Stata面板数据中按机构统计员工人数的技术咨询

你遇到的问题其实很常见——因为你的数据每行对应发薪周期，同一个员工会在所属机构下重复出现多次，直接用egen count(employee), by(agency)统计的是该机构的总发薪周期行数，而非不重复的员工数量。下面给你两种靠谱的解决方法：

方法1：用distinct命令（Stata 13及以上版本适用） #

这是最直接的方式，distinct函数可以直接统计分组内不重复的观测值数量：

egen employeecount = distinct(employee), by(agency)

这条命令会在每个机构组内，自动统计不重复的employeeID数量，完美得到你要的员工总数。

方法2：标记员工首次出现后求和（兼容所有Stata版本） #

如果你的Stata版本较低不支持distinct，可以先标记每个员工在所属机构中的首次出现，再通过求和得到员工数：

1. 先按机构+员工排序，标记每个员工的第一行数据：

bysort agency employee: gen first_occurrence = (_n == 1)

这里first_occurrence变量在每个员工的第一行取值为1，其余行取值为0。
2. 然后按机构对这个标记变量求和，得到该机构的员工总数：

egen employeecount = sum(first_occurrence), by(agency)

额外提醒 #

要确保你的数据中，每个employeeID只对应一个agency（即员工不会跨机构任职）。如果存在员工跨机构的情况，你需要先明确统计逻辑：是按员工当前所属机构统计，还是按发薪周期对应的机构分别统计，再调整上述命令。

内容的提问来源于stack exchange，提问作者mimirose