STATA入门3 数据

3数据

数据文件是一个矩形的矩阵，这个矩阵的每一行都代表或对应着一个“观测单位”（比如是一个人，一个村或一个地区等等），矩阵的每一列都代表或对应着一个“变量”（比如年龄，身高、体重，月工资收入等等）。因此，数据文件矩阵中的每一个元素（case）都代表或对应着某一个“观测单位”（如张三、李四，A 厂、B厂）中的某一个“变量”（比如年龄、体重，月收入等等）的变量值或观察值。

3.1 打开示例数据和网络数据：use

3.1.1 示例数据

示例数据为STATA帮助文件中所用的数据，其后辍名为.dta，如果在STATA 软件当前路径下，直接用use命令即可打开，如果不在当前路径下，则可以使用sysuse命令打开。

. use auto,clear //打开汽车数据auto.dta

. cd d:/ //改变路径到d:/

. use auto, clear

file auto.dta not found //系统提示无法找到文件,因为auto.dta不在d:/ r(601);

3.1.2 从网络获取数据

上述示例数据可能没有全部下载安装于你的电脑中，因此简单地使用use和sysuse命令时，可能出现错误，如

. use nlswork, clear

file nlswork.dta not found

此时，如果确定该数据为示例数据，可以直接通过网络获取，其命令为：. use /data/r9/nlswork //从网站获取数据，或者. webuse nlswork, clear //与前一命令等价，从STATA官方数据库获取数据webuse只能从/data这一路径获取数据，如果不是该网站的数据，webuse失效，只能把网站地址完全写出来。使用该命令时必须确保网络连接正常.

另一个网络数据较多的地方是波士登大学的数据中心，我们所用的《计量经济学导论》一书中所使用的全部数据都可以通过该数据中心获得。比如. use /ec-p/data/wooldridge/CEOSAL1

即打开教材中例2.3中所使用的CEO数据。

use命令只能打开后辍名为“*.dta”格式的数据，.dta格式以外的数据，STATA 不能直接读取，需要从外部读入，最简单而直接的办法是复制和粘贴，但有时没有其他软件，比如有SAS格式或SPSS格式的数据，但没有SAS软件和SPSS 软件，此时需要用STATA提供的其他命令或者使用transfer数据格式转化软件。在讨论其他输入或导入数据的方法之前，我们先来学习一点数据类型的知识。

3.2数据类型

STATA通常把变量划分为三类：分别是数值型，字符型和日期型

3.2.1数值变量：

用0、1、2…9及+、–（正负号）与小数点“（.）”来表示。在输入数据时，逗号不能被识别，如1,024应该直接写成1024.其他示例

5

-5

5.2

5.2e+3

5.2e-2

后面两个数据为科学计数法的数据，分别表示5200和0.052.其中的e相当于10，因此5.2e+3的意思是：5.2*103=5200

数值型变量按其精度区分，又有五种类型，分别是：

存贮类型最小最大0-领域字节--------------------------------------------------------------------- byte -127 100 +/-1 1 int -32,767 32,740 +/-1 2 long -2,147,483,647 2,147,483,620 +/-1 4

float -1.70141173319*10^38 1.70141173319*10^36 +/-10^-36 4 double -8.9884656743*10^307 8.9884656743*10^307 +/-10^-323 8 当运算精度要求很高的时候，需要将变量设置成浮点型和双精度型。

注意1和 1.0000的精度是不同的,前者在(0.5,1.5)区间内近似,而后者在(0.99995,1.00005)区间内近似。若多次运算反复取四舍五入，精度较低时将使计算误差迅速变大，然而，精度高时占用的内存资源较多。下面的命令有助于理解变量存贮类型变换。

clear

set obs 1

obs was 0, now 1 //提示信息说,之前系统中没有观察单位,现在有了一个gen a=1 //生成一个新变量a,令a取值为1

d /*d为describ命令的略写，describ命令显示数据集的属

性信息，注意观察显示结果中，a的storage type为float型，

浮点型为默认类型*/

Contains data

obs: 1 （观察值个数）

vars: 1 （变量个数）

size: 8 (99.9% of memory free)（内存空间大小）

storage display value

variable name type format label variable label

a float %9.0g

Sorted by: （按什么分类）

Note: dataset has changed since last saved（注释）

compress //在不损害信息的基础上压缩，使数据占用空间尽可能小

a was float, now byte//a由浮点型变为了字节型

d // 注意a的storag

e type现在为byte型

replace a=101 /* 注意a的storage type现在自动升为int型，

因为byte最大只能为100*/

a was byte now int

(1 real change made)

replace a=100

compress

d//重新变回到byte型

replace a=32741//直接变到long型,因为int型最大只能到32740

gen double b=1 //直接生成双精度变量b

recast double a//将a变成双精度变量b

d//注意到a和b均为双精度型