Stata编码帮助

Question

我有一个不平衡的面板数据集，该数据集可为我提供有关不同地区的多少银行贷款的信息。 地理位置ID和银行ID是使用Stata命令（例如egen id=group(var)创建的数字变量。

地理编号从1到n，银行编号从1到k。 让您更具体地了解我的数据的外观：

Geography ID (gid) | Bank ID (bid) | lending
-----------------------------------------------
1                  | 1             | 25
1                  | 2             | 32
1                  | 4             | 83
----------------------------------------------
2                  | 1             | 76
2                  | 3             | 22
---------------------------------------------
3                  | 2             | 42
3                  | 3             | 12
3                  | 5             | 22
--------------------------------------------

我的最终目标是创建一个具有地理区域的所有成对组合的数据框，以便：

    1     2      3 ......... n
-------------------------------
1|(1,1)  (1,2)  (1,3)......(1,n)
2|(2,1)  (2,2)  (2,3)......(2,n)
.|  .      .                 .
n|(n,1)    .         ......(n,n)

这样的条目(i,j)给我：

(i,j)=(Lending from Banks Operating in Area i and j)/(Total Lending in Area i and j)

因此，例如给出上述数据

(1,1)=1       (1,2)=(25+76)/(25+32+83+76+22)     (1,3)=(32+42)/(25+32+83+42+12+22)

我有一种感觉，作为第一步，我应该使用levelsof和bysort在一个循环中，但我对究竟如何解决这个问题不清楚。

即使您无法提供确切的解决方案，我也将非常感谢收到任何帮助或建议。 尽管我更喜欢Stata，但我也对Matlab / R有所了解，因此，如果您认为它更适合该问题，我欢迎您提出建议。

Answer 1

这是一个R方法：

x <- data.frame(
  geoid   = c(1,1,1, 2,2, 3,3,3),
  bankid  = c(1,2,4, 1,3, 2,3,5),
  lending = c(25,32,83, 76,22, 42,12,22)
)

myfunc <- function(x, i, j) {
  geos <- x$geoid %in% c(i, j)
  banks <- with(x, intersect(bankid[geoid == i], bankid[geoid == j]))
  with(x, sum(lending[geos & bankid %in% banks]) / sum(lending[geos]))
}

outer(unique(x$geoid), unique(x$geoid),
      function(i,j) mapply(myfunc, list(x), i, j))
#           [,1]      [,2]      [,3]
# [1,] 1.0000000 0.4243697 0.3425926
# [2,] 0.4243697 1.0000000 0.1954023
# [3,] 0.3425926 0.1954023 1.0000000

它不是最有效的，但这是一个开始。 我很难做到真正的矢量化，因为每个子集都需要交集，尽管我确信可以优化此过程，而不需要为每个等效对重新计算两次intersect(bankid...) （如果这是一种性能）因子）。

---

编辑 ：更有效的过程，不会重新计算等效的geoid面对：

按地理位置拆分数据：

geox <- split(x, x$geoid)

myfunc <- function(i, j) {
  if (i >= j) return(NA)
  banks <- intersect(geox[[i]]$bankid, geox[[j]]$bankid)
  sum(with(geox[[i]], lending[ bankid %in% banks ]),
      with(geox[[j]], lending[ bankid %in% banks ])) /
    sum(geox[[i]]$lending, geox[[j]]$lending)
}

o <- outer(seq_along(geox), seq_along(geox),
           function(i,j) mapply(myfunc, i, j))
o
#      [,1]      [,2]      [,3]
# [1,]   NA 0.4243697 0.3425926
# [2,]   NA        NA 0.1954023
# [3,]   NA        NA        NA

（仅证明我们仅计算了最小集合。）现在，将上三角的数据翻转到下三角：

o[which(lower.tri(o),TRUE)] <- o[which(upper.tri(o),TRUE)]
o
#           [,1]      [,2]      [,3]
# [1,]        NA 0.4243697 0.3425926
# [2,] 0.4243697        NA 0.1954023
# [3,] 0.3425926 0.1954023        NA

并将已知值1分配给对角线：

diag(o) <- 1