Stata箱线图如何在对应分组顶部添加样本量标注

Stata的graph box本身不支持自动在分组顶部展示样本量，原代码中写入的bar(samplesize)是条形图（graph bar）的专属选项，放在箱线图代码中会被Stata直接忽略。通过「预计算分组统计值+叠加精准位置文本标注」的方式，可完全匹配双over分组的坐标位置，实现对应分组顶部标注样本量的需求，具体可运行操作如下：

• 第一步：预计算每组的标注坐标与文本
  先按照绘图的分组维度，计算每个交叉组的样本量、组内因变量最大值，自动匹配绘图时的x轴位置，全程不需要手动数分组位置：

preserve
* 按两个over分组维度，计算各组样本量、组内因变量最大值
collapse (count) n_obs = igg1ugml_log10 ///
        (max) y_group_max = igg1ugml_log10, ///
        by(female_sex age_groups)
* 排序规则必须和绘图代码中over的顺序完全一致，避免标注错位
sort female_sex age_groups
* 自动生成每个组对应的x轴坐标（Stata双over分组的x轴从左到右依次排序）
gen x_pos = _n
* 计算标注的y轴位置：在组内最大值上方留固定偏移，不遮挡箱线元素
gen y_label = y_group_max + 0.15
* 生成标注文本，可按需调整格式
gen label_content = "n = " + string(n_obs, "%9.0f")
* 保存标注数据为临时文件，供绘图调用
save "group_label_temp.dta", replace
restore

• 第二步：修改绘图代码叠加标注
  移除原代码中无效的bar(samplesize)选项，适当拉高y轴范围给顶部标注留足空间，通过addplot功能叠加预先算好的标注：

graph box igg1ugml_log10, over(female_sex) over(age_groups) ///
    graphregion(color(white)) /// 
    title(Anti-EPEC IgG1 (ug/ml) in boys and girls) asyvars ///
    ylabel(2.69897 "500" 3 "1,000" 3.3 "2000" 3.69 "5000" 3.95 "9000") ///
    yscale(range(2.5 4.2))  // 扩大y轴上限，防止顶部标注被截断
    /// 叠加样本量标注
    addplot using "group_label_temp.dta", ///
        text(y_label x_pos label_content, size(small) place(n)) ///
        legend(off)

• 实操调整提示
  • 命令安装：如果运行addplot提示命令不存在，可输入ssc install addplot, replace完成安装
  • 位置对齐：计算x_pos时的排序顺序，必须和over()选项的排列顺序一致，否则标注会错位到相邻分组上方
  • 偏移调整：y轴偏移量（代码中的0.15）可根据实际数据范围修改，保证文字不遮挡箱线、上须或离群值
  • 版本兼容：该方法适配所有Stata主流版本，不需要依赖高版本的专属功能

内容的提问来源于stack exchange，提问作者Carol Rizkalla