常用stata命令好用Word文档格式.docx
- 文档编号:14843256
- 上传时间:2022-10-25
- 格式:DOCX
- 页数:11
- 大小:27.37KB
常用stata命令好用Word文档格式.docx
《常用stata命令好用Word文档格式.docx》由会员分享,可在线阅读,更多相关《常用stata命令好用Word文档格式.docx(11页珍藏版)》请在冰豆网上搜索。
下面该正式处理数据了。
我的处理数据经验是最好能用stata的do文件编辑器记下你做过的工作。
因为很少有一项实证研究能够一次完成,所以,当你下次继续工作时。
能够重复前面的工作是非常重要的。
有时因为一些细小的不同,你会发现无法复制原先的结果了。
这时如果有记录下以往工作的do文件将把你从地狱带到天堂。
因为你不必一遍又一遍地试图重现做过的工作。
在stata窗口上部的工具栏中有个孤立的小按钮,把鼠标放上去会出现“bringdo-fileeditortofront”,点击它就会出现do文件编辑器。
为了使do文件能够顺利工作,一般需要编辑do文件的“头”和“尾”。
这里给出我使用的“头”和“尾”。
/*(标签。
简单记下文件的使命。
)*/
captureclear(清空内存中的数据)
capturelogclose(关闭所有打开的日志文件)
setmem128m(设置用于stata使用的内存容量)
setmoreoff(关闭more选项。
如果打开该选项,那么结果分屏输出,即一次只输出一屏结果。
你按空格键后再输出下一屏,直到全部输完。
如果关闭则中间不停,一次全部输出。
)
setmatsize4000(设置矩阵的最大阶数。
我用的是不是太大了?
cdD:
(进入数据所在的盘符和文件夹。
和dos的命令行很相似。
logusing(文件名).log,replace(打开日志文件,并更新。
日志文件将记录下所有文件运行后给出的结果,如果你修改了文件内容,replace选项可以将其更新为最近运行的结果。
use(文件名),clear(打开数据文件。
(文件内容)
logclose(关闭日志文件。
exit,clear(退出并清空内存中的数据。
这个do文件的“头尾”并非我的发明,而是从沈明高老师那里学到的。
版权归沈明高老师。
(待续)
我常用到的stata命令:
(续)
实证工作中往往接触的是原始数据。
这些数据没有经过整理,有一些错漏和不统一的地方。
比如,对某个变量的缺失观察值,有时会用点,有时会用-9,-99等来表示。
回归时如果使用这些观察,往往得出非常错误的结果。
还有,在不同的数据文件中,相同变量有时使用的变量名不同,会给合并数据造成麻烦。
因此,拿到原始数据后,往往需要根据需要重新生成新的数据库,并且只使用这个新库处理数据。
这部分工作不难,但是非常基础。
因为如果在这里你不够小心,后面的事情往往会白做。
假设你清楚地知道所需的变量,现在要做的是检查数据、生成必要的数据并形成数据库供将来使用。
检查数据的重要命令包括codebook,su,ta,des和list。
其中,codebook提供的信息最全面,缺点是不能使用if条件限制范围,所以,有时还要用别的帮帮忙。
su空格加变量名报告相应变量的非缺失的观察个数,均值,标准差,最小值和最大值。
ta空格后面加一个(或两个)变量名是报告某个变量(或两个变量二维)的取值(不含缺失值)的频数,比率和按大小排列的累积比率。
des后面可以加任意个变量名,只要数据中有。
它报告变量的存储的类型,显示的格式和标签。
标签中一般记录这个变量的定义和单位。
list报告变量的观察值,可以用if或in来限制范围。
所有这些命令都可以后面不加任何变量名,报告的结果是正在使用的数据库中的所有变量的相应信息。
说起来苍白无力,打开stata亲自实验一下吧。
顺带说点儿题外话。
除了codebook之外,上述统计类的命令都属于r族命令(又称一般命令)。
执行后都可以使用returnlist报告储存在r()中的统计结果。
最典型的r族命令当属summarize。
它会把样本量、均值、标准差、方差、最小值、最大值、总和等统计信息储存起来。
你在执行su之后,只需敲入returnlist就可以得到所有这些信息。
其实,和一般命令的return命令类似,估计命令(又称e族命令)也有ereturn命令,具有报告,储存信息的功能。
在更复杂的编程中,比如对回归分解,计算一些程序中无法直接计算的统计量,这些功能更是必不可少。
检查数据时,先用codebook看一下它的值域和单位。
如果有-9,-99这样的取值,查一下问卷中对缺失值的记录方法。
确定它们是缺失值后,改为用点记录。
命令是replace(变量名)=.if(变量名)==-9。
再看一下用点记录的缺失值有多少,作为选用变量的一个依据。
得到可用的数据后,我会给没有标签的变量加上注解。
或者统一标签;
或者统一变量的命名规则。
更改变量名的命令是ren(原变量名)空格(新变量名)。
定义标签的命令是labelvar(变量名)空格”(标签内容)”。
整齐划一的变量名有助于记忆,简明的标签有助于明确变量的单位等信息。
如果你需要使用通过原始变量派生出的新变量,那么就需要了解gen,egen和replace这三个命令。
gen和replace常常在一起使用。
它们的基本语法是gen(或replace)空格(变量名)=(表达式)。
二者的不同之处在于gen是生成新变量,replace是重新定义旧变量。
虚拟变量是我们常常需要用到的一类派生变量。
如果你需要生成的虚拟变量个数不多,可以有两种方法生成。
一种是简明方法:
gen空格(变量名)=((限制条件))[这外面的小括弧是命令需要的,里面的小括弧不是命令需要的,只是说明“限制条件”并非命令]。
如果某个观察满足限制条件,那么它的这个虚拟变量取值为1,否则为0。
另一种要麻烦一点。
就是
gen(变量名)=1if(取值为一限制条件)
replace(相同的变量名)=0if(取值为零的限制条件)
两个方法貌似一样,但有一个小小的区别。
如果限制条件中使用的变量都没有任何缺失值,那么两种方法的结果一样。
如果有缺失值,第一种方法会把是缺失值的观察的虚拟变量都定义为0。
而第二种方法可以将虚拟变量的取值分为三种,一是等于1,二是等于0,三是等于缺失值。
这样就避免了把本来信息不明的观察错误地纳入到回归中去。
下次再讲如何方便地生成成百上千个虚拟变量。
大量的虚拟变量往往是根据某个已知变量的取值生成的。
比如,在某个回归中希望控制每个观察所在的社区,即希望控制标记社区的虚拟变量。
社区数目可能有成百上千个,如果用上次的所说的方法生成就需要重复成百上千次,这也太笨了。
大量生成虚拟变量的命令如下;
ta(变量名),gen((变量名))
第一个括号里的变量名是已知的变量,在上面的例子中是社区编码。
后一个括号里的变量名是新生成的虚拟变量的共同前缀,后面跟数字表示不同的虚拟变量。
如果我在这里填入d,那么,上述命令就会新生成d1,d2,等等,直到所有社区都有一个虚拟变量。
在回归中控制社区变量,只需简单地放入这些变量即可。
一个麻烦是虚拟变量太多,怎么简单地加入呢?
一个办法是用省略符号,d*表示所有d字母开头的变量,另一法是用破折号,d1-d150表示第一个到第150个社区虚拟变量(假设共有150个社区)。
还有一种方法可以在回归中直接控制虚拟变量,而无需真的去生成这些虚拟变量。
使用命令areg可以做到,它的语法是
areg(被解释变量)(解释变量),absorb(变量名)
absorb选项后面的变量名和前面讲的命令中第一个变量名相同。
在上面的例子中即为社区编码。
回归的结果和在reg中直接加入相应的虚拟变量相同。
生成变量的最后一招是egen。
egen和gen都用于生成新变量,但egen的特点是它更强大的函数功能。
gen可以支持一些函数,egen支持额外的函数。
如果用gen搞不定,就得用egen想办法了。
不过我比较懒,到现在为止只用用取平均、加和这些简单的函数。
有的时候数据情况复杂一些,往往生成所需变量不是非常直接,就需要多几个过程。
曾经碰到原始数据中记录日期有些怪异的格式。
比如,1991年10月23日被记录为19911023。
我想使用它年份和月份,并生成虚拟变量。
下面是我的做法:
genyr=int(date)
genmo=int((data-yr*10000)/100)
tayr,gen(yd)
tamo,gen(md)
假设你已经生成了所有需要的变量,现在最重要的就是保存好你的工作。
使用的命令是save空格(文件名),replace。
和前面介绍的一样,replace选项将更新你对数据库的修改,所以一定要小心使用。
最好另存一个新的数据库,如果把原始库改了又变不回去,就叫天不应叫地不灵了。
前面说的都是对单个数据库的简单操作,但有时我们需要改变数据的结构,或者抽取来自不同数据库的信息,因此需要更方便的命令。
这一类命令中我用过的有:
改变数据的纵横结构的命令reshape,生成退化的数据库collapse,合并数据库的命令append和merge。
纵列(longitudinal)数据通常包括同一个行为者(agent)在不同时期的观察,所以处理这类数据常常需要把数据库从宽表变成长表,或者相反。
所谓宽表是以每个行为者为一个观察,不同时期的变量都记录在这个观察下,例如,行为者是厂商,时期有2000、2001年,变量是雇佣人数和所在城市,假设雇佣人数在不同时期不同,所在城市则不变。
宽表记录的格式是每个厂商是一个观察,没有时期变量,雇佣人数有两个变量,分别记录2000年和2001年的人数,所在城市只有一个变量。
所谓长表是行为者和时期共同定义观察,在上面的例子中,每个厂商有两个观察,有时期变量,雇佣人数和所在城市都只有一个,它们和时期变量共同定义相应时期的变量取值。
在上面的例子下,把宽表变成长表的命令格式如下:
reshapelong(雇佣人数的变量名),i((标记厂商的变量名))j((标记时期的变量名))
因为所在城市不随时期变化,所以在转换格式时不用放在reshapelong后面,转换前后也不改变什么。
相反地,如果把长表变成宽表则使用如下命令
reshapewide(雇佣人数的变量名),i((标记厂商的变量名))j((标记时期的变量名))
唯一的区别是long换成了wide。
collapse的用处是计算某个数据库的一些统计量,再把它存为只含有这些统计量的数据库。
用到这个命令的机会不多,我使用它是因为它可以计算中位数和从1到99的百分位数,这些统计量在常规的数据描述命令中没有。
如果要计算中位数,其命令的语法如下
collapse(median)((变量名)),by((变量名))
生成的新数据库中记录了第一个
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 常用 stata 命令