使用Stata的egen命令按年度和州计算获奖者占比的合理性咨询

架构老林

2026-8-15

你的Stata代码完全可行

你的思路精准匹配需求：

二元变量award_winner的均值就是该组内获奖者的占比（均值=获奖企业数/组内总企业数），用egen mean()计算完全能得到你要的「每年各州获奖者占比」。
by state year_dummy*的分组方式，能准确按「州+年度」划分样本，生成对应组内的占比变量。

简化代码：bysort可以替代单独的sort命令，合并后更简洁：
```
bysort state year_dummy*: egen winner_bystate_year = mean(award_winner)
```
小样本快速验证：不用全量手动检查，抽局部样本验证即可：
- 提取某州某一年的子样本：keep if state=="XX" & year_dummy_2020==1（替换为你的实际变量值）
- 手动算占比：用count if award_winner==1和count分别得到获奖数和总企业数，计算比值
- 用summarize winner_bystate_year查看该子样本的变量均值，和手动计算结果对比是否一致
批量交叉验证：用tabstat命令按分组统计，和egen生成的结果交叉核对：
```
tabstat award_winner, by(state year_dummy*) stats(mean)
```
输出的均值会和winner_bystate_year的组内值完全匹配。