gen與egen,傻傻分不清楚?

gen與egen,傻傻分不清楚?

1.導讀

眾所周知，gen是Stata中使用頻率非常高的變量生成命令之一。誒，難道還有其他變量生成命令?是的，egen(extension of generate)作為gen的擴展，對gen命令進行了補充，幫助我們更好地使用變量生成功能。2.gen與egen的比較

我們將從語法出發，比較gen與egen的異同，看看egen是如何對gen進行擴展的。

gen的語法為：

generate [type] newvar[:lblname] =exp [if] [in] [,before(varname) |after(varname)]

egen的語法為：

egen [type] newvar = fcn(arguments) [if] [in] [, options]

相同點：

(1)gen和egen都是變量生成命令;

(2)變量類型[type]均為可選項，缺省時，gen和egen能夠根據新生成的變量值自動判斷并分配數據類型;

(3)兩者都能選用[if]和[in]進行條件判斷和范圍選擇;

(4)兩者都可以使用by前綴(在某些情況下egen無法使用by分組功能)。

不同點：

(1)[:lblname]選項使gen可以在生成新變量的同時賦予其已定義的值標簽，并且[, before(varname) |after(varname)]選項允許我們調整新變量的順序;

(2)敲重點：使用gen生成的新變量，其變量值是由給定的表達式(exp)計算所得，表達式中可以使用Stata中的任意運算符(如，代數運算符”+” “-“ “*” “\”，邏輯運算符”>” “<” “|” “&” “!”等)和九大類函數;

(3)敲重點：egen只能使用專屬的egen函數來為新變量計算變量值，如mean()、rank()等。值得注意的是，egen函數只能在egen命令下使用，不能用在gen的表達式中，egen命令也無法使用任何運算符或九大類函數來計算生成變量值;

(4)在使用gen命令時，_n和_N是我們常用的下標變量，用于表示行號和總觀測值非常方便，但egen卻無法使用。這是為什么呢?因為egen專屬函數往往以某個變量或某一觀測目標為參數，計算某個變量(一列)或觀測目標(一行)的某種特征(比如均值，使用mean())，因此無需使用_n和_N。這也提示了egen生成的新變量值往往是一個常數(constant)，當然也有egen專屬函數的返回值不是常數，而gen生成的變量值則是一個變動值(running value)。

3.案例分析

下面，我們通過一個簡單的例子來驗證上述異同點。

現有兩個家庭：第一個家庭是一個三口之家，父親、母親、女兒的年齡分別是44、41、20歲;第二個家庭三代同堂，祖父祖母為83、85歲，父親母親為45、44歲，兒子24歲，孫女3歲。

插入input命令，把兩個家庭的把相關數據寫入stata數據集：

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數據集：

(1)生成一個新變量sex：使其等于gender并以“1 `男’ 0 `女’”的值標簽顯示。

label define sexlb 1 “男” 0 “女”gen sex:sexlb = gender

運行結果如下圖所示，表明gen命令能夠在創建新變量的同時賦予已定義的值標簽，但egen沒有該功能。

(2)生成個人id變量：為每個家庭成員編碼，比如第一個家庭中父親的編碼為11，第二個家庭中祖父的編碼為21。

*嘗試用gen生成：

bysort hid: gen idg = hid*10+_n

運行結果如下，各成員編碼正確。

*嘗試用egen生成：

bysort hid: egen ide = hid*10+_n

運行出現錯誤。顯然，egen無法使用運算符，只能使用其專屬的函數來計算生成變量值。

(3)生成AgeRank變量:以家庭為單位，對家庭成員按年齡升序排序;生成hsize變量：計算每個家庭的人口數。

*使用gen生成：

bysort hid (age): gen AgeRankg = _n //使用bysort對hid分組并排序，(age)表示age不參與分組，僅參與家庭內部的排序。bysort hid: gen hsizeg = _N

運行結果如下圖所示，第一個家庭為3人，第二個家庭為6人。

*使用egen生成：

bysort hid (age): egen AgeRanke = _nbysort hid :egen hsizee = _N

運行出錯，表明egen無法使用_n和_N。

(4)生成mean變量：計算每個家庭的平均年齡。

*使用gen創建新變量：

bysort hid: gen meang = mean(age)

運行出錯，表示gen無法使用egen專屬函數。

*使用egen創建新變量：

bysort hid: egen meane = mean(age)

運行結果如圖所示，這表明egen的一些函數可以搭配by前綴使用。

(5)生成IncomeSum變量：計算兩個家庭的總收入。

gen IncomeSumg = sum(income)egen IncomeSume = sum(income)

運行結果如下圖所示。

特別地，目前僅發現sum()函數能夠同時被gen和egen使用。利用gen命令，使用sum()函數生成的IncomeSumg是列累積和，比如IncomeSumg[2]=income[1]+ income[2] ，是一個變動值(running value)，而在egen命令下sum()返回的則是列總和，IncomeSume的每一個變量值都等于income變量值的總和(即44000=5000+8000+9000+0+4000+8000+6000+2000+2000)，是一個常數(constant)。

實際上，sum()作為一個常規數學函數，并不屬于egen專屬函數，并且egen專屬函數中的total()函數功能與sum()完全一致——返回列總和。這個矛盾我們目前尚無答案，讀者朋友們如有合理的想法請在評論區告訴我們唷~4.結論

綜合上述分析，我們能夠得到啟示：使用gen命令創建新變量是一種“相對”創建，比如，現要求生成一個新變量，個人年收入incomey：

gen incomey = income*1

這個命令的實質是，創建一個新變量incomey，使得：

incomey[1] = income[1]*12incomey[2] = imcome[2]*12…incomey[_N] = income[_N]*12

而egen的某些專屬函數的參數往往是某一整行或某一整列，比如計算兩個家庭的月收入均值，月收入的下四分位數：

egen meani = mean(income)egen pctile4 = pctile(income),p(25)

其中，income是作為收入總和(即44000)參與計算的，這與gen命令有顯著的不同。

當然，egen還有許多其他專屬函數，比如anycount()、anymatch()等使用“相對”創建方法的專屬函數，也有rowfirst()、rowmax()等對每行進行匹配和判斷的函數……總之，當你想創建一個以整行或整列的特征為結果或判斷、匹配條件時就可以考慮使用egen命令啦。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。