零基础小白STATA数据分析实用常见命令整理

零基础⼩⽩STATA数据分析实⽤常见命令整理
STATA基础⼊门零基础实⽤命令整理
第⼀章数据的读⼊与熟悉
1.读⼊⽂件中的部分变量
. use[变量] using [⽂件名]
Eg . use age sex height weight using [⽂件名]
2.读⼊⽂件中的部分观察量
. use[⽂件名] in X/Y
. use "I:\stata\chapter3.dta" in 601/1000
软件只读⼊从第601个观察到第1000个观察之间的400个观察量
3.描述、管理数据的基本命令
命令功能
. describe描述数据的基本情况：样本总量、变量总数、
变量的格式等
. list
. list [变量名]－列出数据中所有变量的分布，从第⼀个样本到最后⼀个样本
－列出选定变量的分布
. list [变量名] in X/Y 列出数据中被选定的变量分布。

in限定数据的
观察值范围。

⽐如，若只想查看第100个-200
个观察值的分布，则将X/Y替换成100/200
. order [变量名]按选定变量排序。

⽐如，样本的编号、年龄、
性别、教育程度，……，等
. aorder 将所有变量从 a-z 排序
. label variable给变量贴上标签
命令功能
. sort [变量名] －将某个变量的数值进⾏排序。

⼀般情况下，排
序的⽅式是从⼩到⼤
－可同时排序多个变量
－Stata将缺失值描述为最⼤数值，故排列在最后. sort [变量名] [in] 对某些变量的某个取值范围进⾏排序；没有指定的取值范围保持在原地⽅
. gsort [+|-][变量名] －可从⼩到⼤和从⼤到⼩
－若变量名前没有任何符号或加上+号，则按升序
排列；若在变量名前加上－号，则按降序排列
－变量可以是数值型、也可以是字符型
. gsort [+|-][变量名] ，mfirst －mfirst指定将缺失值置于所有有效数值之前. gsort -age
第⼆章变量的⽣成与处理
1.离散和连续测量
离散⽅式（discrete measure）：由定性测量和定序测量组成；适⽤于低层次数据
连续⽅式（continuous measure）：由定距测量和定⽐测量组成。

适⽤于⾼、低层次数据
2.Stata有四个基本的⽣成和修改变量的命令：gen、egen、replace和recode
. gen和egen分别是generate和extended generate的缩写，它们⽤于⽣成新变量
. replace和recode⽤来改变现存变量的属性或数值
. replace需要与gen⼀起使⽤；⼆者的区别在于，gen⽤于⽣成新变量，replace ⽤于重新定义已经存在的变量. recode也可以与gen⼀起使⽤
3.变量⽣成的规则
数值型变量的缺失值⽤⼀个实⼼⼩圆点（.）或在26个字母前加⼀个实⼼⼩圆点（如.a, .b, .c，……，.z）表⽰。

字符型变量的缺失值以双引号表⽰，引号中什么也没有。

4.系统变量_n
系统变量_n表⽰每个观察值的位置（numbering observations）。

其原则是：当前观察值：[n]
总观察值（最后⼀个观察值[_n]）：[N]
第⼀个观察值：[1]
最后⼀个观察值：[N]
滞后⼀个(lag)观察值：[n-1]
前移⼀个(lead)观察值：[n+1]
第27个观察值：[27]
Eg.每个孩⼦在省内的排序
步骤1：Sort province
步骤2：By province:gen order=_n
5.系统变量_N
系统变量_N代表样本总数。

最后⼀个样本_n即是_N
Eg.使⽤前⾯的数据，看看每个省共有⼏个孩⼦在样本中
步骤1：sort province
步骤2：. by province: gen ceb=_N
6.滞后变量和移前变量
⽣成滞后（lag）变量或移前变量（lead）作为数据扩充
gen a = b[_n-1]
gen a = b[_n+1]
①：需要⽣成的新变量的名称
②：现有变量的名称
③：将现有变量的取值下移⼀⾏（[_n-1]）或前移⼀⾏（[_n+1]）的基本命令
使⽤系统变量_n或_N检查重复样本
第⼀步：对关键变量（ID ）进⾏排序
第⼆步：使⽤_n 或_N 将该ID 的数值下置⼀⾏，如果下置的数值与当前ID 相等的话，则该样本是重复样本
Eg.sort IID2016
drop order
gen order=_n
count if IID2016[_n]== IID2016[_n -1]
7.⽣成字符型变量
Eg.gen boy="nanhai"
在字符型变量中，“=”后⾯表达式的内容需置于双引号中
并不是每个样本都是男孩，故需替代上述命令的部分结果
. replace boy="nvhai"if girl==1
命令replace 与if 条件句相结合，改变变量的取值。

当变量girl 的取值为1时，将变量boy 的取值替换为nvhai ，其他值不变定义缺失值
. replace boy="none" if boy==" "
8.⽣成数值变量
. recode [原变量] （[原变量取值] = [新变量取值]） *= [其他取值], gen [新变量]
Eg.drop edu
. recode yrsch 0=0 11=1 12=2 13=3 14=4 15=5 16=6 21=7 22=8 23=9 24 27=10 25 28=11 26 29=12 31=13 32=14 *=.,gen (edu)
该命令在原变量yrsch 的基础上⽣成⼀个新变量（edu)
新变量对原变量的取值重新编码。

原变量照旧保存着
若⽆gen （edu ）部分，则仅取代原有变量的取值
*表⽰所有其他没有列出的数值（others ）
9.基本运算符及含义
逻辑关系：！~竖 & 否否或和 10.⽣成分组变量：不重原则 Eg.按年龄划分成四组，分别是0~4 5~9 10~14 15及以上 gen agegrp=0 . replace agegrp=1 if age>=0 & age<=4 . replace agegrp=2 if age>=5 & age<=9 . replace agegrp=3 if age>=10 & age<=14 . replace agegrp=4 if age >=15 . replace agegrp=. if age == . egen agegrp = cut(age), at(0,5,10, 15,20)
11.⽣成虚拟变量
⽅法1：gen [新变量名] = b [限制条件]
Eg. gen xiaoxue = edu<7或. gen xiaoxue =edu<=6或. gen byte xiaoxue = edu<7或. gen byte xiaoxue =edu<＝6
⽅法2：gen [变量名] ＝1 if[取值为1的限制条件]
. replace （[变量名]＝0 if[取值为0的限制条件] 关系(Relational)符号=使等号左边的值等于等号右边的值；不能⽤于“if ”命
令中；可⽤于“gen ”命令中；可⽤于取代原来的值==等于；等号左边的值是否等于等号右边的值!=不等于，相当于~＝<⼩于>⼤于>=⼤于或等于<=⼩于或等于
Eg.replace xiaoxue = . if edu == . （注意空格以及edu后两个等号）
12.使⽤egen⽣成分类变量
egen[新变量名]=cut[旧变量名],at[旧变量取值的下限]
at()指名每个组群的最⼩值
Eg.将年龄分为四组，如2－6岁7－12岁13－20岁
Egen agegrp1=cut (age),at(2,7,13,21)(注意括号和逗号)
13.使⽤egen变量⽣成某⼀变量的均值变量
egen a_mean = mean(a), by(b)
该命令⽣成的变量是按变量b的分类计算的均值
egen avg=rmean(b c)
这⾥，rmean告诉Stata，⽣成⼀个变量b和c的⾏均值变量（avg），忽视缺失值。

不可与选项by连⽤
若在rmean的后⾯指定两个变量，某个变量的⼀些观察值有缺失值，则Stata 按照没有缺失值的样本计算均值
Eg.⽣成家庭的平均⾝⾼作为新变量
egen hgtmean=mean( height ),by( hhid )
egen还可以是⽣成其他统计量，包括min（最⼩值）、max（最⼤值）、sd （标准偏差）、median（中位数）、kurt（峰度）、iqr（四分位差）等在计算统计量时，egen可以与by选项连⽤
14.给数据、变量和变量的属性贴标签
对数据库作说明
Eg . label data "Chapter4；创建于2006年9⽉，最近的修改⽇期为2007年1⽉“
引号⾥的内容是对数据库说明的具体内容
给变量下定义
Eg . label variable province “被调查省份“
引号⾥的内容是变量的标签
给变量的属性下定义
步骤1：给变量的取值贴标签
. label define urban 0 "rural" 1 "urban"
步骤2：将取值标签指定给变量
. label values urban urban
步骤3：数值与标签（可有可⽆）
. numlabel urban, add mask("#. ")
第三章数据的合并与转换
1.数据合并类型
增加观察值（即样本量）：纵向合并
若有⼀个城市⼉童数据和⼀个农村⼉童数据，⼆者的内容基本相同
可进⾏独⽴分析或整合后作为整体样本的次样本分析
增加变量：横向合并
若有⼀个社区数据和⼀个家庭数据，家庭寓于社区中，若想将⼆者合⼆为⼀，从⽽使家庭数据包含社区的基本特征，则需将数据进⾏横向合并
2.数据合并的概念
主要数据（Master dataset）：指当前在Stata界⾯的数据，⼜称当前数据（current dataset）、窗⼝数据或记忆空间数据
使⽤数据（using dataset）：指当前不在Stata界⾯、但⾏将被合并到当前数据的数据，也称辅助数据。

该名词主要⽤于数据的合并
关键变量（Key variables），也称标识符（identifiers）或合并变量（match variables）：横向合并的专有词汇，⽤来合并两个数据的变量。

该变量必须同时存在于主要数据和使⽤数据中，且在使⽤前必须排序。

主要变量可以是⼀个，也可以是两个或多个
3.纵向合并
. append using [使⽤数据的路径和名称]
②：使⽤数据的路径和名称（⽬前记忆空间的数据是主要数据）
. append using [使⽤数据的路径和名称], keep[变量名]
①
①：在合并使⽤数据时，只保留keep后⾯指定的变量
/doc/0e9d8fb6beeb19e8b8f67c1cfad6195f312be82d.html e "E:\stata\Chapter5_umerge.dta"(使⽤数据) describe
use "E:\stata\Chapter5_rmerge.dta", clear（主要数据）
describe
append using "E:\stata\Chapter5_umerge.dta"
describe
list
*sort mothid
save "E:\stata\Chapter5_rumerge.dta",replace
4.横向合并
横向数据合并中，主要数据和使⽤数据都必须按照主要变量进⾏排序，否则合并⽆法进⾏，还会得到错误的提⽰，纵向数据合并⽆需对哪个变量进⾏排序横向数据合并需要关键变量，纵向数据合并⽆需关键变量
.append将两个变量类似、但观察个案不同的数据整合在⼀起；.merge将具有不同变量的两个数据整合在⼀起
步骤：
先看使⽤数据：
. use [⽂件路径名称]
. sort [关键变量]
. save [⽂件路径名称], replace
再看主要数据：
. use [⽂件路径名称]
. sort [关键变量]
. merge [关键变量] using [⽂件路径名称], keep [变量]
关键变量即为sort后⾯的变量；利⽤该变量匹配两个数据
⼀对⼀合并
每个⽂件中同样的观察值合并
Eg.先对主要数据使⽤数据use sort关键变量
merge husbid using "I:\stata\hhwk_husb00.dta", unique
（unique只适⽤于⼀对⼀合并）
⼀对多合并
merge mothid using “I:\stata\ru_merge.dta”,uniqmaster
多对⼀合并
merge mothid using "I:\stata\muqin_merge", uniqusing
选项unique：只能⽤于使⽤关键变量的⼀对⼀的合并中。

⼀对多的合并可以使⽤uniqmaster 选项；多对⼀的合并可以使⽤uniqusing 选项。

6.样本的取舍
keep if _merge==3
Or . drop if _merge ==1 | _merge ==2
(N observations deleted)
这样实际上是去掉了两个原始数据中不匹配的观察值。

剩余的观察值就是在两个⽂件中都有的
7.重复值问题
⽅法1：sort[关键变量]
List [关键变量] if[关键变量]=[_n-1]
⽅法2：sort [关键变量]
By [关键变量]：assert_N==1
⽅法3：duplicates report [关键变量]
⽅法4：isid [关键变量]
⽅法5：tab [关键变量]（当观察值不多时使⽤）
8.数据的转换
从长数据到宽数据的转换
reshape wide [转换的变量], i[观察值的标识符] j[次标识符]
③：选项i及括号内的变量⼀起，指定观察值的标识符，或取值独⼀⽆⼆、代表每个逻辑观察值的变量。

在家庭户数据中，每个家庭构成⼀个逻辑观察值
④：选项j及括号内的变量⼀起，指定观察值的次标识符，或在每个逻辑观察值中，其独⼀⽆⼆的取值代表每个次观察的变
量。

在家庭户数据中，次观察即每个家庭中的个体。

它也告诉Stata，在⽣成新变量的时候，使⽤哪个原有变量的取值
从宽数据到长数据的转换
reshape long [变量名称], i[观察值的标识符] j[次标识符]
9.从宽数据到长数据的转换
reshape long kidid age girl yob, i(mothid) j(order)
保留有效数据
Eg. keep if kidid!=. 或. drop if kidid==.
(7996 observations deleted)
（只保存kidid 为有效值的样本；共有7996观察值被删除）
宽数据变量的尾缀不能以0开头的。

虽然Stata依旧⼯作，但其结果却是有问题的
10.数据的分组——sort
11.数据的集合
命令collapse和contract对记忆空间的数据进⾏集合，⽣成⼀个新的⾼层次数据
前者⽤于⽣成均值、中位数等统计量的数据
后者⽤于⽣成频数或⽐例的数据
集合频数或⽐例的路径：
Data – Create or change variables – Other variable transformation commands – Make dataset of frequencies（contract）
集合统计量的路径
Data – Create or change variables – Other variable transformation commands – Make dataset of means, medians,
etc（collapse）
第四章描述性分析
1.单变量频数分布
tab [变量名]
Eg.tab girl
2.多变量频数分布
tab1 [变量a 变量b 变量c], missing plot
missing和plot均属选项。

前者告诉Stata输出缺失值，后者告诉Stata绘制⼀幅频数分布的茎叶图
3.条件频数分布
条件频数分布也称交叉频数表为或列联表，同时⽣成两个变量之间关系的频数分布，属于相关分析中的⼀种
.tab提供、且只能提供双变量的交叉分析，⽣成⼆者之间的交叉频数分布，相当于命令tabulate
若其令后⾯仅有⼀个变量，则Stata输出该变量的频数分布
Stata的默认⽅法是，tab后⾯的第⼀个变量被当成⾏变量，第⼆个变量被当成列变量
.tab2也提供双变量的交叉分析表
.tab和tab2的主要区别在于，前者仅可以⽤于两个变量的交互分析（tab后⾯最多只能有两个变量）；tab2可同时⽣成多个两两变量之间的交互频数分布表Eg.tab girl enroll, chi2 column row miss nokey （书P212 对表格的解读）
①: 提供两个变量关系的卡⽅
②: 提供列变量的百分⽐
③: 提供⾏变量的百分⽐
④: 提供缺失变量的⽐例
⑤: 压缩单元格内容的提⽰
4.变量的中央趋势（central tendency）和离散趋势（tendency of dispersion ）
众数（mode）集中趋势：算术均值（mean，average）集中趋势：中位数（median）极差或者全距（range，R）：表⽰变量取值中最⼤值和最⼩值之差。

适合所有分布类型的数据描述离散趋势的⽅法包括：级差、⽅差、标准差⽅差（variance）：表⽰⼀组变量取值的平均离散程度。

⽅差越⼤，离散或者变异程度越⼤。

适合描述近似正态分布资料的离散趋势
离散趋势：标准差（standard deviation）
适合描述近似正态分布资料的离散趋势
⽅差或标准差都是根据全部数据计算的，反映了每个数据与其均值相⽐平均相差的数值，因此能准确地反映数据的离散程度
⾃由度：⼀组数据中可以⾃由取值的个数。

当样本的个数为n时，若样本均值确定后，必有⼀个数据不能⾃由取值。

因此，只有n-1 个数据可以⾃由取值在抽样估计中，当⽤样本⽅差去估计总体⽅差时，样本⽅差是总体⽅差的⽆偏估计量
5.sum[连续变量]
该命令给出标准统计量。

输出结果包括：
Obs Mean Std. Dev. Min Max
（观察量）（均值）（标准差）（最⼩值）(最⼤值）sum[连续变量]，detail（P218 219）
6.均值估计（mean）⽐例估计（proportion）
7.使⽤table命令描述数据
table [变量a], contents[mean 变量b sd 变量b]
. table a b, contents(mean c sd d)
按变量a和b的分类，计算变量c的均值、d的标准差
8.使⽤tabstat命令描述数据
tabstat a b c d
输出的统计量是可选择的。

若不选择，则默认值为均值。

其主要选项包括：. tabstat a b c d, by(e) statistics(mean sd) columns(statistics)
②：需要得到的统计量，可多选，不同统计量之间需⽤空格隔开，如statistics(mean sd skewness kurtosis)
③：输出结果的格式可以选择
④：选择columns(statistics)，则竖列表述的是统计量，横⾏表现的是变量。

若选择columns(variables)格式，则反之
9.使⽤tabulate, sum命令描述数据
tab a b, sum(c)
①：接变量a、b的分类变量，计算变量c的统计量，并输出a、b的频数分布
③：sum后⾯接⼀个需要输出统计量的数值型变量
②：分类变量；④：连续变量
10.列联表
Eg.tab urban enroll，row col nokey（书P228 229解读）
tabulate urban enroll, exact lrchi2 nokey
11.相关度测量
tabulate urban enroll, chi2 exact expected gamma lrchi2 taub V nokey
tabulate urban enroll, expected row col cell cchi2 clrchi2（书P234）
第五章图形制作与数据的描述
1.散点图
scatter y x
scatter height age, ①
title("Height of Children")②
subtitle("Stata Example")③
note("1") ④
caption("Source: Chapter7")⑤
scheme(economist)⑥
①: ⽣成height和age散点图的基本命令
②: 给图形附上标题，标题在括号内
③：给图形添加副标题，副标题在括号内
④：给图形编号
⑤：给图形提供注释,note和caption的意思基本是⼀样的
⑥: 定义图形的外观，括号内的economist告Stata输出⼀个经济型的图形
逗号后⾯所有的内容都属于选项，在所有图形中都是通⽤的
xsize (4) ysize (4)
①：横轴（宽度）的选项
②：横轴的宽度；这⾥将其定义为4英⼨
③：纵轴（⾼度）的选项
④：纵轴的⾼度；这⾥将其定义为4英⼨
散点图的选项：数轴（axis）
（a）数轴标题：ytitle，xtitle（“”）
（b）数轴的标签和刻度：ylabel(“”)，xlabel
（c）数轴的范围（ylabel(minmax)或ylabel(0(20)180）
（d）⽹络线格式：xlabel(,grid) ylabel(,nogrid)
（e）添加线条：yline(130)
（f）多个数轴：yaxis(1) || yaxis(2)
scatter height age, mcolor(red)msize(5)msymbol(oh)
①：符号的颜⾊（mcolor=marker color），这⾥将散点定义为红⾊
②：符号的⼤⼩（msize=marker size），这⾥将散点定义为5
③：符号的性状（msymbol=marker symbol，可简写为ms），这⾥将散点的形状定义为空⼼圆
散点图的选项：添加⽂字（P253）
Eg.egen weightm=mean(weight), by(age)
.scatter height age || line weightm age,yaxis( 1 2) xaxis(1 2)title(This is the Title)subtitle(This is the Subtitle)caption(This is the caption)note(This is the
Note)ytitle(Height of Children, axis(2))ytitle(Weight of Children)xtitle(Age of Children)xtitle(Child Age, axis(2))ysize(4)xsize(5) 2.线图
line y x
注意点：1.将X变量排序2.将y轴的数据转换为均值
Eg.graph twoway line heightm age || line weightm age || line edum age if
edum~=.,yaxis(2) legend(row(3)position(10)ring(0))xtitle("") ytitle(Height and Weight)ytitle(Average Year of Schooling,
axis(2))ysize(3)xsize(4)
legend(row(3)position(10)ring(0)将图例分为三排，置于⼗点钟位置，且与绘图区之内。

线条的格式(P262)
connect(line line stairsteps)
clpattern(longdash solid dash)
lcolor(grey blue red)
lwidth(0.5 0.5 0.5 )
legend(row(3) position(3)ring(0))
xtitle("")
3.条形图
条形图分为纵向和横向条形图
.graph bar ⽣成纵向条形图，即柱形图，在这类柱形图中，y轴是连续变量，⽽x则可以是分类或连续变量。

.graph bar (mean) [连续变量], over[分类变量]
.graph hbar⽣成横向条形图。

y轴是连续变量，且是横向的；x轴则可以是分类或连续变量，且是纵向的：
.graph hbar (mean) [连续变量], over[分类变量]
统计量“mean”是stata默认的，可以选择其它统计量：包括median（中数）、sum（算术和），p（四分位数、⼗分位数、百分位数，等分位数）和count（计数），故可将上述命令换成：
.graph hbar (sum) [连续变量], over[分类变量]
条形图的选项：blabel
该选项有两个功能。

其⼀，增加图表的信息量——通过(blabel(bar))和blabel(total))将变量的取值添加到图形中；其⼆，通过(blabel(name))和
blabel(group))选项改变bar的名称和组合。

该选项只适⽤于graph bar和graph hbar 命令。

其次选项主要有：
blabel(what, where，how)（什么、什么地⽅、如何）：指定标签的内容以及相对于bar⽽⾔标签的位置
blabel(bar)：标签为bar的⾼度
blabel(total)：标签为bar的累积⾼度，该选项只与stack连⽤
blabel(group)：指明标签为第⼀个over选项中分组变量每个组别的名称
条形图的选项：bar
与bar的位置、形状、⾊彩等有关。

主要次选项：
outergap(*#)和outergap(#)
前者指定bar到绘图区边缘的距离，包括第⼀个bar和最后⼀个bar，改变默认值
outergap(*1.2)将间隔增加20%；outergap(*.8)则将间隔减少20%
outergap(#)指定间隔与bar宽度的⽐例（如，outergap(50) 将间隔缩为bar 宽度的⼀半）
bargap(#)：bar之间的间隔，定义为与bar宽度的⽐例。

默认值为bargap(0)，即各bar相连。

bargap()可为正、负值
bargap(10)将缩⼩bar之间的间隔（bar宽的10%）
bargap(-30)将使bars之间有30%的重合
值得注意的是，bargap()只影响y变量的bars
bar(#, barlook_options)：bar的外观选项。

⽐如，bar(1, ...)是指第⼀个bar，bar(2, ...)是指第⼆个bar(2, ...)，如此类推。

这⾥的...是bar的具体定义。

最有⽤的选择是⾊彩，(colorstyle)，其功能是定义bar的颜⾊。

如：命令bar(1, color(red))将使第⼀个bar呈红⾊
intensity(#)和intensity(*#)：指明填充bar的颜⾊的强度
. intensity(#) 直接指定某个强度
. intensity(*#)指明相对于默认值的强度
默认值是，bar内的填充颜⾊与其边框的颜⾊⼀致
若指定#<1，则颜⾊变淡，若指定#>1，则加深颜⾊
若⽆需填充bar，则使⽤intensity(0)
. lintensity(#)和lintensity(*#)：指定bar边缘线条的强度
. lintensity(#)指定某个具体强度
. lintensity(*#)指定的强度是相对于默认值⽽⾔的
若需颜⾊最深，则使⽤lintensity(255)
Eg.graph bar (mean) edu if edu !=., blabel(bar, position(top)format(%4.2f)size(5)) ysize(4)xsize(3)over(girl, relabel(1 Boy 2 Girl)label(labcolor(black)labsize(medium)))ylabel("")over(urban, relabel(1 Rural 2 Urban))ytitle("")
bar(1,fcolor(blue)lcolor(gold)lwidth(thick))
Eg.graph bar (mean) weight height, over(sibs,relabel(1 "no sibling" 2 "1 sibling"
3 "2+ siblings"))bargap(-30)legend( label(1 "weight") label(2 "height") )ytitle("Height and weight")title("Height and weight of Children ")subtitle("by Number of Siblings") blabel(bar, position(inside) format(%9.1f) color(white))note("Source:
xyz")ytitle("")ylabel("")
4.直⽅图
histogram [变量]
bin(#)和width(#)
⼆者可互换、但不能同时使⽤
.bin指定数据将被如何集合成在bin中。

bin()指直⽅图中条柱的数量，“#”代表具体数⽬，因需⽽异。

若不注明，则Stata⾃动地根据变量的取值决定条柱的宽度
.width()指明柱⼦的宽度；使⽤width()选项将会改变图形的计算⽅式
若没有其中任何⼀个选项，Stata将⾃⾏决定bin的数⽬
.start(#)
表⽰数轴的起点，或者是变量的理论最⼩值。

默认值为start(m)，其中m表⽰最⼩值（minimum）。

括号中的数值⼀定⼩于或等于最⼩值，否则就会得到⼀个红⾊的错误提⽰
discrete
该选项告诉Stata需要⽣成直⽅图的变量属于分类变量，故变量的每个分类都应该有⼀个独⽴条柱（bar）
. width(#)
该选项在分类变量中很少使⽤。

与连续变量⼀样，它指明柱⼦的宽度。

默认的形式是width(d)——d (difference)代表观察到变量特殊值的最⼩差别。

当变量的
分类较少时，可重新设置柱⼦的宽度
. start(#)
在分类变量中也不常⽤。

其使⽤⽅法连续变量
（1）y轴的统计量。

主要有四种
density：它是默认的统计量；Stata按⽐例绘制柱⼦的⾼度，从⽽使所有条柱⾯积之和等于1
fraction：按⽐例绘制柱⼦的⾼度，所有柱⼦的⾼度之和等于1
frequency：按⽐例绘制柱⼦的⾼度，从⽽使每个独⽴柱⼦的⾼度等于该类别的观察量，故条柱的⾼度之和等于总观察值percent：按⽐例绘制条柱的⾼度，条柱⾼度之和等于100%。

⽤百分⽐得到的图形和⽤频数所得到的形状⼀样；只是量纲不同⽽已
（2）柱⼦之间的距离：gap(#)
可缩⼩柱⼦的宽度（%）定义相邻柱间的距离。

默认的⽅式是gap(0)——相邻的柱⼦挨着。

距离介于0和100之间
（3）正态密度曲线：normal
在分布图上添加⼀条基于样本均值和标准差的正态分布密度曲线，所谓的正态是指它拥有与数据同样的均值和标准误差。

也可添加其它类型的曲线（4）柱⼦的标签：addlabels
在每个柱⼦的顶端，附上统计量，表明其⾼度
addlabopts(marker_label_options)：指明如何表现柱⼦的标签，即条柱⾼度和表现形式
在散点图的marker_label选项中适⽤的选项，也适⽤于该选项
（5）其它选项
Y-Axis, X-Axis, Title, Caption, Legend, Overall, By等在twoway关系图中使⽤的选项在直⽅图中也基本适⽤，⽐如：
title(“Child Age”): 给该图形指定⼀个题⽬
xlabel(0(1)14) ：0表⽰x轴从0开始，1表⽰数轴上数值的间隔为1，共有14个数值
xlabel(14)：表⽰共有14个条形柱
ylabel(0(20)100) 或ytick：表⽰y数轴从0开始，数值间隔为20，最⼤数值为100；实际定义因需⽽异
Eg.histogram edu, by(girl urban)percent ytitle(Percent of Year of Schooling)ylabel(0(4)16) xtitle("") xlabel(0(3)15) start(0) width(1)
gap(1.5)ysize(3)xsize(4)
5.饼图
graph pie
Eg.graph pie,over(sibs)pie(2, explode
color(red))pie(3,explode)note("Source:xyz")title("Percent of Sibling Distribution")legend(row(3)position(6))ysize(4)xsize(3)
graph pie, over(sibs) plabel(_all
percent,format(%9.1f)size(large)color(white)gap(3)) pie(2, explode color(red)) pie(3,explode)note("Source:xyz")title("Percent of Sibling
Distribution")legend(row(3)position(6))ysize(4)xsize(3)
6.箱线图
graph box [变量a],over[变量b]
graph hbox a, over(b)
y依然是数值型变量，x轴仍旧是分类变量，但y是横轴，x是纵轴
Eg. graph hbox edu, over(sibs) over(urban, relabel(1 Rural 2 Urban)) yline(6, lcolor(red) lwidth(0.5))ysize(4)xsize(3)
Eg.graph hbox edu, over(sibs) by(urban) yline(6, lcolor(red)
lwidth(0.5))ysize(3)xsize(4)
7.矩阵图
graph matrix a b c d
①：⽣成矩阵图形的基本命令
②：⽣成矩阵图形的变量：a、b、c、d
.graph matrix a b c d, half msymbol(oh)
①：只显⽰⼀半的矩阵
②：散点采⽤⼩空⼼园点为标志
8.图形的替代
graph box y x
⽣成⼀个y与x的箱线图
. graph save yx
将新⽣成的箱线图命名为yx，并以.gph的形式保存起来
然后，我们对图形做些修改，并以同样的名称重新保存：
. graph save yx
我们会得到以下的错误提⽰，告诉我们同名图形已经存在：
（file fig_yx.gph already exists）
若需要替代现有的图形，需要在命令中添加replace的选项
. graph save yx,replace
(file fig_yx.gph saved)
9.在word⽂件中编辑图形(edit)
将图形复制到word⽂件中；
右键点击图形，并选择“编辑图⽚”
修改图形：改变字号、线条的粗细和格式、添加⽂字、删除数轴、添加或删除⼤⼩刻度或其它需要改变的地⽅
当对图形进⾏编辑的时候，纵轴的标题⾃动地变成横向的。

处理⽅法是：点击⼀次横向⽂字，⽂字框就被突出出来；再通过两种⽅法调整⽂字的⽅向从格式菜单找到⽂字⽅向，选择纵向
当突出显⽰标题的时候，同时产⽣⼀个⼯具条，⼯具条的最后⼀个选项可以⽤来旋转⽂字的⽅向
第六章参数估计
1.区间估计
ci a b c
①：区间估计的基本命令
ci即confidence interval
提供变量的观察数、均值、标准误和默认的95%的置信区间
②：需要计算区间估计的变量，可以是⼀个，也可以是多个
Eg.ci edu height weight if age >14,level(99)
默认95%置信⽔平level（99）表⽰99%置信⽔平
2. 使⽤mean的命令进⾏参数估计
Eg.mean edu height weight if age>14
mean edu height weight if age>14，over(urban)
命令ci在计算点估计和区间估计时，只考虑单个变量的有效值，⽽mean在进⾏参数估计时，考虑命令后⾯所有变量的有效值
——只对命令中列出的所有变量都不缺失的有效值进⾏估计
3. 使⽤ttest命令进⾏参数估计
.ttest a = [取值]：单个样本均值的检验
①：假定检验的基本命令
②：需要检验的变量名
③：假定的（有待检验的）变量a的取值
.ttest a, by(b)：两个样本均值的⽐较
4.⽅差分析
单因素⽅差分析oneway y x
多因素⽅差分析anova y a
①：双（多）因素⽅差分析的基本命令，分析y的均值是否因a的不同类别⽽异
. anova y a b
分析y的均值是否因变量a、b的不同类别⽽异
. anova y a b a*b
分析y的均值是否因变量a、b的不同类别及两个⾃变量类别之间的互动⽽异。

在anova命令中，若想纳⼊互动变量，只需在两个变量之间加上*号即可. anova y a b c
分析y的均值是否因变量a、b、c的不同类别⽽异
. anova y a b c a*b a*c b*c a*b*c
分析y的均值是否因变量a、b、c⽽异，且检验变量a与b、a与c、b与c、a与b与c之间的互动
协⽅差分析
anova a b c d, cont(d)
①②
①: 协⽅差分析的基本命令
②: 指明协变量为连续变量；cont即continuous。

这⾥Stata将以d为协变量进⾏分析。

在不指定连续变量时，Stata视除因变量以外的所有变量为分组变量
. anova a b c d, category(d)
①
①: 指明⾃变量d为分类变量，从⽽暗⽰其它⾃变量为连续变量。

但分析结果不变
anova y a b c d a*b, cont(c d) regress
regress告诉Stata，除提供常规的⽅差表外，还提供回归分析结果。