gen与egen,傻傻分不清楚? _知识经验

1.导读
众所周知，gen是Stata中使用频率非常高的变量生成命令之一。诶，难道还有其他变量生成命令?是的，egen(extension of generate)作为gen的扩展，对gen命令进行了补充，帮助我们更好地使用变量生成功能。2.gen与egen的比较
我们将从语法出发，比较gen与egen的异同，看看egen是如何对gen进行扩展的。
gen的语法为：
generate [type] newvar[:lblname] =exp [if] [in] [,before(varname) |after(varname)]
egen的语法为：
egen [type] newvar = fcn(arguments) [if] [in] [, options]
相同点：
(1)gen和egen都是变量生成命令;
(2)变量类型[type]均为可选项，缺省时，gen和egen能够根据新生成的变量值自动判断并分配数据类型;
(3)两者都能选用[if]和[in]进行条件判断和范围选择;
(4)两者都可以使用by前缀(在某些情况下egen无法使用by分组功能) 。
不同点：
(1)[:lblname]选项使gen可以在生成新变量的同时赋予其已定义的值标签，并且[, before(varname) |after(varname)]选项允许我们调整新变量的顺序;
【gen与egen,傻傻分不清楚?】(2)敲重点：使用gen生成的新变量，其变量值是由给定的表达式(exp)计算所得，表达式中可以使用Stata中的任意运算符(如，代数运算符”+” “-“ “*” “\”，逻辑运算符”>” “<” “|” “&” “!”等)和九大类函数;
(3)敲重点：egen只能使用专属的egen函数来为新变量计算变量值，如mean()、rank()等。值得注意的是，egen函数只能在egen命令下使用，不能用在gen的表达式中，egen命令也无法使用任何运算符或九大类函数来计算生成变量值;
(4)在使用gen命令时，_n和_N是我们常用的下标变量，用于表示行号和总观测值非常方便，但egen却无法使用。这是为什么呢?因为egen专属函数往往以某个变量或某一观测目标为参数，计算某个变量(一列)或观测目标(一行)的某种特征(比如均值，使用mean())，因此无需使用_n和_N 。这也提示了egen生成的新变量值往往是一个常数(constant)，当然也有egen专属函数的返回值不是常数，而gen生成的变量值则是一个变动值(running value) 。
3.案例分析
下面，我们通过一个简单的例子来验证上述异同点。
现有两个家庭：第一个家庭是一个三口之家，父亲、母亲、女儿的年龄分别是44、41、20岁;第二个家庭三代同堂，祖父祖母为83、85岁，父亲母亲为45、44岁，儿子24岁，孙女3岁。
插入input命令，把两个家庭的把相关数据写入stata数据集：
input hid age gender income1 44 1 90001 41 0 80001 20 0 50002 83 1 20002 85 0 20002 45 1 60002 44 0 80002 24 1 40002 3 0 0end
查看Stata数据集：

(1)生成一个新变量sex：使其等于gender并以“1 `男’ 0 `女’”的值标签显示。
label define sexlb 1 “男” 0 “女”gen sex:sexlb = gender
运行结果如下图所示，表明gen命令能够在创建新变量的同时赋予已定义的值标签，但egen没有该功能。

(2)生成个人id变量：为每个家庭成员编码，比如第一个家庭中父亲的编码为11，第二个家庭中祖父的编码为21 。
*尝试用gen生成：
bysort hid: gen idg = hid*10+_n
运行结果如下，各成员编码正确。

*尝试用egen生成：
bysort hid: egen ide = hid*10+_n
运行出现错误。显然，egen无法使用运算符，只能使用其专属的函数来计算生成变量值。

gen与egen,傻傻分不清楚?

猜你喜欢