Stata中如何为Steam硬核/休闲玩家子组正确聚合总游戏时长？

问题原因 #

你当前使用的egen playtime_type = sum(playtime_sum), by(hightype)结果不符合预期，核心问题是数据集存在重复的用户记录：同一个steamid（用户）对应多条游戏记录，且每条记录的playtime_sum是该用户的总游戏时长（而非单游戏时长），直接求和会重复计算同一用户的时长，导致分组总和被错误放大。

比如你的示例中，用户76561197960265730出现3次，每次playtime_sum都是45，原命令会把45累加3次，但实际上该用户的总时长只应统计1次。

解决方法 #

根据你的数据结构，提供两种可行方案：

方案1：先去重再计算分组总和 #

先保留每个用户的唯一记录（同一用户的playtime_sum和hightype一致），再按玩家类型求和：

// 去除重复的用户记录，保留每个steamid的唯一行
duplicates drop steamid, force

// 为每条记录生成对应玩家类型的总时长（保留原数据结构）
egen total_playtime_by_type = sum(playtime_sum), by(hightype)

// 或者直接生成仅包含分组总和的汇总表（若不需要原数据）
collapse (sum) total_playtime=playtime_sum, by(hightype)

方案2：先计算用户总时长再分组求和（若playtime_sum是单游戏时长） #

如果playtime_sum是单游戏的游玩时长（而非用户总时长），需要先计算每个用户的总时长，再按玩家类型聚合：

// 计算每个用户的总游戏时长
bysort steamid: egen user_total_playtime = sum(playtime_sum)

// 去除重复用户记录
duplicates drop steamid, force

// 按玩家类型求和（保留原数据结构）
egen total_playtime_by_type = sum(user_total_playtime), by(hightype)

// 或者直接生成汇总表
bysort steamid: egen user_total_playtime = sum(playtime_sum)
collapse (sum) total_playtime=user_total_playtime, by(hightype)

验证结果 #

以你的示例数据为例，方案1执行后，hightype=0的总时长应为0 + 45 + 1710 + 11 = 1766，这才是该类型玩家的真实总游戏时长总和。

内容的提问来源于stack exchange，提问作者Ji Xu