我常用到的stata命令之四

（续）
egen也是生成变量的一个命令，特点是函数功能强大。gen可以支持一些简单的函数，像四则运算。egen支持更复杂的函数，比如求某变量的平均值，

egen ave = mean((变量名))

还有很多函数，可以从help里面查到，不一一列举。到现在为止我用到的有取平均、加和等函数。

讲了这么多，举个例子。某个原始数据中用变量date记录了一些日期，格式是：1980年12月11日被记为19801211。如果要提取其中的年份和月份，并生成虚拟变量，该怎么办？下面是我的做法：

gen yr=int(date/10000)
gen mo=int((data-yr*10000)/100)
ta yr, gen( yd)
ta mo, gen( md)

这里函数int()是取整函数，即把一个数字的小数部分去掉。

所需变量做好后，就可以保存为新数据库了。命令是save空格（文件名），replace。前面说过，replace选项将更新对数据库的修改，所以一定要小心使用。所以应另存为一个新库，如果把原始数据改了又变不回去，就叫天不应叫地不灵了。

除了对单个数据库的简单操作外，有时需要改变数据的结构，或者抽取来自不同数据库的信息合并。这一类命令中我用过的有：改变数据的纵横结构的命令reshape，生成退化数据库的命令collapse，合并数据库的命令append和merge。

reshape用于改变纵列（longitudinal）数据的结构。纵列数据就是通常说的面板（panel）数据，它记录下同一个主体（agent）同一个变量在不同时刻的观察值。记录纵列数据有宽表和长表两种格式。所谓宽表是以每个主体为纪录的单位，不同时期的相同变量都记录在同一观察下。例如，主体是某厂商，时期有2000、2001年，变量是雇佣人数和所在城市，假设雇佣人数在不同时期不同，所在城市则不变。宽表记录的格式是每个厂商是一个观察，没有时期变量，雇佣人数有两个变量，分别记录2000年和2001年的人数，所在城市只有一个变量。所谓长表是主体和时间共同定义观察，在上面的例子中，每个厂商有两个观察，由不同的年份变量区分，雇佣人数和所在城市在不同观察下都只有一个，记录在不同年份该变量的取值。reshape就是把数据库把宽表变成长表，把长表变成宽表。

在上面的例子下，把宽表变成长表的命令格式如下：

reshape long （雇佣人数的变量名）, i(（标记厂商的变量名）) j(（标记时期的变量名）)

因为所在城市不随时期变化，所以在转换格式时不用放在reshape long后面，转换前后也不改变什么。相反，把长表变成宽表只需把long换成了wide。

collapse的用处是计算某个数据库的一些统计量，再把这些统计量另存为新数据库。我用到它也较无奈，因为我找不到直接报告中位数和从1%到99%百分位数的命令。哪位大侠知道麻烦告诉我一下，在下先谢过了。计算中位数的命令如下。

collapse (median) (（变量名）), by(（变量名）)

生成的新数据库中记录了第一个括号中的变量（可以是多个变量）的中位数。右面的by选项是根据某个变量分组计算中位数，没有这个选项则计算全部样本的中位数。
（待续）