Stata bootstrap命令估算nlsw88数据集hours变量中位数标准差时返回空值且缺失统计值的问题咨询

我之前也碰到过类似的情况，这大概率是因为hours变量的取值过于集中（比如nlsw88数据里大量观测的hours都是40），导致bootstrap抽样的绝大多数子样本中位数完全一致，或者summarize ... detail的r(p50)在重复抽样时没被Stata正确捕获统计量的变异。

问题分析 #

你提到wage变量能正常运行，是因为wage是连续型变量，每个bootstrap子样本的中位数几乎不会完全相同，统计量的变异能被正常计算；但hours是整数且取值高度集中，很多子样本的中位数都是同一个值，这会让Stata在计算标准差时出现异常（返回空值）——哪怕你修改了变量存储类型也没用，核心问题是取值分布，不是存储类型。

解决方案：换一种更稳定的中位数计算方式 #

别再用summarize ... detail来获取中位数了，改用_pctile命令，或者自定义一个计算中位数的小程序，让bootstrap能稳定捕获统计量。

方法1：直接用_pctile命令

sysuse nlsw88, clear
bootstrap r(p50), nodots: _pctile hours, p(50)

_pctile是Stata专门用于计算分位数的命令，它返回的r(p50)会更稳定，哪怕子样本中位数重复，也能正确计算标准差（如果所有子样本中位数都相同，标准差会显示为0，而不是空值）。

方法2：自定义计算中位数的程序

如果需要更灵活的控制，可以写一个小程序来计算中位数，再用bootstrap调用：

sysuse nlsw88, clear
* 定义计算中位数的程序
program define get_median
    args var
    summarize `var', detail
    return scalar median = r(p50)
end
* 调用bootstrap
bootstrap r(median), nodots: get_median hours

这种方式能确保每次抽样都正确捕获中位数，避免summarize命令在bootstrap环境下的潜在问题。

验证变量分布 #

你可以先查看hours的分布，确认取值集中的情况：

sysuse nlsw88, clear
tab hours
summarize hours, detail

你会发现hours的中位数是40，且大量观测都是40，这就是bootstrap返回空值的核心原因——统计量几乎没有变异。

内容的提问来源于stack exchange，提问作者Ellie.B