实证分析 | STATA入门数据处理

STATA十八讲1-7讲

1. 常用命令

*--- 需求帮助 ---*
help
search
*--- 进入某路径 ---*
cd
*--- 设定内存 ---*
set memory 20m
*--- 打开和保存数据 ---*
clear
ues
save
*--- 导入数据 ---*
input
edit
import
*--- 重整数据 ---*
append
merge
xpose
reshape
gen
egen
rename
drop
keep
sort
encode
decode
order
by

2.命令语句

1. 命令语句的格式

[by varlist:] command [varlist] [=exp] [if exp] [in range] [weight] [, options]

2. 命令 command

只要不引起歧义，命令可以尽量只写前几个字母，如summarize可以写成sum

3. 变量varlist

varlist表示一个变量，或者多个变量，多个变量之间用空格隔开

4. 分类操作 by varlist

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，当未排序正确时就会提示not sorted错误

sort foreign              //按国产车和进口车排序
by foreign: sum price weight

5. 赋值及运算 = exp

该选项主要用于给新变量负值或替换原变量的值

gen nprice = price + 10
replace nprice = nprice - 10

6. 条件表达式 if exp

*只查看价格超过1 万元的进口车（同时满足两个条件）
list make price if foreign==1 & price>10000
*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 | price>10000
*分类型查看价格超过1 万元的汽车的品牌和价格
by foreign, sort: list make price if price>10000

7. 范围筛选 in range

如果要计算较低的前10 台车的平均价格

sort price
sum price in 1/10

8. 加权 weight

sum score [weight = num] //求分数的均值，num为不同分值的人数变量，以人数进行加权

9. 其他可选项 , options

不同命令有不同可选项，实现不同的功能

3. 数据

1. 打开数据

use xxx.dta, clear

2. 数据类型

• 数值型变量按精度区分：byte，int，long，float，double

• 字符串变量，最多可以达244个字符，一般用str#表示字符的多少，例如str#20表示有20个字符

• 日期型变量，在STATA中，1960年1月1日被认为是第0天

• 缺失值

3. 数据类型的转化

字符型变量转化成数值型变量：destring

destring date, replace   //把date转换成数值型

* 把字符型变量中含有非数值型字符时不能进行转换
destring date, replace ignore(" ")  //忽略空格，然后转换
destring price percent, gen(price2 percent2) ignore(“$ ,%”) //忽略$空格,%，并生成新变量

数值型转变量换为字符型变量：tostring

tostring year, replace

4. 数据显示格式：format
5. 在STATA中直接录入数据：input

clear
input id str10 name economy
1 john 40
2 chris 80
3 jack 90
end
save economy.dta, replace

6. 标签数据

label给数据/变量/变量值增加标签说明

label data "上市公司基本信息表"    //给数据集设置标签
label var code "证券代码"         //给变量设置标签
label define statelb 1 "国有企业" 0 "非国有企业"
label values state statelb       //给变量值设置标签

7. 删除数据

erase mydata.dta    //删除文件时一定要带上后缀名

4. 数据整理

1. 连接数据

纵向合并数据

use male, clear
append using female.dta

横向合并数据

merge 1:1 code year using mydata.dta, nogen keep(1 3)  //1对1横向合并

2. 数据重整

*--- 数据重整，宽变长 ---*
use mywide.dta, clear
reshape long math economy, i(id name) j(year)
save mylong.dta, replace

*--- 数据重整，长变宽 ---*
use mylong.dta, clear
reshape wide math economy, i(id name) j(year)
save mywide.dta, replace

将多列数据变一列：stack

stack var1-var6, into(x) clear
drop _stack

3. 数据转置

行列互换

use math.dta, clear
xpose, clear

5. 函数与运算符

1. 运算符

2. 函数概览

3. 数学函数

• 三角函数、指数和对数函数

gen y1 = sin(x)
gen y2 = exp(x)
gen y3 = ln(x)

• 取整和四舍五入

*--- 取整 ---*
int(x) //取整，不论后面的小数是什么，只取小数点前的数值

*--- 四舍五入 ---*
round(x) // 四舍五入取整
round(x, .01) //保留两位小数四舍五入

• 求和及求均值gen和egen

gen y = sum(x)  //求列累积和
egen y = sum(x) //求列总和
egen y = rsum(x y z) //求x+y+z总和
egen y = rowmean(x y z) //求(x+y+z)/3
egen y = rowsd(x y z) //求x y z的方差
egen y = rowmim(x y z) //求x y z的最小值
egen y = rowmax(x y z) //求x y z的最大值
egen y = mean(x)      //求列均值
egen y = median(x)    //求列中位数
egen y = std(x)       //求变异系数，与方差不同

4. 字符函数

gen year = substr(enddate,1,4)  //从enddate字符1开始取，取4个字符赋给year
gen y = strpos(s1, s2) != 0    //strpos(s1, s2)返回字符s2在s1中的位置，如果s1中找不到s2，则返回0，将该判断再赋给y

5. 分类操作

by x, sort: gen z = y[1]  //按照x分组，生成一个新变量z=y的第一个观察值
bysort x: gen z = y[1]
bysort x(y): gen z = y[1] //按照x分组，分组后按照y排序，生成一个新变量z=y的第一个观察值

6. 程序

1. 暂元

暂元是程序中的临时变量，分为暂元名和暂元内容两部分，类似于变量名和变量值

local v3 "price length weight"  // 将price length weight 这组字符赋给暂元名v3
list `v3' in 1/5

glocal v3 "price length weight"  // 将price length weight 这组字符赋给暂元名v3
list $v3 in 1/5

global与local的区别

global为全局暂元，local为局域暂元

7. 流程语句

1. 循环语句：forvalues

forvalues i = 1/5 {
display `i'
}

forvalues i = 4 (-0.2) 0 {
display `i'
}

2. 循环语句：foreach

按照变量循环

foreach v of varlist var1-var6 {
replace `v' = 0 if `v' == .
}