Stata学习进步文本笔记.doc

《Stata学习进步文本笔记.doc》由会员分享，可在线阅读，更多相关《Stata学习进步文本笔记.doc（29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以下命令均采用小写字母 Chapter 1 stata 入门入门 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

2、示结果 Display 5+9 1.3 描述统计（summarize 可简写成 sum） Use atuo，clear Summarize price 描述 price 的观察值个数、平均值、标准差、最小值、最大值 Sum weight summarize 可简写成 sum Sum weight price 同时完成上面两步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） Cle

3、ar Set obs 1000 设置观测值的组数 Gen x=_n _n 为观察值得序号 Gen y=x+1001.6 控制结果输出显示 List n 1.7 设置屏幕滚动 Set more off 先设置此项 则显示时，屏幕不停止 Set more on 先设置此项 则显示时，会使显示停止1.8清除内存中原有内容 clear1.9 设置文件存取路径（cd） Cd d:stata d:stata 为路径1.10如果想知道当前路径下有哪些文件，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件夹mydata 来存放数据文件，命令为mkdir。 mkdir d:m

4、ydata1.12 错误提示 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 myvar not found r(111); 红色信息表明，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。 红色信息下面还有一个天兰色的 r(111)，用鼠标点击，即可弹进一个帮助信 息框，给出错误的更详尽解释。 再比如，我们在求五数概略时，误把 sum 写成了sun . sun unrecognized command: sun r(199); 显示说不认识 sun 这个命令。附录：常见命令Chapter2

5、命令语句命令语句2.1 掌握命令语句的格式by varlist: command varlist =exp if exp in range weight , options 注： 表示可有可无的项,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件 auto.dta,后面的 clear 表示先清除内存中可 能存在的数据

6、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与上一个命令完全一样 . 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

7、, options varlist 表示一个变量，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 /求价格的观察值个数，平均值，方差，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一样 . 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 变量的五数概略统计变量名称 除以下字符不能用作变量名外，任何字母

8、、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 with 基本要求如下： _ 第一个字元可以是英文字母或, 但不能是数字； _ 最多只能包括32 个英文字母、数字或下划线； _ 由于STATA 保留了很多以“_ “开头的内部变量，所以最好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 wei

9、ght , options如果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和重量 但如果执行下面两个命令，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 /* 系统提示没有排序，这是因为 by varlist 在执行时要求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

10、乱了原来按照 foreign 的排序，所以出现了错误提示。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: sum price weight 如果不想从小到大排序，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

11、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, 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加

12、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 varlist =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 fore

13、ign=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 . sysuse auto,clear /无论当前路径是什么，该命令均能打开系统自带文件 3.1.2 从网络获取数据 上述示例数据可能没有全部下载到你的所用的电脑中，因此简单地使用use 和sysuse 命令时，可能出现错误，如 . use nlswork, clear file nlswork.dta not found 此时，如果确定该数据为示例数据，可以直接通过网络获取，其命令为：. use http:/www.stata- /从网站获取数据，或者. w

14、ebuse nlswork, clear /与前一命令等价，从STATA 官方数据库获取数据 webuse只能从http:/www.stata- 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全部数据都可以通过该数据中心获得。比如 . use http:/fmwww.bc.edu/ec-p/data/wooldridge/CEOSAL1 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

15、数据， STATA 不能直接读取，需要从外部读入，最简单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“（.）”来表示。在输入数据时， 逗号不能被识别，如 1,024 应该直接写成 1024. 5 -5 5.2

16、 5.2e+3 5.2e-2 后面两个数据为科学计数法的数据，分别表示5200 和0.052.其中的e 相当 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 1 int -32,767 32,740 +/-1 2 long -2,147,483,647 2,147,483,620 +/-1 4 float -1.70141173319*1038 1.70141173319*1036 +/-10-36 4 double -8.9884656743*10

17、307 8.9884656743*10307 +/-10-323 8 当运算精度要求很高的时候，需要将变量设置成浮点型或双精度型。 另注意1 和1.0000 的精度是不同的,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 /将设定一个观察值obs was 0, now 1 /提示信息说,之前系统中没有观察单位,现在有了一个. gen a=1 /生成一个新变量a,令a 取值为1.

18、 d /*d 为describ 命令的略写，describ 命令显示数据集的属性信息，注意观察显示结果中，a 的storage type 为float 型， 浮点型为默认类型*/ Contains data obs: 1 vars: 1 size: 8 (99.9% of memory free) storage display value variable name type format label variable label a float %9.0g Sorted by: Note: dataset has changed since last saved. compress /在不

19、损害信息的基础上压缩，使数据占用空间尽可能小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 a=101 /* 注意a 的storage type 现在自动升为int 型，因为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,因为int 型最大只能到32740. gen double b

20、=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。另外，定类变量也可以用字 符变量来表示，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，而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#来表示字符的多少，如s

21、tr20 表示将有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，表示空字符，缺失值。” ” /注意与空字符串的区别，含有一个空格”125.27” /”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，大小写是不一样的，有无空格及空格的位置不 同，都表示不同的字符串。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.

22、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，2001 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 没有意义的计算结果显示为”.” . display 2/0 另一种情况是，数据中含有缺失值，而STATA 默认的缺失值也用“.”来表 示。在有些数据文件中，缺失值不是用“.”或者空来表示的，而是用-9996 等 来表示，如果要将其全部替换为“.”，或者反之，将“.”替换为-9996，命令为： . mvencode age,mv(-9996) . mvdecode age,

23、mv(-9996) 3.3 数据类型转化 任务:将 destring1, destring2 和 tostring 中的数据类型进行相互转化*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 destring1, clear .des /*注意到所有的变量存贮类型（storage type）均为字符型str#， 其中#号表示字符串长度*/ Contains data from http:/www.stata- obs: 10 vars: 5 3 Mar 2005 10:15 size: 240 (99.9% of memo

24、ry free) storage display value variable name type format label variable label id str3 %9s num str3 %9s code str4 %9s total str5 %9s income str5 %9s .sum /因为所有变量为字符型，所以不能进行数值计算 .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 /系统提示类型不匹配，因为income 为字符型，10 为数值型 .destring, replace /全部转换为数值型，repl

25、ace 表示将原来的变量（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 10 2. 2000

26、 07 08 3. 1997 03 02 4. 1999 09 00.destring date, replace /想把date 转换成数值型，但失败了，系统提示说 *date contains non-numeric characters; no replace /*由于含有非数值型字符 （即空格），因此没有更新，也即转换命令没有执行。*/ .destring date, replace 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

27、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. 19991210 2. 20000708 3. 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, gen(price2 percent2) ignore(“$ ,%”) .list /注意到price2 前面的$号消失，percent2 后面的%号消失 date price price2 perc

28、ent percent2 - 1. 19991210 $2,343.68 2343.68 34% 34 2. 20000708 $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一样，不能直接相加 生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

29、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,现在全部变为字符型 .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 date2=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d

30、ate1 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示日期。*/ .list /新生成的date2 表示总天数 *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 /美国人口普查数据 .des /第三列显示了数据的格式display format storage display value variable n

31、ame type format label variable label state str14 %14s State region int %8.0g cenreg Census region pop long %11.0g Population medage float %9.0g Median age *注意到, stata 变量的格式为%14s，表示右对齐，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 pop medage - 1. Alabama South 3893888 29.3 2. Alaska West

32、401851 26.1 3. Arizona West 2718215 29.2 4. 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 29.3 2. Alaska West 401851 26.1 3. Arizona West 2718215 29.2 4. Arkansas South 22864

33、35 30.6 .format region %-8.0g / *region 变量看起来是字符型变量，但实际上为 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,但是第五个观察值没有任何变化 state region pop medage - 1. Alabama South 3,893,888 29.3 2. Alaska West 401,85

34、1 26.1 3. Arizona West 2,718,215 29.2 4. Arkansas South 2,286,435 30.6 5. California West 23667902 29.9 *因为这个数太大，加逗号将超过11 位数,我们可以先把总的位数增加 .format pop %12.0gc /把pop 显示总长度数增加到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 /要求所有的medage 都显示一位小数.list in 1/4 stat

35、e region pop medage - 1. Alabama South 3,893,888 29.3 2. Alaska West 401,851 26.1 3. Arizona West 2,718,215 29.2 4. 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 1/3 state region pop medage id - 1. Alabama South 3893888 29.3 1 2. Ala

36、ska West 401851 26.1 2 3. 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 00001 2. Alaska West 401851 26.1 00002 3. Arizona West 2718215 29.2 098423.5 在STATA 中直接录入数据：input3.5.1 菜单

37、式操作 任务：按学号录入五个学生的经济学成绩 id economy 1 40 2 80 3 90 4 70 5 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 退出在建立数据文件后，如果没有存盘，这个文件即是一个“临时的”数据文件，它将随着退 出STATA 系统时而消失。当数据文件被存储在后，它将成为一个“永久性”的数据文件， 用户可以在以后

38、经常使用它而不必重新建立之。 3.5.2 命令操作 任务：按学号录入五个学生的学号和姓名id name economy 1 John 40 2 Chris 80 3 Jack 90 4 Huang 43 5 Tom 70 操作：在command 窗口中键入(注：前面的点号不必健入，每完成一行按回车 键,黑体为命令，斜体为变量名或文件名)：对于字符型变量，需要指明其为字符型 并指明最大的字符长度。 clear /清空内存 input id str10 name economy /输入变量名，特别注意姓名前的str10. 1 John 40 /录入第一个学生的学号和成绩 2 Chris 80 /录

39、入第二个学生的学号和成绩 3 Jack 90 4 Huang 70 5 Tom 53 end /录入数据结束 save economy /保存数据到当前路径，文件名为economy 3.5.3 程序操作 （1）打开do file editor，键入以下内容： clear /清空内存 input id str10 name economy /输入变量名，特别注意姓名前的str10. 1 John 40 /录入第一个学生的学号和成绩 2 Chris 80 3 Jack 90 4 Huang 70 5 Tom 53 end /录入数据结束 save economy,erplace /保存数据到当前路

40、径，文件名为economy （2）保存程序文件为mydo（3）点击，执行后得到数学成绩3.6 导入其他格式数据：insheet经常会遇到的情形是：我们有其他格式的数据，需要导入到STATA 中进行 分析，建议大家此时将其他格式数据复制到分析数据的文件目录下，然后直接 用 STATA 的导入数据文件命令导入原始数据，用程序模式进行处理，然后导出 处 理结果。这样做的最大好处是：既不会破坏最原始的数据文件，又使我们的每 一 步数据处理和分析过程都有迹可循。 3.6.1 insheet 命令 在本书所附数据文件中找到“3origin.xls”数据，将其打开并另存为“3origin.csv”，(另存时

41、请注意要选择“保存类型”下拉单，选择CSV（逗号分 隔）这一项)。然后在STATA 命令窗口中用下述命令导入 . insheet using 3origin.csv, clear 也可以先将“3origin.xls”数据打开并另存为“3origin.txt”，然后用下面的命 令导入. insheet using 3origin.txt, clear 当数据中某个变量的位数特别长或者对导入数据的精度要求很高的时候，需 要在该命令后面加double 选项。 . insheet using 3origin.txt, double clear 3.6.2 infile 命令 对于“3origin.tx

42、t”或“3origin.csv”，还可用infile 命令导入STATA，此时需 要先指出变量名。尤其要注意，当变量为字符型时，要先指明。 infile id str10 name gender minority economy math using origin.txt, clear 或者 infile id str10 name gender minority economy math using origin.csv, clear 3.6.3 infix 命令 还有一种标准化的数据，每个变量的位数是确定的，不足时，前面用0 补齐， 以origin.数据的后面四个变量为例，其数据格式为 1

43、14068 128052 029076 024390 037096 115385 028536 129565 如果遇到这种数据格式，需要对照数据说明导入数据，相应的命令为： infix gender 1 minority 2 economy 3-4 math 5-6 using origin.csv, clear 其中的数字为对应的数字位数。 3.6.4 outsheet 命令 与前述三个命令相反，有时我们需要将STATA 数据导出为其他格式数据， 比如文本格式或后缀为 acs 的格式：此时需要使用outsheet 命令实现，该命令 的 基本格式如下。 outsheet using myresult.txt outsheet using myresult.asc 此时建立的文件myresult.txt 第一行为变量名，第26 行为变量值。变量列间 用 Tab 键分隔。如果不希望在第一行存储变量名，则可以使用nonames 选项。如 果 文件已经存在，则需要使用replace 选项,相应的命令分别为。 outsheet using myresult.asc, nonames outsheet using myresult.asc, nonames replace 3.6.4 使用transfer 软件 Transfer 软件专