STATA 的排序與群組別操作
群組別操作
事前準備：排序
如果有別的程式經驗的話，群組別的操作常常需要花上不少力氣，但在 STATA 中，只要利用 prefix by 就可以輕鬆完成這項任務。 by <varlist>: <command> 可以讓我們依 <varlist> 的值分組別執行 <command>。請注意，並非所有指令都能搭配 by 使用，另外，在使用 by 之前，需要先將變數進行 sorting。Sorting 的指令相當簡單，以下簡單地介紹：
sort <varlist>可以讓樣本點依照<varlist>進行升冪（numeric）或字母別（alphabetical）的排序。gsort (+/-)<var> (+/-)<var> …, gen(<var>) mfirst是一個更一般化的 sorting，透過在變數<var>前方加上正負號可以設定排序方向。optiongen(<var>)可以生成變數<var>作為排序順序的 index，而 optionmfirst可以設定是否將 missing 排在最前方。
Sorting 時需要特別留意 sorting 的過程是否 stable（排序結果是確定 deterministic 的），以及後續的指令是否會因此而受影響。想像一下，你拿交易資料卻只對個人 id 排序，因為每個人可能有數筆交易，因此同個人哪筆交易排前就有不確定性。
群組別操作
讓我們回到 by 吧！by 其實也可以直接和 sort 結合成 bys 。我在 Fig 2-8 展示了一些 by command 的範例以及組別操作後的資料，以下條列詳細說明：
bys <varlist1>: <command>，先 sort on<varlist1>，然後對<varlist1>進行群組操作。bys <varlist1> (<varlist2>): <command>，先 sort on<varlist1> <varlist2>，但是只對<varlist1>進行群組操作。¹- Fig 2-8 的例 1，是在算組平均，這種
by、egen的搭配非常好用。 - 例 2 在算組樣本數，2–2 提到的
_N在這裡就相當實用。另一方面，我們也可以用_n來產生組內的 index，只要資料的排序符合預期。 - 例 3 試圖找出組內第一次的成績。請注意，我利用
bys ID (test)來確保組內排序正確後，再利用grade[1]取出第一次的考試成績。各位不妨猜猜看grade[_N]會跑出什麼呢？ - 例 4 試圖計算每一次考試（變數
test）前後的成績差異。記得_n可以回傳當前的 index（第幾筆）嗎？當例 4 的指令套用在每個樣本點時，就會是當前的成績值減去「組內前一個樣本點」的成績值，也就是說，當在某組第 2 個樣本點時，就會計算grade[2]-grade[1]，而這也是為什麼各組第 1 個樣本點會產生 missing。 - 例 5 想要取出哪次考試的成績最好（和例 3 類似，把最好的成績 sort 到頭或尾後，利用
[1]或[_N]取得）。另外，如果擔心 grade 相同而無法確定挑哪筆的話，也可以額外 sort ontest，保證在 grade 相同下，挑到 test 編號大的那筆。² - 例 6 則是要計算考最好的兩次成績平均，利用了 2–2 計算條件平均的技巧。
善用 by 可以幫忙省下許多功夫，也還有很多應用，像是搭配 egen 底下的 total(<logic exp>) 來計算組內符合條件的個數。如果對 by 產生的結果有疑問的話，可以善用 tab 、 assert 之類的指令檢查，或是用 br 來瀏覽資料。
目前為止，我把 STATA 最基本的操作都帶過了。從存取資料（2–1）、探索資料與生成變數（2–2）、邏輯條件與條件下生成變數（2–2）、利用迴圈簡化操作（2–3）、利用標籤與 wildcard 來輔助閱讀與操作（2–3），最後我們學會群組別的操作（2–4）。希望筆記至此，我能夠說服各位 STATA 真的很好學，而且也是個實用的工具。
[1]: 如果你也是 SQL 的使用者，這可以對應到 window function 的 PARTITION BY 以及 ORDER BY 。
[2]: 這是一個非常經典的問題：找出最大值很容易，但要找出最大值的 id 就要多花點巧思，尤其還要在群組別內執行。
