Stata大样本中统计ID出现频次的频次方法问询

针对百万级规模的数据集，无法通过tabulate命令直接统计ID的出现频次分布时，可通过以下步骤生成你需要的「出现N次的ID数量」统计表格：

步骤1：确保ID为字符串类型（可选但重要） #

如果你的ID包含前导零（如示例中的0011003），需先将数值型ID转换为字符串，避免前导零丢失：

tostring ID, replace format(%07s) // 这里的%07s表示保留7位字符，可根据实际ID长度调整

步骤2：计算每个ID的出现次数 #

通过分组排序生成每个ID的出现次数变量：

bysort ID: gen id_count = _N

步骤3：统计频次分布 #

使用collapse命令直接生成「出现次数-对应ID数量」的统计结果，这是处理大样本最高效的方式：

collapse (count) freq=ID, by(id_count)

执行完上述命令后，数据集会变成两列：

• id_count：对应你需要表格中的Count列（即ID出现的次数）
• freq：对应Freq列（即出现该次数的ID总数）

如果需要更直观的查看格式，可执行：

label variable id_count "Count"
label variable freq "Freq"
list, clean noobs

比如针对你的示例数据，执行后会得到：

对应到大规模数据集，就会生成你需要的百万级统计结果。

内容的提问来源于stack exchange，提问作者user8098993