一、缘起
1，问题
经常碰到一些经典的案例讲解变量的逻辑关系，没有原数据只有汇总后的集合数据，或者原数据就是集合数据，例如R自带的Titanic数据集。这对于习惯于处理个体数据集的人来说，模拟训练有点麻烦。
例如，辛普森悖论中的经典例子。
| 学院 | 女生 | 女生 | 女生 | 男生 | 男生 | 男生 | 合计 | 合计 | 合计 |
|---|---|---|---|---|---|---|---|---|---|
| 申请 | 录取 | 录取率 | 申请 | 录取 | 录取率 | 申请 | 录取 | 录取率 | |
| 商学院 | 100 | 49 | 49% | 20 | 15 | 75% | 120 | 64 | 53.30% |
| 法学院 | 20 | 1 | 5% | 100 | 10 | 10% | 120 | 11 | 9.20% |
| 总计 | 120 | 50 | 42% | 120 | 25 | 21% | 240 | 75 | 31.30% |
虽然可以手工进行表格的重组，但是我希望能把它转成个体数据集，从而可以进行多种统计方法的模拟训练。
2，尝试
- 函数
runiform()系列，能生成随机数。我不知道如何利用它按比例随机抽取样本。 - 命令
sample，能随机抽取样本，但是它会把其他样本删除。 - 命令
reshape，长宽表转换，却没法把集合数据展开成个体数据。
二、splitsample命令
在从网上搜索不到解决办法之后，我开始重回检索STATA的操作手册。
- 首先我相信STATA应该有相关的命令。
- 我判断我要找的命令应该和命令
sample、reshape同属一类，在同一本操作分册中。 - 浏览【D】册（Data Management）的命令目录，查看可能的命令。
哈哈，还真让我找到了解决我的问题的命令splitsample。
语法
splitsample — Split data into random samples
splitsample [varlist] [if] [in], generate(newvar [, replace]) [options]
常见用法
- 基础命令。数据随机分成两半，生成新的样本ID变量，其值默认赋为1和2。
splitsample, gen(svar)
- 如上，但用选项
values()改变赋值。
splitsample, gen(svar) values(0 1)
- 数据随机3等分，其值默认为1,2和3。选项
nsplit(#)设置几等分。
splitsample, gen(svar) nsplit(3)
- 按比例（proportions）随机切分数据。选项
split()设置各组比例。
# 第1组样本占25%，第二组占25%，第三组占50%
splitsample, gen(svar) split(0.25 0.25 0.5）
- 按比（ratios）随机切分数据。同样使用选项
split()。
#按1：1：2的比值切分数据
splitsample, gen(svar) split(1 1 2)
- 在指定变量各组中保持切分的比例或比值一致，使用选项
balance()。
#各年龄组和性别组的切分比值一致。
splitsample, gen(svar) split(1 1 2) balance(agegrp gender)
三、实例
# 设定样本量
set obs 240
set seed 1234
# 第一步，从性别开始赋值。这一步最好做。男女各120人。
gen sex=1
replace sex=0 in 1/120
label def sex 0 "女" 1 "男" # 定义性别标签
label values sex sex #给性别变量sex赋标签
#也可以直接使用splitsample命令
splitsample, gen(gender) values(0,1)
# 男生报考法学院和商学院的比值为5：1
splitsample if sex==1, gen(school) split (5 1) values (0, 1)
# 女生报考法学院和商学院的比值为1：5
splitsample if sex==0, gen(school1) split (1 5) values (0, 1)
# 将分别生成的学院变量合并
replace school=school1 if school==.
label def school 0 "法学院" 1 "商学院" #定义学院标签
label values school school # 给学院变量school赋标签
tab school sex
# 由于两性报考学院的比值正好颠倒，所以也可以用另一种处理办法
splitsample, gen(college) split (1 5) values (0, 1) balance(sex)
recode college (0=1) (1=0) if sex==1
# 根据录取率生成录取变量。
# 录取率由于有四种情况，所以根据四种情况分别生成对应的录取变量
splitsample if sex==0 & school==0, gen(pass) split(0.95 0.5) values(0, 1)
splitsample if sex==0 & school==1, gen(pass1) split(0.51 0.49) values(0,1)
splitsample if sex==1 & school==0, gen(pass2) split(0.25 0.75) values(0,1)
splitsample if sex==1 & school==1, gen(pass3) split(0.9 0.1) values(0,1)
# 然后再合并成一个录取变量pass
replace pass=pass1 if sex==0 & school==1
replace pass=pass2 if sex==1 & school==1
replace pass=pass3 if sex==1 & school==0
# 根据个体数据集，重构列联表
table (pass) (school sex)
table () (school sex), stat(fvpercent pass)
#logit回归
logit pass sex
logit pass school
logit school sex
logit pass school sex
