Stata 有效地统计活公司的数量

我有一个公司列表，每个公司都有开始日期和结束日期。我想数一数随着时间的推移还活着的公司的数量。我有以下代码，但在我的大数据集上运行缓慢。在斯塔塔有没有更有效的方法

forvalues y = 1982/2012 {
    forvalues m = 1/12 {

    *display date("01-`m'-`y'","DMY")
    count if start_dt <= date("01-`m'-`y'","DMY") & date("01-`m'-`y'","DMY") <= end_dt

    }
}

forvalues y=1982/2012{
对于值m=1/12{
*显示日期（“01-‘m’-‘y’，‘DMY”）
如果开始计数，一种方法是使用
inrange
函数。在Stata中，
Date
变量只是整数，因此可以轻松地对它们进行操作

forvalues y = 1982/2012 {

    forvalues m = 1/12 {

        local d = date("01-`m'-`y'","DMY")
        count if inrange(`d', start_dt, end_dt)

    }
}

仅此一项就可以为您节省大量时间。对于50000次观察（和合成数据）：

计时器1在范围内带有
inrange
，计时器2是您的原始代码。结果以秒为单位。有关详细信息，请运行范围内的
help
和
help timer

这就是说，也许有人可以提出一个总体上更好的策略。
假设一个公司标识符
firmid
，这是另一种思考问题的方法，但使用不同的数据结构。在执行此操作之前，请确保保存了数据集的副本

expand 2 
bysort firmid : gen eitherdate = cond(_n == 1, start_dt, end_dt) 
by firmid : gen score = cond(_n == 1, 1, -1) 
sort eitherdate 
gen living = sum(score) 
by eitherdate : replace living = living[_N] 

所以

我们
将每个观测值扩展为2，并将两个日期放入一个新变量中，一个观测值的开始日期和另一个观测值的结束日期

当一家公司开始时，我们给它的分数是1，当它结束时，我们给它的分数是-1

公司的数量在公司开始时增加1，在公司结束时减少1。我们只需要按日期排序，公司的数量是这些分数的累积总和。（编辑：在同一日期有一个更改修复。）

这种新的数据结构可用于其他目的

网站上有一篇评论文章

编辑：

回复@Roberto Ferrer（以及阅读本文的任何其他人）的注释：

我修复了一个坏错误，这使它太难理解。对此表示抱歉

此处使用的日期仅为公司开始和结束的日期。评估任何其他日期的公司数量没有明显意义，因为它与之前使用的日期相同。但是，如果需要插入日期网格，复制之前的计数就足够了

重要的是不要将返回累计和的Stata函数
sum（）
与任何
egen
函数混淆。给人的印象是
egen
的
total（）
是我的错误的一个副作用

请注意，这样每个不同的日期只计算一次。使用原始代码，每次观察都会计算两次。@NickCox我知道Stata函数（不包括
egen
函数）不是开源的，但是你能说一下
inrange
在幕后做了什么吗？我倾向于认为它也做了双重计算，但是用编译过的C语言使它更快。这是正确的吗？我不是指
inrange（）
，而是指执行的
date（）
计算

每次观察都必须单独进行评估。正如你所说，我无法评论Stata的内部C代码中是如何编码的，但调用C代码大概是这样。我还没读过这篇文章，但让我看看我是否理解：你的最终结果确定了活公司的数量，并不是所有可能的日期（就像在循环中一样），但是对于变量

eitherdate

中的每个日期。如果数字为负数，那么这些都是垂死的公司。这是正确的吗？为什么不使用

egen，total（）

来代替最后两行？是因为速度问题吗？我在答案中添加了一些注释。这是一个非常优雅的解决方案，非常巧妙。

expand 2 
bysort firmid : gen eitherdate = cond(_n == 1, start_dt, end_dt) 
by firmid : gen score = cond(_n == 1, 1, -1) 
sort eitherdate 
gen living = sum(score) 
by eitherdate : replace living = living[_N]