Conversione da Stata a R: collaudo

Question

Ho appena trovato un file .do che devo tradurre in R perché non ho una licenza Stata; il mio Stata è arrugginito, quindi qualcuno può confermare che il codice sta facendo quello che penso sia?

Per la riproducibilità, ho intenzione di tradurlo in un set di dati che ho trovato online, in particolare lo Milk Production dataset (p004) che fa parte di un libro di testo di Chatterjee, Hadi e Price.

Ecco il codice Stata:

collapse (min) min_protein = protein /// 
     (mean) avg_protein = protein /// 
     (median) median_protein = protein /// 
     (sd) sd_protein = protein /// 
     if protein > 2.8, by(lactatio) 

Ecco cosa penso che sta facendo in data.table sintassi:

library(data.table) 
library(foreign) 
DT = read.dta("p004.dta") 
setDT(DT) 

DT[protein > 2.8, 
    .(min_protein = min(protein), 
    avg_protein = mean(protein), 
    median_protein = median(protein), 
    sd_protein = sd(protein)), 
    keyby = lactatio] 

# lactatio min_protein avg_protein median_protein sd_protein 
# 1:  1   2.9 3.162632   3.10 0.2180803 
# 2:  2   2.9 3.304688   3.25 0.2858736 
# 3:  3   2.9 3.371429   3.35 0.4547672 
# 4:  4   2.9 3.231250   3.20 0.3419917 
# 5:  5   2.9 3.855556   3.20 1.9086061 
# 6:  6   3.0 3.200000   3.10 0.2645751 
# 7:  7   3.3 3.650000   3.65 0.4949748 
# 8:  8   3.2 3.300000   3.30 0.1414214 

E 'corretto?

Questo sarebbe facile per confermare se avevo usato Stata negli ultimi 18 mesi o se avessi una copia installata - sperando di poter piegare l'orecchio di qualcuno per il quale uno di questi è vero. Grazie.

Answer 1

L'intuizione è corretta. collapse è l'equivalente Stata della funzione R aggregate, che produce un nuovo set di dati da un set di dati di input applicando una funzione di aggregazione (o più funzioni di aggregazione, una per variabile) a ogni variabile in un set di dati.

ecco l'output per quel comando Stata sull'esempio set di dati:

. list 

    +------------------------------------------------------+ 
    | lactatio min_pr~n avg_pr~n median~n sd_pro~n | 
    |------------------------------------------------------| 
    1. |  1  2.9 3.162632  3.1 .2180803 | 
    2. |  2  2.9 3.304688  3.25 .2858736 | 
    3. |  3  2.9 3.371429  3.35 .4547672 | 
    4. |  4  2.9 3.23125  3.2 .3419917 | 
    5. |  5  2.9 3.855556  3.2 1.908606 | 
    |------------------------------------------------------| 
    6. |  6   3  3.2  3.1 .2645752 | 
    7. |  7  3.3  3.65  3.65 .4949748 | 
    8. |  8  3.2  3.3  3.3 .1414214 | 
    +------------------------------------------------------+ 

Answer 2

Ecco l'output Stata per i dati campione che è identico al data.table uscita:

collapse (min) min_protein = protein /// 
     (mean) avg_protein = protein /// 
     (median) median_protein = protein /// 
     (sd) sd_protein = protein /// 
     if protein > 2.8, by(lactatio) 

    lactatio min_protein avg_protein median_protein sd_protein 
    1 2.9 3.162632 3.1 0.2180803 
    2 2.9 3.304688 3.25 0.2858736 
    3 2.9 3.371429 3.35 0.4547672 
    4 2.9 3.23125  3.2 0.3419917 
    5 2.9 3.855556 3.2 1.908606 
    6 3 3.2   3.1 0.2645752 
    7 3.3 3.65  3.65 0.4949748 
    8 3.2 3.3   3.3 0.1414214 

e qui è l'output data.table (solo per essere sicuro di utilizzare i dati corretti)

library(foreign) #reading Stata data 
    data<-read.dta("p004.dta") 
    setkey(setDT(data),lactatio) 
    setDT(data)[protein>2.8, 
        .(min_protein=min(protein), 
        avg_protein=mean(protein), 
        median_protein=median(protein), 
        sd_protein=sd(protein)), 
        by=lactatio] 

    lactatio min_protein avg_protein median_protein sd_protein 
1:  1   2.9 3.162632   3.10 0.2180803 
2:  2   2.9 3.304688   3.25 0.2858736 
3:  3   2.9 3.371429   3.35 0.4547672 
4:  4   2.9 3.231250   3.20 0.3419917 
5:  5   2.9 3.855556   3.20 1.9086061 
6:  6   3.0 3.200000   3.10 0.2645751 
7:  7   3.3 3.650000   3.65 0.4949748 
8:  8   3.2 3.300000   3.30 0.1414214 
>