2023年Stata学习笔记.doc

《2023年Stata学习笔记.doc》由会员分享，可在线阅读，更多相关《2023年Stata学习笔记.doc（41页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、以下命令均采用小写字母Chapter 1 stata入门1.1打开数据use D:Stata9auto.dta, clear 用use命令打开数据sysuse auto，clear auto 为系统数据 sysuse为打开系统数据的命令1.2获取帮助Help summarize summarize为需要获取帮助对象 可以改为其他的需要帮助的对象Findit summarize，net 寻找网络帮助 summarize为需要获取帮助对象Search summarize ，net 寻找网络帮助 summarize为需要获取帮助对象显示结果Display 5+9 1.3描述记录（summarize

2、可简写成sum）Use atuo，clearSummarize price 描述price的观测值个数、平均值、标准差、最小值、最大值Sum weight summarize可简写成sumSum weight price 同时完毕上面两步1.4绘图Scatter price weight scatter 为绘制散点图命令Line price weight ，sort line 为绘制折线图命令，sort为排序，绘制折线图前需要先排序1.5生成新的数据（generate 可简写成gen）ClearSet obs 1000 设立观测值的组数Gen x=_n _n 为观测值得序号Gen y=x+10

3、01.6控制结果输出显示List n 1.7设立屏幕滚动Set more off 先设立此项 则显示时，屏幕不断止Set more on 先设立此项 则显示时，会使显示停止1.8清除内存中原有内容clear1.9设立文献存取途径（cd）Cd d:stata d:stata为途径1.10假如想知道当前程径下有哪些文献，可以用dir 命令来列示.dir1.11假设你想在D 盘的根目录下创建一个新的文献夹mydata 来存放数据文献，命令为mkdir。mkdir d:mydata1.12错误提醒List myvar上述命令试图显示变量myvar，但是结果窗口仅出现如下的显示variable myva

4、r not foundr(111);红色信息表白，没有找到一个叫myvar 的变量，的确，我们的数据中并没有这个变量。List 巧妇难为无米之炊。红色信息下面尚有一个天兰色的 r(111)，用鼠标点击，即可弹进一个帮助信息框，给犯错误的更详尽解释。再比如，我们在求五数概略时，误把 sum 写成了sun. sununrecognized command: sunr(199);显示说不结识sun 这个命令。附录：常见命令Chapter2命令语句2.1 掌握命令语句的格式by varlist: command varlist =exp if exp in range weight , options

5、注： 表达可有可无的项,显然只有command 是必不可少的，下面结合例子分项来讲解命令的各个组成部分。2.2 命令commandby varlist: command varlist =exp if exp in range weight , options. cd d:/stata9. use auto, clear /打开美国汽车数据文献auto.dta,后面的clear 表达先清除内存中也许存在的数据集. summarize /*很多命令可单独使用，单独使用时，一般是对所有变量进行操作，等价于后面加上代表所有变量的_all。 */. summarize _all /注意到该命令输出结果

6、与上一个命令完全同样. sum /与前一命令等价，sum 为summarize 的略写. su su 是summarize 的最简化略写，不能再简化为s. s /简写前提是不引起混淆。执行这个命令将出现错误信息unrecognized command: s2.3 变量varlistby varlist: command varlist =exp if exp in range weight , optionsvarlist 表达一个变量，或者多个变量，多个变量之间用空格隔开。. cd d:/stata9. use auto, clear. sum price /求价格的观测值个数，平均值，方差

7、，最小值和最大值. su p /变量和命令均可略写,注意到两个结果完全同样. su t /分数据中有两个变量的开首字母为t（trunk 和turn），所以STATA 认为t 为模糊的省略。m ambiguous abbreviation /红色为错误信息. sum tr tu /求trunk 和turn 变量的五数概略记录变量名称除以下字符不能用作变量名外，任何字母、字母与数字(单独的数字也不允许)组合均可用做变量名：_all _b byte _coef _cons double float if in int long _n _N _pi _pred _rc _se _skip using

8、with基本规定如下：_ 第一个字元可以是英文字母或, 但不能是数字；_ 最多只能涉及32 个英文字母、数字或下划线；_ 由于STATA 保存了很多以“_ “开头的内部变量，所以最佳不要用为第一个字元来定义变量。2.4 分类操作by varlistby varlist: command varlist =exp if exp in range weight , options假如需要分别知道国产车和进口车的价格和重量，可以采用分类操作来求得，. cd d:/stata9. use auto, clear. by foreign: sum price weight /分别计算国产车和进口车的价格

9、和重量但假如执行下面两个命令，将出现错误*/. sort price /按价格从低到高重新排序. by foreign: sum price weight*not sorted/* 系统提醒没有排序，这是由于by varlist 在执行时规定内存中的数据是按照by 后面的变量排序的。当我们用sort price 重新排序后，就打乱了本来按照foreign 的排序，所以出现了错误提醒。更正的办法是：*/. sort foreign /按国产车和进口车排序. by foreign: sum price weight*更简略的方式是把两个命令用一个组合命令来写。. by foreign, sort:

10、 sum price weight假如不想从小到大排序，而是从大到小排序，其命令为 gsort。.gsort - price /按价格从高到低排序. gsort foreign price /*先把国产车都排在前，进口车排在后面，然后在国产车内再按价格从大小到排序，在进口车内部，也按从大到小排序*/2.5 赋值及运算=expby varlist: command varlist =exp if exp in range weight , options例：生成一个新的价格变量nprice，该变量的取值为原汽车价格变量price 的基础上涨10 元. cd d:/stata9. use auto

11、, clear. gen nprice=price+10 /生成新变量nprice，其值为price+10. list price nprice /比较一下两个变量的取值/*上面的命令generate(略写为gen) 生成一个新的变量，新变量的变量名为nprice,新的价格在原价格的基础上均增长了10 元。. replace nprice=nprice-10 /*命令replace 则直接改变原变量的赋值，nprice 调减后与price 变量取值相等*/. list price nprice /再比较一下两个变量，相等。2.6 条件表达式if expby varlist: command v

12、arlist =exp if exp in range weight , options例：若只想查看国产车的品牌和价格，则加入筛选条件if foreign=0 */. cd d:/stata9. use auto, clear. list make price if foreign=0*只查看价格超过1 万元的进口车（同时满足两个条件），则. list make price if foreign=1 & price10000*查看价格超过1 万元或者进口车（两个条件任满足一个）. list make price if foreign=1 | price10000*分类型查看价格超过1 万元的

13、汽车的品牌和价格. by foreign, sort: list make price if price100002.7 范围筛选in rangeby varlist: command varlist =exp if exp in range weight , options假如要计算较低的前10 台车的平均价格，则要先按价格排序，然后仅对前10个车的价格求平均值. cd d:/stata9. use auto, clear. sort price. sum price in 1/5注意“1/5”中，斜杠不是除号，而是从1 到5 的意思，即1，2，3，4，5。假如要计算前10 台车中的国产车的

14、平均价格，则可将范围和条件筛选联合使用。. sum price in 1/10 if foreign=02.8 加权weightby varlist: command varlist =exp if exp in range weight , options任务：下表是2023 年湖北省高考640 分及以上成绩一分一段的人数记录，第一列score 为高考分数，第二列num 为该分数段的人数。现在我们规定640 分及以上考生的平均分数。score num650 193649 26648 23647 16646 21645 26644 32643 23642 38641 29640 38操作：先将

15、上面的表格复制，然后进入STATA，执行如下命令. clear /清空STATA. edit然后把光标定位在表格的第一行第一列，点右键，选择粘贴（paste），上表数据便被复制到STATA 中，退出数据编辑器sum score /思考：得到的结果是640 分及以上考生的平均分吗？简朴地使用sum 命令得到的平均成绩显然是不对的的，由于各个分数下的人数是不同样的，对的的计算需要加权，加权的办法是. sum score weight=num / *加权计算，比较该结果与sum score 的区别，事实上，不用权重选项时，相称于权重相等。*/. sum score w=n /w 为weight 的略

16、写，n 为num 的简写，两命令等价2.9 其他可选项,optionsby varlist: command varlist =exp if exp in range weight , options许多命令都有一些可选项例如，我们不仅要计算平均成绩，还想知道成绩的中值，方差，偏度和峰度等*/. sum score, detail. sum score, d /d 为detail 的略写，两个命令完全等价注意，结果中显示了 1%，5%等分位数，意思是把变量从小到大排序，第1%位置处的取值是多少，第10%的位置上的取值是多少。显然，50%位置处的取值是中位数。此外，加了detail 选项后，还得

17、到最小的前5 个数，最大的5 个数，以及峰度和偏度等。*再如，list 命令也有一些可选项. cd d:/stata9. use auto, clear. list price in 1/30, sep(10) /每10 个观测值之间加一横线. list price in 10/30, sep(2) /每2 个观测值之间加一横线. list price, nohead /不要表头Chapter3 数据3.1 打开示例数据和网络数据：use3.1.1 示例数据示例数据为STATA 帮助文献中所用的数据，其后辍名为.dta，假如在STATA软件当前程径下，直接用use 命令即可打开；假如不在当前程

18、径下，则可以使用sysuse 命令打开。. use auto,clear /打开汽车数据auto.dta. cd d:/ /改变途径到d:/. use auto, clearfile auto.dta not found /系统提醒无法找到文献,由于auto.dta 不在d:/r(601);. sysuse auto,clear /无论当前程径是什么，该命令均能打开系统自带文献3.1.2 从网络获取数据上述示例数据也许没有所有下载到你的所用的电脑中，因此简朴地使用use和sysuse 命令时，也许出现错误，如. use nlswork, clearfile nlswork.dta not fo

19、und此时，假如拟定该数据为示例数据，可以直接通过网络获取，其命令为：. use /从网站获取数据，或者. webuse nlswork, clear /与前一命令等价，从STATA 官方数据库获取数据webuse只能从，假如不是该网站的数据，webuse失效，只能把网站地址完全写出来。使用该命令时必须确保网络连接正常.另一个网络数据较多的地方是波士登大学的数据中心，伍德里奇的计量经济学导论一书中所使用的所有数据都可以通过该数据中心获得。比如. use 即打开教材中例2.3 中所使用的CEO 数据。use 命令只能打开后辍名为“*.dta”格式的数据，.dta 格式以外的数据，STATA不能直

20、接读取，需要从外部读入，最简朴而直接的办法是复制和粘贴。但是有时没有其他软件，比如，我们有SAS 格式或SPSS 格式的数据，但没有SAS 软件和SPSS 软件，此时需要用STATA 提供的其他命令或者使用transfer 数据格式转化软件。在讨论其他输入或导入数据的方法之前，我们先来学习一点数据类型的知识。3.2 数据类型STATA 通常把变量划分为三类：分别是数值型，字符型和日期型3.2.1 数值变量：用0、1、29 及+、（正负号）与小数点“（.）”来表达。在输入数据时，逗号不能被辨认，如1,024 应当直接写成1024.5-55.25.2e+35.2e-2后面两个数据为科学计数法的数据

21、，分别表达5200 和0.052.其中的e 相称于10，因此5.2e+3 的意思是：5.2*103=5200数值型变量按其精度区分，又有五种类型，分别是：存贮类型 最小 最大 0-领域 字节-byte -127 100 +/-1 1int -32,767 32,740 +/-1 2long -2,147,483,647 2,147,483,620 +/-1 4float -1.*1038 1.*1036 +/-10-36 4double -8.*10307 8.*10307 +/-10-323 8当运算精度规定很高的时候，需要将变量设立成浮点型或双精度型。另注意1 和1.0000 的精度是不同

22、的,前者在(0.5,1.5)区间内近似,而后者在(0.99995,1.00005)区间内近似。若多次运算反复取四舍五入，精度较低时将使计算误差迅速变大，然而，精度高时占用的内存资源较多。下面的命令有助于理解变量存贮类型变换。. clear. set obs 1 /将设定一个观测值obs was 0, now 1 /提醒信息说,之前系统中没有观测单位,现在有了一个. gen a=1 /生成一个新变量a,令a 取值为1. d /*d 为describ 命令的略写，describ 命令显示数据集的属性信息，注意观测显示结果中，a 的storage type 为float 型，浮点型为默认类型*/Co

23、ntains dataobs: 1vars: 1size: 8 (99.9% of memory free)storage display valuevariable name type format label variable labela float %9.0gSorted by:Note: dataset has changed since last saved. compress /在不损害信息的基础上压缩，使数据占用空间尽也许小a was float, now byte /a 由浮点型变为了字节型. d / 注意a 的storage type 现在为byte 型. replace

24、a=101 /* 注意a 的storage type 现在自动升为int 型，由于byte 最大只能为100*/a was byte now int(1 real change made). replace a=100. compress. d /重新变回到byte 型. replace a=32741 /直接变到long 型,由于int 型最大只能到32740. gen double b=1 /直接生成双精度变量b. recast double a /将a 变成双精度变量b. d /注意到a 和b 均为双精度型3.2.2 字符串变量字符变量通常是一些身份信息，如姓名，地名。此外，定类变量也可

25、以用字符变量来表达，如性别分为“男”和“女”。字符串变量由字母或一些特殊的符号组成（如地名籍贯变量，迁出地，住址，职业等等）。字符串变量也可以由数字来组成，但数字在这里仅代表一些符号而不再是数字。字符串变量通常以引号“”注标，并且引号一般不被视同为字符的一部分，注意这里的引号必须是英文输入状态下的引号。字符串最多可以达244 个字符。一般用str#来表达字符的多少，如str20表达将有20 个字符。一般三个中文字的姓名需要6 个字符。字符型示例“String”“string” string”string ” /特殊字符串，表达空字符，缺失值。” ” /注意与空字符串的区别，具有一个空格”125

26、.27” /”125.27”由于有双引号，将被视同为字符而非数值。“$2,343.68”“I love you”“旺材是条狗”注意前四个字符串均不相同，大小写是不同样的，有无空格及空格的位置不同，都表达不同的字符串。对于”125.27”这样的数值型的字符串，可以用real()函数或者destring 命令转化成数值型变量。具体操作见3.3.1。3.2.3 日期型变量在STATA 中，1960 年1 月1 日被认为是第0 天，因此1959 年12 月31 日为第-1 天，2023 年1 月25 日为15000 天。对日期型变量的讨论将在后面的时间序3.2.4 缺失值没故意义的计算结果显示为”.”

27、. display 2/0另一种情况是，数据中具有缺失值，而STATA 默认的缺失值也用“.”来表示。在有些数据文献中，缺失值不是用“.”或者空来表达的，而是用-9996 等来表达，假如要将其所有替换为“.”，或者反之，将“.”替换为-9996，命令为：. mvencode age,mv(-9996). mvdecode age,mv(-9996)3.3 数据类型转化任务:将 destring1, destring2 和tostring 中的数据类型进行互相转化*3.3.1 字符型转化成数值型：destring*destring数据中的数据全为字符型，转换为数值型.webuse destrin

28、g1, clear.des /*注意到所有的变量存贮类型（storage type）均为字符型str#，其中#号表达字符串长度*/Contains data from obs: 10vars: 5 3 Mar 2023 10:15size: 240 (99.9% of memory free)storage display valuevariable name type format label variable labelid str3 %9snum str3 %9scode str4 %9stotal str5 %9sincome str5 %9s.sum /由于所有变量为字符型，所以不能

29、进行数值计算.gen nincom=incom+10 /因字符不能进行四则运算，不能进行加法运算*type mismatch /系统提醒类型不匹配，由于income 为字符型，10 为数值型.destring, replace /所有转换为数值型，replace 表达将本来的变量（值）更新.sum /注意到转换为数值型后，可以求五数概略了.gen nincom=income*1.3 /转换后，可以运算，工资终于涨了30%!.list nincom income /工资终于涨了30%!*-将字符型数据转换为数值型数据：去掉字符间的空格-*destring2 数据集中的data 变量为字符型，且年

30、月日间有空格，转移为数据型.webuse destring2, clear.des /注意到所有的变量均为字符型 str.list date /注意到date 年月日之间均有空格date-1. 1999 12 102. 2023 07 083. 1997 03 024. 1999 09 00.destring date, replace /想把date 转换成数值型，但失败了，系统提醒说*date contains non-numeric characters; no replace /*由于具有非数值型字符（即空格），因此没有更新，也即转换命令没有执行。*/.destring date, r

31、eplace ignore(“ ”) /*忽略空格，然后转换，注意这里的” “中间有一个空格，不是”。*/date: characters space removed; replaced as long /成功转换为long 型.des /注意到date 的storage type 已变为long.list date /注意到空格消失了date-1. 199912102. 202307083. 19970302/*与date 变量类似，变量price 前面有美元符号，变量percent 后有百分号，换为数值型时需要忽略这些非数值型字符。*/.destring price percent, ge

32、n(price2 percent2) ignore(“$ ,%”).list /注意到price2 前面的$号消失，percent2 后面的%号消失date price price2 percent percent2-1. 19991210 $2,343.68 2343.68 34% 342. 20230708 $7,233.44 7233.44 86% 86.d /注意到price2 和percent2 均变为数据值型变量double 和byte*3.3.2 数值型转化为字符型：tostring.webuse tostring, clear /*该数据中年月日的数据类型不同样，不能直接相加生

33、成一个反映日期的新变量*/.des /注意到month 为字符型，而年和日为数值型.list.gen date1=month+”/”+day+”/”+year /将年月日构成一个新的日期变量type mismatch /由于month 为字符型,年和日为数值型,不同类型不能相加r(109);.tostring year day, replace /将年和日转化为字符型.des /注意到,现在所有变为字符型.gen date1=month+”/”+day+”/”+year /将年月日构成一个新的日期变量.list /生成了一个新的变量date1，其为三个字符串和两个”/”符号连接而成.gen d

34、ate2=date(date1,”mdy”) /* date（）为日期函数，它以1960 年1 月1日为第0 天，计算从那天起直到括号中指定的某天date1一共过了多少天。”mdy”指定date1 的排列顺序，这里是按照月日年的顺序来表达日期。*/.list /新生成的date2 表达总天数*小游戏：请算算你活了多少天？示例：一个生于1975 年12 月27 日的家伙，他活了？.di date(“1975/12/27”,”ymd”)3.4 数据显示格式:format/*format 只控制数据的显示格式，并不改变内存中数据的大小。*/.webuse census10,clear /美国人口普查

35、数据.des /第三列显示了数据的格式display formatstorage display valuevariable name type format label variable labelstate str14 %14s Stateregion int %8.0g cenreg Census regionpop long %11.0g Populationmedage float %9.0g Median age*注意到, stata 变量的格式为%14s，表达右对齐，共14 个字符,%为固定用法.list in 1/4 /注意不同的显示格式:均为右对齐state region p

36、op medage-1. Alabama South 3893888 29.32. Alaska West 401851 26.13. Arizona West 2718215 29.24. Arkansas South 2286435 30.6.format state %-14s / 该命令使stata 的显示格式左对齐,14 前面多了个负号.list in 1/4 /注意不同的显示格式,state 现在左对齐了+-+state region pop medage-1. Alabama South 3893888 29.32. Alaska West 401851 26.13. Arizo

37、na West 2718215 29.24. Arkansas South 2286435 30.6.format region %-8.0g / *region 变量看起来是字符型变量，但事实上为数据型，它也可以左对齐,同样是加一个负号.list in 1/4 /注意region 现在左对齐了.format pop %11.0gc /*pop 的显示格式为%11.0g,后面加上c,则每三位数间用逗号分开,c 为comma 的意思.*/.list in 1/4 /结果加上了逗号,但是第五个观测值没有任何变化state region pop medage-1. Alabama South 3,8

38、93,888 29.32. Alaska West 401,851 26.13. Arizona West 2,718,215 29.24. Arkansas South 2,286,435 30.65. California West 23667902 29.9*由于这个数太大，加逗号将超过11 位数,我们可以先把总的位数增长.format pop %12.0gc /把pop 显示总长度数增长到12 位.list in 5 /现在所有的pop 都按逗号分开了5. California West 23,667,902 29.9.format medage %8.1f /规定所有的medage

39、都显示一位小数.list in 1/4state region pop medage-1. Alabama South 3,893,888 29.32. Alaska West 401,851 26.13. Arizona West 2,718,215 29.24. Arkansas South 2,286,435 30.6.gen id=_n /生成一个新变量id，取值依次为1，2，3.replace id=9842 in 3 /将id 的第三个变量替换为9842.list in 1/3state region pop medage id-1. Alabama South 3893888 2

40、9.3 12. Alaska West 401851 26.1 23. Arizona West 2718215 29.2 9842.format id %05.0f /对于编号，我们希望前面用零使得位数对齐.list in 1/3 /注意到通过在前面补零,所有的id 都成了5 位数。state region pop medage id-1. Alabama South 3893888 29.3 000012. Alaska West 401851 26.1 000023. Arizona West 2718215 29.2 098423.5 在STATA 中直接录入数据：input3.5.1 菜单式操作任务：按学号录入五个学生的经济学成绩id economy1 402 803 904 705 53操作：（1）点击图标在打开的数据表格第一列中录入五个姓名在第二列中录入另五个成绩双击 var1 弹出对话框将变量改名为id在label 中写入学号退出弹出窗口；双击 var2 弹出对话框将变量改名为name在label 中写入姓名关闭数据编辑器（2）点击图标保存数据给数据命令为student 退出在建立数据文献后