Stata编程及解释.docx

Stata编程及解释.docx

《Stata编程及解释.docx》由会员分享，可在线阅读，更多相关《Stata编程及解释.docx（48页珍藏版）》请在冰豆网上搜索。

Stata编程及解释

 Stata编程及解释

调整变量格式：

formatx1%10.3f——将x1的列宽固定为10，小数点后取三位

formatx1%10.3g——将x1的列宽固定为10，有效数字取三位

formatx1%10.3e——将x1的列宽固定为10，采用科学计数法

formatx1%10.3fc——将x1的列宽固定为10，小数点后取三位，加入千分位分隔符

formatx1%10.3gc——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符

formatx1%-10.3gc——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符，加入“-”表示左对齐

合并数据：

use"C:

\DocumentsandSettings\xks\桌面\2006.dta",clear

mergeusing"C:

\DocumentsandSettings\xks\桌面\1999.dta"

——将1999和2006的数据按照样本（observation）排列的自然顺序合并起来

use"C:

\DocumentsandSettings\xks\桌面\2006.dta",clear

mergeidusing"C:

\DocumentsandSettings\xks\桌面\1999.dta",uniquesort

——将1999和2006的数据按照唯一的（unique）变量id来合并，在合并时对id进行排序（sort）

建议采用第一种方法。

对样本进行随机筛选：

sample50

在观测案例中随机选取50%的样本，其余删除

sample50,count

在观测案例中随机选取50个样本，其余删除

查看与编辑数据：

browsex1x2ifx3>3（按所列变量与条件打开数据查看器）

editx1x2ifx3>3（按所列变量与条件打开数据编辑器）

数据合并（merge）与扩展（append）

merge表示样本量不变，但增加了一些新变量；append表示样本总量增加了，但变量数目不变。

one-to-onemerge：

数据源自statatutorial中的exampw1和exampw2

第一步：

将exampw1按v001～v003这三个编码排序，并建立临时数据库tempw1

clear

use"t:

\statatut\exampw1.dta"

su——summarize的简写

sortv001v002v003

savetempw1

第二步：

对exampw2做同样的处理

clear

use"t:

\statatut\exampw2.dta"

su

sortv001v002v003

savetempw2

第三步：

使用tempw1数据库，将其与tempw2合并：

clear

usetempw1

mergev001v002v003usingtempw2

第四步：

查看合并后的数据状况：

ta_merge——tabulate_merge的简写

su

第五步：

清理临时数据库，并删除_merge，以免日后合并新变量时出错

erasetempw1.dta

erasetempw2.dta

drop_merge

数据扩展append：

数据源自statatutorial中的fac19和newfac

clear

use"t:

\statatut\fac19.dta"

taregion

appendusing"t:

\statatut\newfac"

taregion

合并后样本量增加，但变量数不变

茎叶图：

stemx1,line

（2）（做x1的茎叶图，每一个十分位的树茎都被拆分成两段来显示，前半段为0～4，后半段为5～9）

stemx1,width

（2）（做x1的茎叶图，每一个十分位的树茎都被拆分成五段来显示，每个小树茎的组距为2）

stemx1,round（100）（将x1除以100后再做x1的茎叶图）

直方图

采用auto数据库

histogrammpg,discretefrequencynormalxlabel（1

（1）5）

（discrete表示变量不连续，frequency表示显示频数，normal加入正太分布曲线，xlabel设定x轴，1和5为极端值，

（1）为单位）

histogramprice,fractionnorm

（fraction表示y轴显示小数，除了frequency和fraction这两个选择之外，该命令可替换为“percent”百分比，和“density”密度；未加上discrete就表示将price当作连续变量来绘图）

histogramprice,percentby（foreign）

（按照变量“foreign”的分类，将不同类样本的“price”绘制出来，两个图分左右排布）

histogrammpg,discreteby（foreign,col

（1））

（按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，两个图分上下排布）

histogrammpg,discretepercentby（foreign,total）norm

（按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，同时绘出样本整体的“总”直方图）

二变量图：

graphtwowaylfitpriceweight||scatterpriceweight

（作出price和weight的回归线图——“lfit”，然后与price和weight的散点图相叠加）

twowayscatterpriceweight,mlabel（make）

（做price和weight的散点图，并在每个点上标注“make”，即厂商的取值）

twowayscatterpriceweight||lfitpriceweight,by（foreign）

（按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈左右分布）

twowayscatterpriceweight||lfitpriceweight,by（foreign,col

（1））

（按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈上下分布）

twowayscatterpriceweight[fweight=displacement],msymbol（oh）

（画出price和weight的散点图，“msybol（oh）”表示每个点均为中空的圆圈，[fweight=displacement]表示每个点的大小与displacement的取值大小成比例）

twowayconnectedy1time,yaxis

（1）||y2time,yaxis

（2）

（画出y1和y2这两个变量的时间点线图，并将它们叠加在一个图中，左边“yaxis

（1）”为y1的度量，右边“yaxis

（2）”为y2的）

twowayliney1time,yaxis

（1）||y2time,yaxis

（2）

（与上图基本相同，就是没有点，只显示曲线）

graphtwowayscattervar1var4||scattervar2var4||scattervar3var4

（做三个点图的叠加）

graphtwowaylinevar1var4||linevar2var4||linevar3var4

（做三个线图的叠加）

graphtwowayconnectedvar1var4||connectedvar2var4||connectedvar3var4

（叠加三个点线相连图）

更多变量：

graphmatrixabcy

（画出一个散点图矩阵，显示各变量之间所有可能的两两相互散点图）

graphmatrixabcd,half

（生成散点图矩阵，只显示下半部分的三角形区域）

用auto数据集：

graphmatrixpricempgweightlength,halfby（foreign,totalcol

（1））

（根据foreign变量的不同类型绘制price等四个变量的散点图矩阵，要求绘出总图，并上下排列】=具）

其他图形：

graphboxy,over（x）yline（.22）

（对应x的每一个取值构建y的箱型图，并在y轴的0.22处划一条水平线）

graphbar（mean）y,over（x）

对应x的每一个取值，显示y的平均数的条形图。

括号中的“mean”也可换成median、sum、sd、p25、p75等

graphbara1a2,over（b）stack

（对应在b的每一个取值，显示a1和a2的条形图，a1和a2是叠放成一根条形柱。

若不写入“stack”，则a1和a2显示为两个并排的条形柱）

graphdot（median）y,over（x）

（画点图，沿着水平刻度，在x的每一个取值水平所对应的y的中位数上打点）

qnormx

（画出一幅分位-正态标绘图）

rcharta1a2a2

（画出质量控制R图，显示a1到a3的取值范围）

简单统计量的计算：

ameansx

（计算变量x的算术平均值、几何平均值和简单调和平均值，均显示样本量和置信区间）

meanvar1[pweight=var2]

（求取分组数据的平均值和标准误，var1为各组的赋值，var2为每组的频数）

summarizeyx1x2,detail

（可以获得各个变量的百分比数、最大最小值、样本量、平均数、标准差、方差、峰度、偏度）

***注意***

stata中summarize所计算出来的峰度skewness和偏度kurtosis有问题，与ECELL和SPSS有较大差异，建议不采用stata的结果。

summarizevar1[aweight=var2],detail

（求取分组数据的统计量，var1为各组的赋值，var2为每组的频数）

tabstatX1,stats（meannqmaxminsdvarcv）

（计算变量X1的算术平均值、样本量、四分位线、最大最小值、标准差、方差和变异系数）

概率分布的计算：

（1）贝努利概率分布测试：

webusequick

bitestquick==0.3,detail

（假设每次得到成功案例‘1’的概率等于0.3，计算在变量quick所显示的二项分布情况下，各种累计概率和单个概率是多少）

bitesti10,3,0.5,detail

（计算当每次成功的概率为0.5时，十次抽样中抽到三次成功案例的概率：

低于或高于三次成功的累计概率和恰好三次成功概率）

（2）泊松分布概率：

displaypoisson（7,6）

.44971106

（计算均值为7，成功案例小于等于6个的泊松概率）

displaypoissonp（7,6）

.14900278

（计算均值为7，成功案例恰好等于6个的泊松概率）

displaypoissontail（7,6）

.69929172

（计算均值为7，成功案例大于等于6个的泊松概率）

（3）超几何分布概率：

displayhypergeometricp（10,3,4,2）

.3

（计算在样本总量为10，成功案例为3的样本总体中，不重置地抽取4个样本，其中恰好有2个为成功案例的概率）

displayhypergeometric（10,3,4,2）

.96666667

（计算在样本总量为10，成功案例为3的样本总体中，不重置地抽取4个样本，其中有小于或等于2个为成功案例的概率）

检验极端值的步骤：

常见命令：

tabulate、stem、codebook、summarize、list、histogram、graphbox、graghmatrix

step1.用codebook、summarize、histogram、graphboxs、graphmatrix、stem看检验数据的总体情况：

codebookyx1x2

summarizeyx1x2,detail

histogramx1,norm（正态直方图）

graphboxx1（箱图）

graphmatrixyx1x2,half（画出各个变量的两两x-y图）

stemx1（做x1的茎叶图）

可以看出数据分布状况，尤其是最大、最小值

step2.用tabulate、list细致寻找极端值

tabulatecodeifx1==极端值（作出x1等于极端值时code的频数分布表，code表示地区、年份等序列变量，这样便可找出那些地区的数值出现了错误）

listcodeifx1==极端值（直接列出x1等于极端值时code的值，当x1的错误过多时，不建议使用该命令）

listin-20/l（l表示lastone，-20表示倒数第20个样本，该命令列出了从倒数第20个到倒数第一个样本的各变量值）

step3.用replace命令替换极端值

replacex1=?

ifx1==极端值

去除极端值：

keepify<1000

dropify>1000

对数据排序：

sortx

gsort+x

（对数据按x进行升序排列）

gsort-x

（对数据按x进行降序排列）

gsort-x,generate（id）mfirst

（对数据按x进行降序排列，缺失值排最前，生成反映位次的变量id）

对变量进行排序：

orderyx3x1x2

（将变量按照y、x3、x1、x2的顺序排列）

生成新变量：

genlogx1=log（x1）（得出x1的对数）

genx1`=exp（logx1）（将logx1反对数化）

genr61_100=1ifrank>=61&rank<=100（若rank在61与100之间，则新变量r61_100的取值为1，其他为缺失值）

replacer61_100ifr61_100!

=1（“!

=”表示不等于，若r61_100取值不为1，则将r61_100替换为0，就是将上式中的缺失值替换为0）

genabs（x）（取x的绝对值）

genceil（x）（取大于或等于x的最小整数）

gentrunc（x）（取x的整数部分）

genround（x）（对x进行四舍五入）

genround（x,y）（以y为单位，对x进行四舍五入）

gensqrt（x）（取x的平方根）

genmod（x,y）（取x/y的余数）

genreldif（x,y）（取x与y的相对差异，即|x-y|/（|y|+1））

genlogit（x）（取ln[x/（1-x）]）

genx=autocode（x,n,xmin,xmax）（将x的值域，即xmax-xmin，分为等距的n份）

genx=cond（x1>x2,x1,x2）（若x1>x2成立，则取x1，若x1>x2不成立，则取x2）

sortx

gengx=group（n）（将经过排序的变量x分为尽量等规模的n个组）

egenzx1=std（x1）（得出x1的标准值，就是用（x1-avgx1）/sdx1）

egenzx1=std（x1）,m（0）s

（1）（得出x1的标准分，标准分的平均值为0，标准差为1）

egensdx1=sd（x1）（得出x1的标准差）

egenmeanx1=mean（x1）（得出x1的平均值）

egenmaxx1=max（x1）（最大值）

egenminx1=min（x1）（最小值）

egenmedx1=med（x1）（中数）

egenmodex1=mode（x1）（众数）

egentotalx1=total（x1）（得出x1的总数）

egenrowsd=sd（x1x2x3）（得出x1、x2和x3联合的标准差）

egenrowmean=mean（x1x2x3）（得出x1、x2和x3联合的平均值）

egenrowmax=max（x1x2x3）（联合最大值）

egenrowmin=min（x1x2x3）（联合最小值）

egenrowmed=med（x1x2x3）（联合中数）

egenrowmode=mode（x1x2x3）（联合众数）

egenrowtotal=total（x1x2x3）（联合总数）

egenxrank=rank（x）（在不改变变量x各个值排序的情况下，获得反映x值大小排序的xrank）

数据计算器display命令：

displayx[12]（显示x的第十二个观察值）

displaychi2（n,x）（自由度为n的累计卡方分布）

displaychi2tail（n,x）（自由度为n的反向累计卡方分布，chi2tail（n,x）=1-chi2（n,x））

displayinvchi2（n,p）（卡方分布的逆运算，若chi2（n,x）=p，那么invchi2（n,p）=x）

displayinvchi2tail（n,p）（chi2tail的逆运算）

displayF（n1,n2,f）（分子、分母自由度分别为n1和n2的累计F分布）

displayFtail（n1,n2,f）（分子、分母自由度分别为n1和n2的反向累计F分布）

displayinvF（n1,n2,P）（F分布的逆运算，若F（n1,n2,f）=p，那么invF（n1,n2,p）=f）

displayinvFtail（n1,n2,p）（Ftail的逆运算）

displaytden（n,t）（自由度为n的t分布）

displayttail（n,t）（自由度为n的反向累计t分布）

displayinvttail（n,p）（ttail的逆运算）

给数据库和变量做标记：

labeldata"~~~"（对现用的数据库做标记，"~~~"就是标记，可自行填写）

labelvariablex"~~~"（对变量x做标记）

labelvaluesxlabel1（赋予变量x一组标签:

label1）

labeldefinelabel11"a1"2"a2"（定义标签的具体内容：

当x=1时，标记为a1，当x=2时，标记为a2）

频数表：

tabulatex1,sort

tab1x1-x7,sort（做x1到x7的频数表，并按照频数以降序显示行）

tablec1,c（nx1meanx1sdx1）（在分类变量c1的不同水平上列出x1的样本量和平均值）

二维交互表：

auto数据库：

tablerep78foreign,c（nmpgmeanmpgsdmpgmedianmpg）centerrowcol

（rep78，foreign均为分类变量，rep78为行变量，foreign为列变量，center表示结果显示在单元格中间，row表示计算行变量整体的统计量，col表示计算列变量整体的统计量）

tabulatex1x2,all

（做x1和x2的二维交互表，要求显示独立性检验chi2、似然比卡方独立性检验lrchi2、对定序变量适用的等级相关系数gamma和taub、以及对名义变量适用的V）

tabulatex1x2,columnchi2（做x1和x2的二维交互表，要求显示列百分比和行变量和列变量的独立性检验——零假设为变量之间独立无统计关系）

tab2x1-x7,allnofreq（对x1到x7这七个变量两两地做二维交互表，不显示频数：

nofreq）

三维交互表：

byx3,sort:

tabulatex1x2,nofreqcolchi2（同时进行x3的每一个取值内的x1和x2的二维交互表，不显示频数、显示列百分比和独立性检验）

四维交互表：

tablex1x2x3,c（ferqmeanx1meanx2meanx3）by（x4）

tabstatX1X2,by（X3）stats（meannqmaxminsdvarcv）col（stats）

tabstatX1X2,by（X3）stats（meanrangeqsdvarcvp5p95median）,[aw=X4]（以X4为权重求X1、X2的均值，标准差、方差等）

ttestX1=1

countifX1==0

countifX1>=0

genX2=1ifX1>=0

corrx1x2x3（做x1、x2、x3的相关系数表）

swilkx1x2x3（用Shapiro-WilkWtest对x1、x2、x3进行正太性分析）

sktestx1x2x3（对x1、x2、x3进行正太性分析，可以求出峰度和偏度）

ttestx1=x2（对x1、x2的均值是否相等进行T检验）

ttestx1,by（x2）unequal（按x2的分组方式对x1进行T检验，假设方差不齐性）

sdtestx1=x2（方差齐性检验）

sdtestx1，by（x2）（按x2的分组方式对x1进行方差齐性检验）

聚类分析：

clusterkmeansyx1x2x3,k（3）

——依据y、x1、x2、x3，将样本分为n类，聚类的核为随机选取

clusterkmeansyx1x2x3,k（3）measure（L1）start（everykth）

——"start"用于确定聚类的核，"everykth"表示将通过构造三组样本获得聚类核：

构造方法为将样本id为1、1+3、1+3×2、1+3×3……分为一组、将样本id为2、2+3、2+3×2、2+3×3……分为第二组，以此类推，将这三组的均值作为聚类的核；"measure"用于计算相似性和相异性的方法，"L1"表示采用欧式距离的绝对值，也直接可采用欧式距离（L2）和欧式距离的平方（L2squared）。

PS：

这个方法所得的结果与SPSS所得结果相同。

sortc1c2（对c1和c2两个分类变量排序）

byc1c2：

regyx1x2x3（在c1、c2的各个水平上分别进行回归）

bysortc1c2：

regyx1x2x3ifc3=1（逗号前面相当于将上面两步骤合一，既排序又回归，逗号后面的“ifc3=1”表示只有在c3=1的情况下才进行回