stata中变量的生成与处理

replace edu=5 if yrsch==15
replace edu=6 if yrsch==16 replace edu=7 if yrsch==21
replace edu=. if yrsch==. | yrsch==-9 replace edu=8 if yrsch==22
replace edu=9 if yrsch==23 tab1 yrsch edu *查看变量的生成是否成功
4.3．生成数值型变量
使用recode, …, gen命令生成新变量
. recode [原变量] （[原变量取值] = [新变量取值]）
① ⑤ ② ⑥ ③ ⑦ ④
*= [其他取值], gen [新变量]
①：给变量重新赋值的命令
②：现有变量的名称
③：现有变量的取值 ④：新变量的取值；③和④是一个整体
• 步骤2：生成感兴趣的变量 . by province: gen order =_n
① ② ③ ④ ①：按province的分类进行排序和计算 ②：生成新变量的基本命令
③：新变量的名称
④：新变量的取值等于同一province内观察值的序次
• 步骤3：使用频数分布查看生成的结果是否正确
. tab order
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
. gen a = age[_n-1] (1 missing value generated) . gen b = age[_n+1] (1 missing value generated) . list
系统变量 _n
• _n 是指当前的观察值，即独一无二的观测序号，从1到 _N(_N=总样本） • _n是Stata系统内部独特的辨识器，标志从第一个观察值开 始直到最后一个观察值（_N）的序列
• _n=1为第一个观测，_n=2为第二个观测，…，_n=_N是最 后一个观测
• 该系统变量适于（1）指示观察值；（2）生成系列数值； （3）生成其他变量
3704057503
80
20
boy
3 |
+----------------------------------------------------------+
• 现在想看看每个孩子在省内的排序
使用系统变量_n生成新变量
• 步骤1：对province（即“关键变量”）进行排序
. sort province
replace edu=10 if yrsch==24 | yrsch==27 replace edu=11 if yrsch==25 | yrsch==28 replace edu=12 if yrsch==26 | yrsch==29 replace edu=13 if yrsch==31 replace edu=14 if yrsch==32 replace edu=15 if yrsch==33 replace edu=16 if yrsch==34 replace edu=17 if yrsch==35 replace edu=18 if yrsch==36
⑤：*符号表示所有其他没有列出的数值，包括缺失值；recode与gen 之间有逗号（,）隔开
⑥：生成新变量的命令 ⑦：新变量的名称
• 以本章数据中的变量“yrsch”为例。前面使用gen…replace 的方法在“yrsch” 的基础上生成变量“edu”；现在使用另 一种简便的方法生成“edu”
– 由于变量edu已经存在，首源自需要删除该变量：• 数值型变量包括定距和定比变量。可以是整数、小数、负 数和正数。数值型变量可以有多种存储方式（ Storage Types）
• 用str类型保存的定性等分类变量也可区分为多种形式，从 str1-str244
Stata的日期变量
• 日期（date）变量是数值型变量的一个特例。它们通常以 字符的形式输入(如: 01JAN1992 or 01/01/92)，但必须以数 值型数据存储才能有用 • Stata有几个命令可以工作于日期和时间依赖（timedependent）数据 • Stata将所有的日期保存为从1960年1月1日以来的天数或月 份、季节等。此前的日期是负值，此后的是正值。SAS使 用同样的日期方式，但其起始时间是1582年的10月14日。 Excel使用1900年1月1日为默认起始日。如果读入Excel数 据，则以字符型变量输入日期，并重新格式日期
+----------------------------------------------------------------------------+ | province 1. | 2. | 3. | 4. | 21 32 32 35 personid 2106018504 3209163903 3205093703 3505154103 homesize 50 25 246 100 age 5 2 8 18 girl girl boy boy boy siblings 1 0 0 0 order 1 1 2 1 a . 5 2 8 b | 2 | 8 | 18 | 13 |
变量生成的规则（I）
生成新变量、重新定义旧变量时需遵循的一些基本规则： • 变量的名称可长达32个字符，必须以字母、汉字或字符 （@，_，#，$等）开头（不能使用空白字符或!、?等特殊 字符）。变量最后一个字符不能是句号
• 变量的名称必须唯一，不能有两个相同的变量名
• Stata区分大小写，对大写、小写敏感：Variable 不能写成 variable，反之亦然 • 使用描述性的变量名字：“变量a”这个名称没有任何意义。 调查问题是变量名称的很好选择
第四章 变量的生成与处理
导论
• Stata 对数据的处理是以变量为前提的 • 若没有需要分析的变量，则Stata将一无用处 • 熟悉变量的内容和分布、生成新变量、改变旧变量等是 处理数据的第一步
4.1. 新变量的生成、规则及注意事项
Stata的变量类型
• Stata软件生成三类变量：numeric（数值型）变量，string （字符型）变量（相当于定性变量）和date（日期）变量。 虽然日期变量以数值型变量的技术记录、存储，但二者的 用途却不同
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
使用数学表达式生成新变量
生成变量的路径
Data — Create or change variables
生成变量的窗口
Data — Create or change variables — Create new variable
基本命令
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
boy boy girl
0 |
0 | 0 | 3 |
6. |
7. | 8. | 9. |
35
45 32 37
3501117305
4526057606 3209163903 3702093304
25
90 25 68
13
10 2 7
girl
girl boy boy
2 |
3 | 0 | 1 |
10. |
37
①：生成新变量或替代现存变量取值的基本命令
②：新变量或其取值将被替换的变量的名称 ③：在gen命令的取值不同于在replace命令的取值 ④：替换原有变量的取值必须满足if指定的条件
*yr of schooling recoded（这是一 个注释；*代表注释） gen edu=0 replace edu=1 if yrsch==11 replace edu=2 if yrsch==12 replace edu=3 if yrsch==13 replace edu=4 if yrsch==14
变量生成的注意事项
• 尽量避免使用同一变量名称。换言之，不要使用新变量取 代旧变量。保持原始变量有助于检验我们的命令是否正确
• 充分了解原始变量的分布以及每个数值代表的含义
• 遵循不重不漏（exhaustive and mutually exclusive）原则 （详见“生成分组变量”一节） • 在变量生成后，将原始变量和新变量的取值进行对比，检 查是否有误 • 注意原始变量的缺失值
生成滞后（lag）变量或移前变量（lead）
• 在分析某些类型数据（包括常用的家庭成员数据和纵向数 据）的过程中，常常需要根据研究问题将一个样本的取值 转移到上一个（或下一个）观察值中。 • . gen a = b[_n-1]
. gen a = b[_n+1]
① ② ③ ①：需要生成的新变量的名称
. 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)
|----------------------------------------------------------|
2. |
3. | 4. | 5. |
35
32 37 45
3505154103
3205093703 3708156203 4452082404
100
246 60 20
18
8 9 6
boy
使用系统变量_N生成新变量
• 系统变量_N代表样本总数。最后一个样本_n即是_N