我們知道要如何建立dummy variable，基本上範圍都是在同一個observation，將特定某一或幾個欄位做處理。但是，如果你同一個人，有好幾個observation，你想要加總這些observation的某欄位，該怎麼辦？拿下面的例子來說，aid是文章流水號，sid是學生流水號。欄位1、2、3、4是我想要看的東西，是不同種類的修辭，裡面的值代表該修辭在該篇文章出現幾次。每一個學生寫的文章量不同，我想要計算學生文章總數，以及使用各修辭的總次數。
| aid | sid | number | TW | 1 | 2 | 3 | 4 |
| 1 | 1 | 1 | 1 | | 1 | | |
| 2 | 1 | 2 | 1 | | 1 | | |
| 3 | 1 | 3 | 1 | | 1 | | |
| 4 | 1 | 4 | 1 | | | | |
| 5 | 1 | 5 | 1 | | 1 | | |
| 6 | 2 | 1 | 1 | | 1 | | |
| 7 | 2 | 2 | 1 | | 1 | | 1 |
| 8 | 2 | 3 | 1 | | | | 1 |
| 9 | 2 | 4 | 1 | | | | 1 |
| 10 | 2 | 5 | 1 | | 1 | | |
| 11 | 2 | 6 | 1 | | 1 | | 1 |
換句話說，我想要得到這樣的結果：
sid number TW 1 2 3 4
1 5 1 0 4 0 0
2 6 1 0 4 0 4
number我要得到的是每個人寫幾篇文章，也就是count，欄位1、2、3、4要得到的是此學生使用修辭1、2、3、4的加總。這問題困擾了我很久，甚至直接拿出access來加總 (汗)，後來總算在stata找到解決方案。
要使用的指令就是collapse。collapse的用處就是將資料整合起來，依stata說明的解釋是make dataset of summary dataset，也就是跟我們想要做的一樣。
我要依sid將資料整合起來，所以指令最後是加上, by (sid)。要collapse的欄位最重要的是欄位1至4，要加總，所以整行的語法像是：
collapse (sum) 1 2 3 4, by (sid) 如果有的地方要sum，有的地方要count，那語法就會變成： collapse (sum) 1 2 3 4 (count) number, by (sid) 網友阿豆仔提問：如果資料是像這樣的，像要照id 和type加總，
id type income
1 1 200
1 1 100
1 2 50
2 1 100
2 1 200
2 3 150
並得到像這樣的結果：
id type income
1 1 300
1 2 50
2 1 300
2 3 150
該怎麼辦呢？
小小修改一下code就行： collapse (sum) income, by (id type)
如果是要看frequency和percentage，那要用的是contract。我暫時用不到，所以留待以後再研究。
標籤： 統計分析