Stata编程及解释

Stata编程及解释 调整变量格式： format x1 %10.3f ——将x1的列宽固定为10，小数点后取三位 format x1 %10.3g ——将x1的列宽固定为10，有效数字取三位 format x1 %10.3e ——将x1的列宽固定为10，采用科学计数法 format x1 %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 format x1 %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 format x1 %-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:\Documents and Settings\xks\桌面\2006.dta", clear merge using "C:\Documents and Settings\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:\Documents and Settings\xks\桌面\2006.dta", clear merge id using "C:\Documents and Settings\xks\桌面\1999.dta" ,unique sort ——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： sample 50 在观测案例中随机选取50%的样本，其余删除 sample 50,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： browse x1 x2 if x3>3 （按所列变量与条件打开数据查看器） edit x1 x2 if x3>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-one merge： 数据源自stata tutorial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 sort v001 v002 v003 save tempw1 第二步：对exampw2做同样的处理 clear use "t:\statatut\exampw2.dta" su sort v001 v002 v003 save tempw2 第三步：使用tempw1数据库，将其与tempw2合并： clear use tempw1 merge v001 v002 v003 using tempw2 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 erase tempw1.dta erase tempw2.dta drop _merge 数据扩展append： 数据源自stata tutorial中的fac19和newfac clear use "t:\statatut\fac19.dta" ta region append using "t:\statatut\newfac" ta region 合并后样本量增加，但变量数不变

茎叶图： stem x1,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） stem x1,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） stem x1,round(100) （将x1除以100后再做x1的茎叶图） 直方图 采用auto数据库 histogram mpg, discrete frequency normal xlabel(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） histogram price, fraction norm （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） histogram price, percent by(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） histogram mpg, discrete by(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） histogram mpg, discrete percent by(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： graph twoway lfit price weight || scatter price weight （作出price和weight的回归线图——―lfit‖，然后与price和weight的散点图相叠加） twoway scatter price weight,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） twoway scatter price weight || lfit price weight,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） twoway scatter price weight || lfit price weight,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） twoway scatter price weight [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） twoway connected y1 time,yaxis(1) || y2 time,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） twoway line y1 time,yaxis(1) || y2 time,yaxis(2) （与上图基本相同，就是没有点，只显示曲线） graph twoway scatter var1 var4 || scatter var2 var4 || scatter var3 var4 （做三个点图的叠加） graph twoway line var1 var4 || line var2 var4 || line var3 var4 （做三个线图的叠加） graph twoway connected var1 var4 || connected var2 var4 || connected var3 var4 （叠加三个点线相连图） 更多变量： graph matrix a b c y （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） graph matrix a b c d,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： graph matrix price mpg weight length,half by( foreign,total col(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： graph box y,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） graph bar (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 graph bar a1 a2,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） graph dot (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） qnorm x （画出一幅分位-正态标绘图） rchart a1 a2 a2 （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： ameans x （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） mean var1 [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） summarize y x1 x2,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。 summarize var1 [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） tabstat X1,stats(mean n q max min sd var cv) （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： webuse quick bitest quick==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） bitesti 10,3,0.5,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： display poisson(7,6) .44971106 （计算均值为7，成功案例小于等于6个的泊松概率） display poissonp(7,6) .14900278 （计算均值为7，成功案例恰好等于6个的泊松概率） display poissontail(7,6) .69929172 （计算均值为7，成功案例大于等于6个的泊松概率）