4 0 4 18019 18020 18021 18022
6. end
. format %tdCY-N-D day1_dt
. format %tdCY-N-D day2_dt
. format %tdCY-N-D day3_dt
. format %tdCY-N-D day4_dt
.
. gen long id = _n
. reshape long day day@_dt, i(id)
(j = 1 2 3 4)
Data Wide -> Long
-----------------------------------------------------------------------------
Number of observations 5 -> 20
Number of variables 9 -> 4
j variable (4 values) -> _j
xij variables:
day1 day2 ... day4 -> day
day1_dt day2_dt ... day4_dt -> day_dt
-----------------------------------------------------------------------------
.
. egen duration = total(day == 4), by(id)
.
. egen enddate = max(cond(day == 4, day_dt, .)), by(id)
. egen whenlast = max(day_dt), by(id)
. replace enddate = . if enddate == whenlast
(16 real changes made, 16 to missing)
.
. list, sepby(id)
+------------------------------------------------------------+
| id _j day day_dt duration enddate whenlast |
|------------------------------------------------------------|
1. | 1 1 0 2010-01-02 1 18265 18267 |
2. | 1 2 4 2010-01-03 1 18265 18267 |
3. | 1 3 . 2010-01-04 1 18265 18267 |
4. | 1 4 2 2010-01-05 1 18265 18267 |
|------------------------------------------------------------|
5. | 2 1 . 2011-05-02 2 . 18752 |
6. | 2 2 3 2011-05-03 2 . 18752 |
7. | 2 3 4 2011-05-04 2 . 18752 |
8. | 2 4 4 2011-05-05 2 . 18752 |
|------------------------------------------------------------|
9. | 3 1 5 2012-01-05 3 . 19000 |
10. | 3 2 4 2012-01-06 3 . 19000 |
11. | 3 3 4 2012-01-07 3 . 19000 |
12. | 3 4 4 2012-01-08 3 . 19000 |
|------------------------------------------------------------|
13. | 4 1 4 2015-05-02 4 . 20213 |
14. | 4 2 4 2015-05-03 4 . 20213 |
15. | 4 3 4 2015-05-04 4 . 20213 |
16. | 4 4 4 2015-05-05 4 . 20213 |
|------------------------------------------------------------|
17. | 5 1 1 2009-05-02 2 . 18022 |
18. | 5 2 4 2009-05-03 2 . 18022 |
19. | 5 3 0 2009-05-04 2 . 18022 |
20. | 5 4 4 2009-05-05 2 . 18022 |
+------------------------------------------------------------+
这是对@TheIceBear 的回答的sequel，展示了如何在保持相同布局的情况下回答问题 2。
* Example generated by -dataex-. For more info, type help dataex
clear
input byte(day1 day2 day3 day4) float(day1_dt day2_dt day3_dt day4_dt)
0 4 . 2 18264 18265 18266 18267
. 3 4 4 18749 18750 18751 18752
5 4 4 4 18997 18998 18999 19000
4 4 4 4 20210 20211 20212 20213
1 4 0 4 18019 18020 18021 18022
end
format %tdCY-N-D day1_dt
format %tdCY-N-D day2_dt
format %tdCY-N-D day3_dt
format %tdCY-N-D day4_dt
gen enddate = .
* 1/4 is contingent on day*_dt running over 1 to 4
* and on those variables being in date order
forval j = 1/4 {
replace enddate = day`j'_dt if day`j' == 4
}
egen whenlast = rowmax(day*_dt)
replace enddate = . if enddate == whenlast
format enddate whenlast %td
list enddate whenlast