Stata按国家-年份分组计算子组最值并生成差值变量

原代码失效原因 #

问题出在if条件的作用范围上：

• 把if判断写在egen命令尾部时，筛选规则同时限制了「参与计算的样本」和「写入结果的样本」：写bysort year country: egen smalloranges = min(oranges) if type == 1时，只有type==1的观测会参与最小值计算，同时也只有这些观测会被赋计算结果，同组里type不等于1的观测，smalloranges会是系统缺失值。
• 同理bigoranges只会在type==0的观测上有有效值，其余观测全是缺失值，自然算不出全组统一的distance。

正确实现代码 #

核心调整是把筛选子组的逻辑放到egen的计算函数内部，用cond()条件函数指定哪些值参与最值计算，删掉命令尾部的if判断，这样算出来的结果会自动填充到整个分组的所有观测上：

* 计算各国家-年份分组下type=1子组的oranges最小值，全组所有观测填充相同值
bysort country year: egen smalloranges = min(cond(type == 1, oranges, .))
* 计算各国家-年份分组下type=0子组的oranges最大值，全组所有观测填充相同值
bysort country year: egen bigoranges = max(cond(type == 0, oranges, .))
* 生成两个最值的差值变量distance
gen distance = bigoranges - smalloranges

提示：Stata不支持变量名包含括号、等号这类特殊字符，如果你需要输出名为min(type=1)、max(type=0)的字段，建议在导出Excel/CSV结果时再修改列名，计算过程用合规的英文字段名即可避免运行报错。

结果校验 #

运行完可以按以下规则确认结果符合要求：

• 同一国家同一年份的所有观测，smalloranges、bigoranges、distance三个字段取值完全一致
• 任意分组的smalloranges等于该组所有type=1观测的oranges最小值，不会混入type=0的样本
• 任意分组的bigoranges等于该组所有type=0观测的oranges最大值，不会混入type=1的样本

内容的提问来源于stack exchange，提问作者blackmamba