Sas 在Stata中进行加权热板插补的简单方法？

我想在Stata中做一个简单的加权热甲板插补。在SAS中，等效命令如下（请注意，这是一个较新的SAS功能，从2015年左右的SAS/STAT 14.1开始）：

为清楚起见，基本要求如下：

插补大多数是基于行或同时进行的。如果第1行向第3行捐赠了

x

，那么它也必须捐赠

y

必须考虑重量。体重=2的捐赠者被选择的可能性是体重=1的捐赠者的两倍

我假设丢失的数据是矩形的。换句话说，如果潜在缺失变量集由

x

和

y

组成，则两者都缺失或两者都不缺失。下面是一些生成示例数据的代码

global miss_vars "wealth income"
global weight    "weight"

set obs 6
gen id = _n
gen type = id > 3
gen income = 5000 * _n
gen wealth = income * 4 + 500 * uniform()
gen weight = 1
replace weight = 4 if mod(id-1,3) == 0

// set income & wealth missing every 3 rows
gen impute = mod(_n,3) == 0
foreach v in $miss_vars {
    replace `v' = . if impute == 1
}

数据如下所示：

            id       type     income     wealth     weight     impute
  1.         1          0       5000   20188.03          4          0
  2.         2          0      10000   40288.81          1          0
  3.         3          0          .          .          1          1
  4.         4          1      20000   80350.85          4          0
  5.         5          1      25000   100378.8          1          0
  6.         6          1          .          .          1          1

因此，换句话说，我们需要随机（加权）为每一行缺失值选择一个相同类型的捐赠者，并使用该捐赠者填写收入和财富值。在实际使用中，类型变量的生成当然是它自己的问题，但我在这里保持非常简单的方式来关注主要问题

例如，第3行可能看起来像下面的post hotdeck（因为它填充了第1行或第2行的收入和财富（但与此相反，它永远不会获取第1行的收入和第2行的财富）：

---

另外，由于第1行的权重为4，第2行的权重为1，所以第1行在80%的时间里应该是施主，第2行在20%的时间里应该是施主。

在Stata中似乎没有办法做到这一点，也没有社区贡献的命令。有社区贡献的命令没有Hotdeck（特别是，hotdeck、whotdeck、和hotdeckvar）但它们都没有处理样本权重。whotdeck命令表面上似乎处理权重，但它们不是样本权重，而是内部估计的重要性权重

因此，我自己编写了一个程序并上传到github。该程序名为。有关更多信息和任何后续更新，请点击该链接。

社区贡献的命令可能会满足您的需要。

            id       type     income     wealth     weight     impute
  1.         1          0       5000   20188.03          4          0
  2.         2          0      10000   40288.81          1          0
  3.         3          0          .          .          1          1
  4.         4          1      20000   80350.85          4          0
  5.         5          1      25000   100378.8          1          0
  6.         6          1          .          .          1          1

  3.         3          0       5000   20188.03          1          1
  3.         3          0      10000   40288.81          1          1