关于Stata中bysort之后tabstat用法的说明

Question

关于Stata中tabstat命令的输出，我有一个相当简单的问题。

更具体地说，我有一个大型的面板数据集，其中包含9年时间内的数十万个观察值。

上下文：

bysort year industry: egen total_expenses=total(expenses)

这一行应该创建年和行业的总费用(或一个特定行业的所有id在一个特定年的所有费用的总和)。

然后我使用：

tabstat total_expenses, by(country)

据我所知，tabstat应该以表格的形式显示费用的方式。请注意，ids因国家/地区而异。

在这种情况下，tabstat计算了特定国家所有行业所有9年的平均值，还是从我的面板数据中计算了每个国家的一年和一个行业的平均值？

如果在以下上下文中使用此命令，会发生什么情况：

bysort year industry: egen mean_expenses=mean(expenses)

tabstat mean_expenses, by(country)

tabstat是否创造了手段？这有点让人困惑。

Answer 1

我不知道tabstat做了什么让您感到困惑，但您需要清楚计算意味着什么。你的数据集太大了，不能在这里发布，但为了你自己和我们的利益，创建一个小的沙箱数据集将帮助你了解正在发生的事情。你应该尝试正确答案(你想要的)是显而易见的，或者至少是容易计算的例子。

作为一个细节，你关于is不同于国家的解释本身就是令人困惑的。我的猜测是，你的数据是关于公司的，相关的标识符标识了公司。然后，您可以分别按industry和country以及year进行聚合。

bysort year industry: egen total_expenses = total(expenses)

这确实会计算总数，并将其分配给每个观察值。因此，如果行业A和2013有123个观察值，那么在新变量中将有123个相同值。

tabstat total_expenses, by(country) 

重要的细节是tabstat在默认情况下计算并显示平均值。它只适用于所有可用的观察值，除非您另行指定。Stata没有记忆，也不了解total_expenses是如何计算出来的。平均值将不会考虑每个(industry，year)组合中的不同数字。不能为(industry，year)组合选择单个值。

你的最后一个问题确实有同样的味道。您的命令所要求的是使用所有可用的数据进行暴力计算。实际上，您的计算是根据industry、country和year的任何组合中的观察值数量进行加权的。

我怀疑您需要了解两个命令(1) collapse和(2) egen，特别是它的tag()函数。如果你使用的是Stata 16，框架可能会对你有用。这应该适用于任何使用更高版本的未来读者。