请求将指定Stata命令转换为R代码以复现回归分析

原Stata命令逻辑拆解 #

1. 数据聚合（collapse命令） #

• 分组依据：city、id、sic、after四个变量
• 聚合规则：
  • varA：取分组内最大值
  • 以下变量取分组内均值：VarB、one、two、three、four、five、p、rel、所有以ww开头的变量、所有以aa开头的变量、r_wk

2. 数据清洗命令 #

• 将year变量转换为整数类型
• 当emp变量缺失时，把lemp设为-99
• 删除已存在的lempm变量（如果有），再生成新的lempm变量：lemp等于-99时为TRUE，否则为FALSE

对应的R代码实现（使用dplyr包） #

先安装并加载dplyr：

# 安装dplyr（未安装时执行）
install.packages("dplyr")
# 加载dplyr
library(dplyr)

1. 数据聚合（对应Stata的collapse） #

df_aggregated <- df %>%
  group_by(city, id, sic, after) %>%
  summarise(
    varA = max(varA, na.rm = TRUE),  # 取最大值，忽略缺失值
    # 单个变量取均值
    across(c(VarB, one, two, three, four, five, p, rel, r_wk), ~mean(.x, na.rm = TRUE)),
    # 所有以ww开头的变量取均值
    across(starts_with("ww"), ~mean(.x, na.rm = TRUE)),
    # 所有以aa开头的变量取均值
    across(starts_with("aa"), ~mean(.x, na.rm = TRUE)),
    .groups = "drop"  # 聚合后取消分组状态
  )

注：na.rm = TRUE对应Stata默认处理缺失值的逻辑，若原命令不需要忽略缺失值，可删除该参数。

2. 转换year为整数 #

df_aggregated <- df_aggregated %>%
  mutate(year = as.integer(year))

3. 处理lemp与生成lempm #

df_aggregated <- df_aggregated %>%
  mutate(
    lemp = ifelse(is.na(emp), -99, lemp),  # emp缺失时将lemp设为-99
    lempm = lemp == -99  # 生成lempm变量
  )

注：R中mutate会直接覆盖已存在的lempm变量，等效于Stata的cap drop + gen操作。

完整整合代码 #

install.packages("dplyr")
library(dplyr)

# 一站式完成聚合+清洗
df_aggregated <- df %>%
  group_by(city, id, sic, after) %>%
  summarise(
    varA = max(varA, na.rm = TRUE),
    across(c(VarB, one, two, three, four, five, p, rel, r_wk), ~mean(.x, na.rm = TRUE)),
    across(starts_with("ww"), ~mean(.x, na.rm = TRUE)),
    across(starts_with("aa"), ~mean(.x, na.rm = TRUE)),
    .groups = "drop"
  ) %>%
  mutate(year = as.integer(year)) %>%
  mutate(
    lemp = ifelse(is.na(emp), -99, lemp),
    lempm = lemp == -99
  )

内容的提问来源于stack exchange，提问作者Phil