Эквивалентные группы

1) Есть ли более эффективный способ группировки.

Я не уверен, что понимаю, что не так с вашей нынешней аранжировкой, которая кажется чистой и легко читаемой.

2) Как я могу рассматривать, исходя из моего примера, Джо/Тома/Майка/Салли или Салли/Джо/Майка/Тайма как одну и ту же группу.

Я предполагаю, что вы имели в виду Тома, а не Время в вашей последней строке.

egen team_size = anycount(person_1-person_20), v(1)
gen team_leader = .
if team_size > 0 replace team_leader = person_1
gen team_structure = 0
replace team_structure = team_structure + regexm(project_group,"Joe")
replace team_structure = team_structure + regexm(project_group,"Tom")*10
replace team_structure = team_structure + regexm(project_group,"Mike")*100
replace team_structure = team_structure + regexm(project_group,"Sally")*1000

team_structure — это двоичный файл длиной $k$, который кодирует членство в команде из $k$ участников независимо от порядка, в котором они могут отображаться в строке project_group. Это затратно по коду, если у вас много членов, но довольно легко создать.

3) Как сделать группу уникальной на основе первого человека (если это руководитель проекта, то он указан первым). Итак, Джо/Том/Майк и Джо/Майк/Том — это одна и та же группа, а Том/Джо/Майк и Майк/Том/Джо — нет.

Тривиальное предложение: добавьте коэффициент к каждому возможному элементу (encode) и присвойте его десятичной дроби созданной выше переменной team_structure. Пример: 1011.1 — это группа Джо/Майка/Салли во главе с Джо, 1011.4 — та же группа во главе с Салли и так далее.

Я изменил свой подход, чтобы быть более ясным. Вы упомянули, что не можете перекодировать свои переменные, но я не уверен, есть ли способ обойти это (я думаю, что любое решение здесь перекодирует явно или неявно). Конечно, вам нужно будет заменить «4» на «20».

* generate some projects and members
clear
set obs 5
generate int project = _n
generate person_1 = "Tom"
generate person_2 = "Dick" if (_n >= 3)
generate person_3 = "Harry" if (_n >=5)
replace person_1 = "Jane" if inlist(_n, 2, 4)
tempfile orig
save `orig'

* reshape to long
reshape long person_, i(project) string
drop _j
drop if missing(person)
sort project person
egen id = group(person)
drop if missing(id)
reshape wide person, i(project) j(id)

* recode to allow easier group identification
forvalues i = 1/4 {
    levelsof person_`i', local(name) clean
    generate byte d_person_`i' = cond(missing(person_`i'), 0, 1)
    label define d_person_`i'_lbl 1 "`name'" 0 ""
    label values d_person_`i' d_person_`i'_lbl
}

* determine number of workers on project
egen gp_size = rowtotal(d_person_*)

* unique id for each group composition
generate int id = 0
forvalues i = 1/4 {
    local two_i = 2^(`i' - 1)
    replace id = id + d_person_`i' * `two_i'
}

* group members
generate str mbrs = ""
forvalues i = 1/4 {
    local name: label d_person_`i'_lbl 1
    replace mbrs = mbrs + "/" + "`name'" if (d_person_`i' == 1)
}   

* there's always a leading "/" to remove with this approach
replace m = substr(m, 2, .)

* merge back your orig data
merge 1:1 project using `orig', nogenerate replace update

Это дает:

. list

     +---------------------------------------------------------------------------------------------------------------------------------+
     | project   person_1   person_2   person_3   person_4   d_pers~1   d_pers~2   d_pers~3   d_pers~4   gp_size   id             mbrs |
     |---------------------------------------------------------------------------------------------------------------------------------|
  1. |       1        Tom                              Tom                                         Tom         1    8              Tom |
  2. |       2       Jane                  Jane                                        Jane                    1    4             Jane |
  3. |       3        Tom       Dick                   Tom       Dick                              Tom         2    9         Dick/Tom |
  4. |       4       Jane       Dick       Jane                  Dick                  Jane                    2    5        Dick/Jane |
  5. |       5        Tom       Dick      Harry        Tom       Dick      Harry                   Tom         3   11   Dick/Harry/Tom |
     +---------------------------------------------------------------------------------------------------------------------------------+