r-Stata上的编码帮助

Question

我有一个不平衡的面板数据集，它为我提供了银行在不同领域贷款的信息。地理id和银行id是使用类似egen id=group(var)的Stata命令创建的数字变量。

地理id从1变为n，银行id从1到k。为了让您更具体地了解我的数据：

Geography ID (gid) | Bank ID (bid) | lending
-----------------------------------------------
1                  | 1             | 25
1                  | 2             | 32
1                  | 4             | 83
----------------------------------------------
2                  | 1             | 76
2                  | 3             | 22
---------------------------------------------
3                  | 2             | 42
3                  | 3             | 12
3                  | 5             | 22
--------------------------------------------

我的最终目标是创建一个具有所有地理区域成对组合的数据帧，例如：

    1     2      3 ......... n
-------------------------------
1|(1,1)  (1,2)  (1,3)......(1,n)
2|(2,1)  (2,2)  (2,3)......(2,n)
.|  .      .                 .
n|(n,1)    .         ......(n,n)

使得条目(i,j)给我：

(i,j)=(Lending from Banks Operating in Area i and j)/(Total Lending in Area i and j)

例如，给定上述数据

(1,1)=1       (1,2)=(25+76)/(25+32+83+76+22)     (1,3)=(32+42)/(25+32+83+42+12+22)

我有一种感觉，作为第一步，我应该在循环中使用levelsof和bysort，但我不确定如何准确地解决这个问题。

即使你不能提供确切的解决方案，如果能得到任何帮助或建议，我将不胜感激。虽然我更喜欢Stata，但我也有一些Matlab/R的知识，所以如果你认为它更适合这个问题，我愿意接受建议。

Answer 1

这里有一个R方法：

x <- data.frame(
  geoid   = c(1,1,1, 2,2, 3,3,3),
  bankid  = c(1,2,4, 1,3, 2,3,5),
  lending = c(25,32,83, 76,22, 42,12,22)
)
myfunc <- function(x, i, j) {
  geos <- x$geoid %in% c(i, j)
  banks <- with(x, intersect(bankid[geoid == i], bankid[geoid == j]))
  with(x, sum(lending[geos & bankid %in% banks]) / sum(lending[geos]))
}
outer(unique(x$geoid), unique(x$geoid),
      function(i,j) mapply(myfunc, list(x), i, j))
#           [,1]      [,2]      [,3]
# [1,] 1.0000000 0.4243697 0.3425926
# [2,] 0.4243697 1.0000000 0.1954023
# [3,] 0.3425926 0.1954023 1.0000000

这不是最有效的，但这是一个开始。很难(我认为(真正矢量化，因为每个子集都需要交集，尽管我相信这可以优化，不需要为每个等价对重新计算两次intersect(bankid...)(如果这是一个性能因素的话(。

---

编辑：不重新计算等效geoid:对的过程稍微高效一些

按地理划分数据：

geox <- split(x, x$geoid)
myfunc <- function(i, j) {
  if (i >= j) return(NA)
  banks <- intersect(geox[[i]]$bankid, geox[[j]]$bankid)
  sum(with(geox[[i]], lending[ bankid %in% banks ]),
      with(geox[[j]], lending[ bankid %in% banks ])) /
    sum(geox[[i]]$lending, geox[[j]]$lending)
}
o <- outer(seq_along(geox), seq_along(geox),
           function(i,j) mapply(myfunc, i, j))
o
#      [,1]      [,2]      [,3]
# [1,]   NA 0.4243697 0.3425926
# [2,]   NA        NA 0.1954023
# [3,]   NA        NA        NA

(只是为了证明我们只计算了最小集。(现在，将上三角形的数据翻转到下三角形：

o[which(lower.tri(o),TRUE)] <- o[which(upper.tri(o),TRUE)]
o
#           [,1]      [,2]      [,3]
# [1,]        NA 0.4243697 0.3425926
# [2,] 0.4243697        NA 0.1954023
# [3,] 0.3425926 0.1954023        NA

并将已知值1分配给对角线：

diag(o) <- 1