如何在Stata中结合人口权重与Bootstrapping计算分位数？

方法一：按年份分组直接使用Bootstrap命令 #

Stata的bootstrap命令支持结合权重与分组操作，可直接基于加权分位数结果执行Bootstrap抽样，步骤如下：

运行以下代码，指定Bootstrap重复次数（建议至少1000次）、随机种子（保证结果可复现），并按year分组计算：

bootstrap p10=r(p10) p90=r(p90) p95=r(p95) p99=r(p99), by(year) reps(1000) seed(1234) nowarn: summarize income, detail [iweight=wg]

• by(year)：对每个年份的观测独立执行Bootstrap抽样
• reps(1000)：设置Bootstrap重复抽样次数，数值越大结果越稳定
• seed(1234)：固定随机种子，确保结果可重复
• summarize income, detail [iweight=wg]：带权重计算分位数，r(p10)等为命令返回的分位数结果

运行后会输出每个年份各分位数的Bootstrap估计值、标准误及置信区间。

方法二：自定义程序批量处理所有年份 #

如果需要更灵活的结果输出格式，可以自定义程序计算所有年份的加权分位数，再用bootstrap包裹执行：

1. 定义计算分位数的程序：

program define weighted_yearly_quantiles, rclass
    collapse (p10) p10=income (p90) p90=income (p95) p95=income (p99) p99=income [iweight=wg], by(year)
    // 将每个年份的分位数以标量形式返回
    forvalues i = 1/`=_N' {
        local current_year = year[`i']
        return scalar p10_`current_year' = p10[`i']
        return scalar p90_`current_year' = p90[`i']
        return scalar p95_`current_year' = p95[`i']
        return scalar p99_`current_year' = p99[`i']
    }
end

2. 执行Bootstrap抽样：

bootstrap, reps(1000) seed(1234): weighted_yearly_quantiles

3. 后续可通过estimates命令导出结果，或手动整理返回的标量值。

注意事项 #

• 权重适配：你的代码使用iweight（频数权重），Stata的bootstrap会自动按权重对应的频数进行有放回抽样，符合加权Bootstrap的逻辑。
• 计算效率：reps()数值越大计算时间越长，可根据需求调整，最低建议不低于500次。

内容的提问来源于stack exchange，提问作者mostlyharmless563