我想运行这三个回归。请注意，每个都有不同的引用组，这就是我单独运行它们的原因。
-
statsby _b, by(grp_iden) saving(reg_aaa.dta, replace): reg prezzo ib43.city_str i.marca_str, baselevels -
statsby _b, by(grp_iden) saving(reg_bbb.dta, replace): reg prezzo ib6.city_str i.marca_str, baselevels -
statsby _b, by(grp_iden) saving(reg_ccc.dta, replace): reg prezzo ib11.city_str i.marca_str, baselevels
但是，在运行每个之前，我采用以下方法：
在运行回归 (1) 之前，我使用：keep if rcode=="aaa"
在运行回归 (2) 之前，我使用：keep if rcode=="bbb"
在运行回归 (3) 之前，我使用：keep if rcode=="ccc"
有没有办法更有效地运行三个statsby回归，也许不需要在每次回归之前从样本中删除观测值？
像下面这样的东西可以工作，但我需要找到一种方法来选择每个rcode集中的不同参考组(即ibXX.city_str中的不同 XX
statsby _b, by(rcode grp_iden) saving(reg_ccc.dta, replace): reg prezzo ib11.city_str i.marca_str, baselevels
您可以在43 6 11和aaa bbb ccc上使用循环：
tokenize "aaa bbb ccc"
local x = 1
foreach g in 43 6 11 {
statsby _b, by(grp_iden) saving(reg_``x''.dta, replace): reg prezzo ib`g'.city_str i.marca_str if rcode == "``x''", baselevels
local ++x
}
我对这种编码的感觉非常复杂。当然，你利用通用结构来缩短代码。 如果真正的问题包括 10 个案例，那将清理大量代码。如果真正的问题非常相似，你可能会失去很多清晰度，以后会为自己、团队中的人员以及试图理解你的代码的其他人失去很多清晰度。一个尖锐的测试是，如果您自己没有看到如何执行此操作，它可能比您想要使用的更棘手。但同样真实的是，我们只有通过了解如何使用语言功能才能成长，然后成为我们基本工具包的一部分。
效率听起来总是比缺乏效率好，但让代码更聪明但不那么清晰通常不是一个好主意。循环获得的时间收益是可疑的：Stata实际上必须解释循环机制，尽管这样做的成本应该是微不足道的。始终将阅读代码所花费的时间包括在考虑范围内。