在Stata中使用svy前缀比较两变量均值（不使用ttest）

问题描述 #

我在处理调查数据时需要比较两个变量的均值，由于是调查数据必须应用权重，必须使用svy前缀，因此无法直接依赖Stata的ttest命令，需要复刻以下两个命令的结果：

ttest bcg_vaccinated == chc_bcg_vaccinated_2, unpaired
ttest bcg_vaccinated == chc_bcg_vaccinated_2

变量说明：

• bcg_vaccinated：自我报告的BCG疫苗接种状态
• chc_bcg_vaccinated_2：通过儿童健康卡核实的BCG接种状态（缺失值代表儿童无健康卡，0=未接种，1=已接种）

两个变量的非缺失观测数不同，配对t检验的解决方案已找到：生成差值变量后做回归，仅保留两变量均非缺失的观测，代码如下：

gen test_diff = bcg_vaccinated - chc_bcg_vaccinated_2 
regress test_diff

但无法实现第一个命令的全样本独立样本均值比较，求解决方法。

示例数据 #

clear
input byte bcg_vaccinated float chc_bcg_vaccinated_2
0 .
1 0
1 1
1 1
1 0
0 .
1 1
1 1
1 1
1 0
0 .
1 1
1 1
0 .
1 1
1 1
1 0
0 .
1 0
1 0
1 0
0 .
0 .
1 1
0 .

解决方案 #

要复刻ttest ..., unpaired的全样本均值比较（支持svy权重），可以通过以下两种方法实现：

方法1：转换为长格式后用svy: mean+检验 #

* 生成唯一观测标识
gen id = _n
* 转换为长格式，保留所有非缺失观测
reshape long _, i(id) j(var_type) string
rename _ bcg_status
* 给分组变量添加标签，区分两个原始变量
label define var_type 1 "bcg_vaccinated" 2 "chc_bcg_vaccinated_2"
label values var_type var_type

* 带权重计算两组均值
svy: mean bcg_status, over(var_type)
* 检验两组均值是否相等（对应unpaired ttest的核心检验）
test [bcg_status]var_type=1 = [bcg_status]var_type=2

方法2：构造虚拟变量用回归实现 #

无需转换数据格式，直接合并变量并构造分组标识：

* 生成合并后的接种状态变量和分组标识
gen bcg_combined = .
gen is_card_verified = 0
replace bcg_combined = bcg_vaccinated if missing(chc_bcg_vaccinated_2)
replace is_card_verified = 1 if !missing(chc_bcg_vaccinated_2)
replace bcg_combined = chc_bcg_vaccinated_2 if is_card_verified == 1

* 带权重回归，分组变量系数反映两组均值差异
svy: regress bcg_combined i.is_card_verified
* 检验两组均值是否相等（即分组变量系数是否为0）
testparm i.is_card_verified

两种方法都能保留所有非缺失观测，完美复刻ttest ..., unpaired的结果，且支持svy前缀应用调查权重。

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