如何从变量中抽样一个项目

Question

我有一个很大的不平衡面板数据集，如下所示：

clear

input year id income
2003 513 500
2003 517 500
2003 518 100
2003 525 900
2003 528 800
2003 531 0
2003 532 300
2003 534 600
2004 513 1000
2004 517 120
2004 523 300
2004 525 700
2004 528 800
2004 531 200
2004 532 600
2004 534 100
end

我想通过 id 随机抽样一些人。 id 范围在正自然数（最小值 513 和最大值 287321 之间有差距，但有一些面板丢失，即 514、515、516).

我需要保留数据的面板特征。因此，如果选择了随机 ID，则必须保留任何年份 ID 组合。我不需要数据的随机样本（既不是 10% 也不是 10 个观察值）。相反，我对我的 id-column/variable 中的一个随机 ID 号码感兴趣，它以一种我可以随后使用它的方式存储。

因此，我正在寻找像 "pick one random value out of the given set of values from column ID" 这样的命令。我随后想在命令中使用这个随机选择的 id，例如：

xtline income if id==X

应该显示全年的随机收入 person/ID X.

Answer 1

获得所需内容的一种方法是：

clear

input year id var
2003 513 5
2003 517 5
2003 523 6
2003 525 9
2003 528 8
2003 531 0
2003 532 3
2003 534 6
2004 513 10
2004 517 12
2004 523 3
2004 525 7
2004 528 8
2004 531 2
2004 532 6
2004 534 1
end

bysort year (id): sample 3, count

list, sepby(year)

     +------------------+
     | year    id   var |
     |------------------|
  1. | 2003   523     6 |
  2. | 2003   534     6 |
  3. | 2003   531     0 |
     |------------------|
  4. | 2004   517    12 |
  5. | 2004   523     3 |
  6. | 2004   532     6 |
     +------------------+

要对 10% 进行采样，您需要去掉 count 选项：

bysort year (id): sample 10

编辑：

要在所有个面板中随机 select 相同的观察结果：

set seed 12345
generate random = runiform()
bysort id: replace random = random[1]
keep if random < 0.1

sort year (id)
list, sepby(year)

     +-----------------------------+
     | year    id   var     random |
     |-----------------------------|
  1. | 2003   523     6   .0039323 |
  2. | 2003   532     3   .0286627 |
     |-----------------------------|
  3. | 2004   523     3   .0039323 |
  4. | 2004   532     6   .0286627 |
     +-----------------------------+

Answer 2

这没有得到很好的解释，至少一开始是这样，但我认为你想 select 随机显示面板。 select 下面的方法首先随机观察，然后将任何 select 离子扩展到每个整个面板。它不考虑任何面板中的观察数量。用 -1 标记 selection 只是一个小装置，因此 selected 观察结果可以提前排序。幻数 5——替换为任意幻数的面板——是面板的数量selected（不是百分比），这就是你所要求的。

clear
input float(year id income)
2003 513  500
2004 513 1000
2003 517  500
2004 517  120
2003 518  100
2004 523  300
2003 525  900
2004 525  700
2003 528  800
2004 528  800
2003 531    0
2004 531  200
2003 532  300
2004 532  600
2003 534  600
2004 534  100
end

list, sepby(id) 

     +---------------------+
     | year    id   income |
     |---------------------|
  1. | 2003   513      500 |
  2. | 2004   513     1000 |
     |---------------------|
  3. | 2003   517      500 |
  4. | 2004   517      120 |
     |---------------------|
  5. | 2003   518      100 |
     |---------------------|
  6. | 2004   523      300 |
     |---------------------|
  7. | 2003   525      900 |
  8. | 2004   525      700 |
     |---------------------|
  9. | 2003   528      800 |
 10. | 2004   528      800 |
     |---------------------|
 11. | 2003   531        0 |
 12. | 2004   531      200 |
     |---------------------|
 13. | 2003   532      300 |
 14. | 2004   532      600 |
     |---------------------|
 15. | 2003   534      600 |
 16. | 2004   534      100 |
     +---------------------+

bysort id : gen byte first = -(_n == 1)
set seed 1776
gen rnd = runiform()
sort first rnd
gen wanted = _n <= 5
bysort id (wanted) : replace wanted = wanted[_N]
sort id year

list id year if wanted, sepby(id)

     +------------+
     |  id   year |
     |------------|
  7. | 525   2003 |
  8. | 525   2004 |
     |------------|
  9. | 528   2003 |
 10. | 528   2004 |
     |------------|
 11. | 531   2003 |
 12. | 531   2004 |
     |------------|
 13. | 532   2003 |
 14. | 532   2004 |
     |------------|
 15. | 534   2003 |
 16. | 534   2004 |
     +------------+

如何从变量中抽样一个项目

How to sample an item from a variable

random

select

sample

subset

stata