问题描述
我有一个包含国家、研究和数据集合的数据集。我想创建一个频率分布，以显示在每个国家/地区进行的研究总数。
我遇到的问题是我的数据是按数据集合组织的。一些研究有多个数据收集站点，并测量一个国家的不同部分（我们会说 3 个区域）。因此，一项研究可以有多行。但是，对于我需要的表格，我基本上希望它将研究组合在一起，并报告该国家是否包括在研究中的“是”或“否”（0 或 1）。从本质上讲，我不在乎在每个单独的研究中观察到一个国家的多少地方。我只想知道一个国家是否包括在一项研究中。下面的例子可能会有所帮助。
当前数据：
| 学习 | 数据收集 | 国家 |
|---|---|---|
| 1 | 1 | 巴西 |
| 1 | 2 | 巴西 |
| 1 | 3 | 巴西 |
| 1 | 4 | 法国 |
| 2 | 5 | 巴西 |
| 2 | 6 | 印度 |
| 3 | 7 | 巴西 |
| 4 | 8 | 法国 |
所需表：
| 国家 | f（研究） |
|---|---|
| 巴西 | 3 |
| 法国 | 2 |
| 印度 | 1 |
如您所见，在上面的示例中，研究 #1 观察了巴西的 3 个不同区域。在研究#2 和#3 中也观察到了这个国家。我需要创建的表格只有巴西的“3”，因为这就是巴西被纳入的研究数量。
解决方法
* Example generated by -dataex-. To install: ssc install dataex
clear
input byte(study data_coll) str6 nation
1 1 "Brazil"
1 2 "Brazil"
1 3 "Brazil"
1 4 "France"
2 5 "Brazil"
2 6 "India"
3 7 "Brazil"
4 8 "France"
end
contract study nation
drop _freq study
contract nation
list
结果：
. list
+----------------+
| nation _freq |
|----------------|
1. | Brazil 3 |
2. | France 2 |
3. | India 1 |
+----------------+
请注意，如果您希望保留原始数据结构，则可以避免使用 contract。
egen tag = tag(Nation)
egen wanted = total(tag),by(Study)
tabdisp Nation,c(wanted)