我常用到的stata命令之三

（续）
在生成新数据库的过程中，往往需要用原始变量派生出新的变量。生成新变量的命令有gen，egen和replace。它们的基本语法是

gen (或replace)（变量名）＝（表达式）

二者的不同之处是gen生成新变量，replace重新定义旧变量。

虚拟变量是取值为0或1的变量，用来标记样本中主体的某种性质。虚拟变量在实证分析中广泛使用，所以略述如何生成的新的虚拟变量。有两种基本的方法。一种较简明，

gen（变量名）＝（（限制条件））

这里“限制条件”最外面的小括号是语法要求的，里面的小括号表示括号中间的内容是解释性的。如果某个观察满足限制条件，那么这个虚拟变量在该处取值为1，否则为0。另一种是

gen （变量名）＝1 if （取值为1限制条件）
replace（相同的变量名）＝0 if （取值为0的限制条件）

二者有一个小小的区别。如果限制条件的表达式里面没有任何缺失值，那么两种方法的结果一样。如果有缺失值，第一种方法会把是缺失值的观察的虚拟变量都定义为0。而第二种方法可以将虚拟变量的取值分为三种，一是等于1，二是等于0，三是等于缺失值。避免了把本来信息不明的观察错误地放到回归中去。

需要生成的虚拟变量不多时，依次定义新变量即可，如果需要生成大量类似的虚拟变量，基本方法就很费时费力。比如，希望在一个包含大量社区的数据中生成社区虚拟变量时，社区的数目可能有成百上千个，太费事了。如果每个社区有一个编码标记，就可以入下命令批量生成相应的虚拟变量。

ta （变量名）, gen(（变量名）)

第一个括号里的变量名是已知变量，即上面例子中的社区编码。后一个括号里的变量名是新生成的虚拟变量的共同前缀，后面跟数字表示不同的虚拟变量。如果我在这里填入d，那么，上述命令就会新生成d1，d2，等等，直到所有社区都有一个虚拟变量。

补充一句。在回归中控制这么多社区变量，如果一个一个地输入变量名会很累。可以用省略符号简化，d*表示所有d字母开头的变量；或者是用破折号，d1-d150表示第一个到第150个社区虚拟变量。

还有一种方法可以在回归中直接控制虚拟变量，而不必真的生成这些虚拟变量。如下。

areg （被解释变量） （解释变量）, absorb（变量名）

absorb选项后面的变量名和前面讲的命令中第一个变量名相同，即上面例子中的社区编码。回归的结果和在reg中直接加入相应的虚拟变量相同。
（待续）