如何在Stata中按组计算多ID组合的Value总和并生成组合标识

原始数据集 #

Group ID Value
    1 A 10
    1 B 15
    1 C 20
    2 D 10
    2 E 25

需求说明 #

• 按Group分组，每个组内生成所有包含2个及以上ID的组合（例如Group 1需生成AB、AC、BC、ABC）
• 计算每个组合对应的Value总和
• 每条原始记录需对应所属的所有组合，生成Tuple（组合标识）和Sum（总和）字段

期望输出 #

Group ID Value Tuple Sum
    1 A 10 AB 25
    1 B 15 AB 25
    1 A 10 AC 30
    1 C 20 AC 30
    1 B 15 BC 35
    1 C 20 BC 35
    1 A 10 ABC 45
    1 B 15 ABC 45
    1 C 20 ABC 45

实现步骤 #

1. 自动生成所有有效组合并合并数据 #

无需手动计算expand行数，用循环和交叉合并自动处理：

* 保存原始数据副本
preserve

* 新建临时文件存储各分组的组合信息
tempfile combos
clear
save `combos', emptyok

* 遍历每个Group
levelsof Group, local(groups)
foreach g of local groups {
    * 获取当前Group的所有ID
    levelsof ID if Group == `g', local(ids)
    local id_count : word count `ids'
    
    * 生成2到id_count个元素的所有组合
    forvalues k=2/`id_count' {
        comb `ids', k(`k') // Stata自带组合生成命令
        gen Group = `g'
        rename comb Tuple
        append using `combos'
        clear
    }
}
save `combos', replace

* 恢复原始数据，按Group交叉合并组合信息
restore
ssc install crossjoin // 若未安装crossjoin命令先执行此句
crossjoin using `combos', by(Group)

* 仅保留ID属于对应组合的记录
gen in_tuple = strpos(Tuple, ID) > 0
keep if in_tuple
drop in_tuple

2. 计算每个组合的Value总和 #

* 按Group和Tuple分组计算总和
bysort Group Tuple: egen Sum = total(Value)

补充提示 #

• 如果ID包含特殊字符（如空格、数字），可将strpos替换为正则匹配确保完整匹配：gen in_tuple = regexm(Tuple, "\b" + ID + "\b")

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