在实证研究中，我们经常会对变量进行分样本处理，常用的方法是运用分位数进行分样本，基本原理是先将给定变量的观测值按从小到大的顺序排列，然后选取所定 的分位数为节点，将整体数据分组，从小到大依次取值。比如我们想让样本数据按五分位数进行分样本处理，第一步将数据按照指定变量从小到大排列，第二步分别 找到20%分位点、40%分位点、60%分位点和80%分位点，然后将小于20%分位点的全部取值为1，20%至40%的取值为2，60%至80%的取值 为3，大于80%的取值为4。

在Stata中对样本按照分位数作分样本处理时，我们可以用到xtile命令、quantiles命令，以及egen命令与cut命令的结合，提醒大家quantiles命令需要提前下载哦（ssc install quantiles）！下面我们就用例子来看看它们的用法吧~

首先，我们在国泰安下载一个关于公司注册的数据集，可以得到样本数据如下所示：

        可以看到，整个样本已经分成4类。然后用egen命令与cut命令结合使用，对样本进行分类：

        同样看到，整个样本已经分成4类。最后用quantiles命令对样本进行分类：

quantiles Regcap2,gen(q_Regcap2) nq(4)

tab q_Regcap2

        quantiles命令也将样本分成了4类，同时看到数据编辑窗口生成了对应的分组情况的变量，如下所示：

        此外，在实证研究中，我们的分样本处理一般需要在分年份或分行业的基础上，因此，我们会考虑上述3种方法与bysort命令结合使用，从而达到这样的效果。然而经过爬虫酱的尝试，发现只有quantiles命令可以达到这样的效果哦~

        我们仍然使用刚才的数据集，按照三分位数进行分样本处理：

bysort Indcd year:quantiles Regcap2,gen(fq_Regcap2) nq(3)

tab fq_Regcap2

        可以看到，同时按行业、年份分类的基础上，数据实现了分样本处理。这里每一组不同是因为每一年的行业数量不相同哦~