Matrix 用Stata创建成对矩阵
我有几个数据集，其中包含来自各个议会和议会的点名数据。每个数据集有100到800个观测值。有几个变量可以识别议员/代表（姓名、党派、一致性等），其余变量（在某些情况下高达1500）是他们投票的法案或动议（在大多数情况下，投票变量被命名为v1、v2、v3等）。这些变量的数字编码为1=yay、-1=nay和0=缺席/弃权 我需要根据这些数据创建几个成对矩阵。我已经设法用stata对矩阵执行基本函数，我遇到的麻烦是找到一种简单的方法，从成对函数创建每个矩阵。除了常用的功能，如相关性和距离矩阵，似乎一切都必须手动输入 我需要创建的第一个矩阵包含两位代表对同一动议投反对票的次数。它忽略了任何一方未投票的情况。也就是说，对于每对代表，每个变量都是-1的数字，超过总数，其中每个变量都有一个非零的值 我需要的其他矩阵基本相同，我只需要计算nay-yay，yay-nay和yay-yay的对，所以如果有人能帮我创建这些矩阵中的一个，我马上就来。我四天来一直在努力解决这个问题，但实际上我没有一行代码可以接近，所以如果我似乎在要求别人为我做这一切，我很抱歉。我对Stata中的矩阵完全是新手，所以如果有人能给我最小的指针，我将不胜感激Matrix 用Stata创建成对矩阵,matrix,stata,Matrix,Stata,我有几个数据集，其中包含来自各个议会和议会的点名数据。每个数据集有100到800个观测值。有几个变量可以识别议员/代表（姓名、党派、一致性等），其余变量（在某些情况下高达1500）是他们投票的法案或动议（在大多数情况下，投票变量被命名为v1、v2、v3等）。这些变量的数字编码为1=yay、-1=nay和0=缺席/弃权 我需要根据这些数据创建几个成对矩阵。我已经设法用stata对矩阵执行基本函数，我遇到的麻烦是找到一种简单的方法，从成对函数创建每个矩阵。除了常用的功能，如相关性和距离矩阵，似乎一切
谢谢 以下是如何获取第一个矩阵的示例：
clear
/* Fake Data */
input str1 voter law1 law2 law3 law4
"a" 0 1 1 1
"b" -1 -1 0 0
"c" 1 -1 1 0
"d" 0 1 1 1
"e" -1 -1 -1 -1
end
/* Convert data to nays vs not-nays */
recode law* (-1=1) (0=0) (1=0)
/* Get the similarity */
matrix diss M_nay = law*, matching observations names(voter)
matrix list M_nay
matrix diss M_nay = law*, Gower observations names(voter)
clear all
set more off
*----- example data -----
input ///
rep bil1 bil2 bil3
1 1 -1 0
2 1 -1 -1
3 -1 -1 -1
4 0 -1 0
5 1 0 1
end
label define lblbil 1 "yay" -1 "nay" 0 "abs"
label values bil* lblbil
list
*----- what you want -----
// compute info
local numbills = 3
local numreps = 5
tempfile first
save "`first'"
rename _all =0
cross using "`first'"
sort rep0 rep
list
drop if rep0 >= rep
gen countnn = 0
gen countyy = 0
gen countny = 0
gen countyn = 0
forvalues i = 1/`numbills' {
replace countnn = countnn + (bil`i'0 == -1 & bil`i'0 == bil`i')
replace countyy = countyy + (bil`i'0 == 1 & bil`i'0 == bil`i')
replace countny = countny + (bil`i'0 == -1 & bil`i' == 1)
replace countyn = countyn + (bil`i'0 == 1 & bil`i' == -1)
}
list, sepby(rep0)
// put in matrices
mkmat rep0 rep count*
local totrows = rowsof(rep0)
matrix nn = J(`numreps',`numreps',.z)
matrix yy = J(`numreps',`numreps',.z)
matrix ny = J(`numreps',`numreps',.z)
matrix yn = J(`numreps',`numreps',.z)
forvalues i = 1/`totrows' {
matrix nn[rep0[`i'],rep[`i']] = countnn[`i']/3
matrix yy[rep0[`i'],rep[`i']] = countyy[`i']/3
matrix ny[rep0[`i'],rep[`i']] = countny[`i']/3
matrix yn[rep0[`i'],rep[`i']] = countyn[`i']/3
}
// list matrices
matrix list nn, format(%10.2g) nodotz
matrix list yy, format(%10.2g) nodotz
matrix list ny, format(%10.2g) nodotz
matrix list yn, format(%10.2g) nodotz
cross集群