基础统计-STATA统计软件操作
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
按变量x的分类，生成变量y的箱线图： graph box y, over(x)； 按变量x的分类，生成变量y1和y2的箱线图graph box y1 y2, over(x)； 按变量x的分类，生成变量y的横向箱线图：graph hbox y, over(x)； 生成x1、x2、x3的矩阵图，只显示一半：graph matrix x1 x2 x3, half 将图形x1和x2合并：graph combine x1 x2
graph pie； graph pie，over（x）
按照x变量分类的纵向条形图：
给变量x、y、z（三者之和为100%）生成饼图：
按变量x的分类，生成一张饼图：
图形的制作
直方图。
生成一张变量x的取值图：histogram x; 按变量x的分类，生成一张其取值图histogram x，discrete;
数据的合并
（系统变量）
关于系统变量：_merge，它的取值限于
1＝观察值仅来自主要数据，使用数据没有匹配的样本， 2＝观察值仅来自使用数据，主要数据没有匹配的样本， 3＝观察值来自于主要数据和使用数据。
若使用update选项，还会有：
4＝观察值来自于主要数据和使用数据，且主要数据的 缺失值得到更新， 5＝观察值来自于主要数据和使用数据，且两个数据的 数值不匹配。
ຫໍສະໝຸດ Baidu
使用gen…replace命令生成新变量；
recode nv 原变量的取值＝新变量的取值 *=其他取 值(*表示所有其他没有列出的数值)，gen（新变量 名）
变量的生成与处理
生成分类变量：
egen 新变量命＝cut（旧变量名），at（取值的下限） eg：egen agegrp1=cut(age),at(0,7,13,16,20)
tab 分组变量a，contents(mean b sd b)
表示按照变量a分组计算变量b的均值和标准差； 表示按照变量a和b分组计算变量c的均值和d的 标准差；
tab a b, contents(mean c sd d)
描述数据的统计量
tab a b, contents(mean c)，row col，
gsort mothid-age； by mothid：gen order=_n； reshape wide kidid age girl yob，i(mothid) (order)。
数据转换：宽——长
程序：
reshape long 变量名，i(观察值的标识符) j(次标 识符)。
missing将缺失值与有效值同样对待； wrap不自动换行宽表； nokey不显示单元格提示； nolabel不使用数值标签。
描述数据的统计量
sum+变量名；s
um a，detail（给出更详细的信息）； bysort urban：sum a（在不同城乡分布中统计变 量a）
五大功能：
数据管理、统计分析、图形制作、矩阵运算和程序设计。 Command(命令)、Results(结果)、Review(回顾)、 Variables(变量)。 文件（File）、编辑（Edit）、偏好（Prefs，用户界面设 置菜单）、数据（Data，数据的基本处理、描述、排序、 改变变量、生成新变量、整合数据、拆分数据等）、图表 （Graphics）、统计（Statistics数据分析）、使用者 （User）、窗口（Window）、帮助（help） Log(记录文件窗口)、Viewer(帮助窗口)、Results(分析结 果窗口)、Do-file Editor(编程窗口)、Data Editor(数据编辑 窗口)、Data Browse(数据浏览窗口)、Clear-moreCondition(显示更多结果)、Break(不要显示更多结果)。
Stata数据类型及特点
与数据类型对应的是数据库中变量的存储类型 （storage type）：。
字符型:保存格式为str…，省略表示的是字符位数 数值型：保存格式有byte, int, long, float, double。默 认格式是float，前三种只保留整数，占空间最大到 最小的顺序是double, float, long, int, byte
表示按照变量a和b分组计算变量c的均值，然后计算行 和列均值。
展示一个或多个数值型变量的描述性统计量，默认输 出均值；
tabstat a b c d
tabstat a b c d, by(e) statistics (mean sd median) columns(statistics)
表示按照e分类计算变量a、b、c、d的均值、标准差、 中位值，格式是列为统计量。 表示按照变量a、b分类计算c的统计量
数据的合并（横向）
横向合并
作用：增加变量（merge）。 菜单：Data-Combine datasets-Merge two datasets或DataCombine datasets-Merge multiple datasets 程序：先看使用数据：use “文件路径和名称”，sort 关 键变量名，save“文件路径和名称”，replace； 再看主要数据，use“文件路径和名称”，sort关键变量 名； 最后，合并数据：merge 关键变量名 using “文件路径和 名称”，keep（变量）。
数据转换：长——宽
程序：
reshape wide 变量名，i(观察值的标识符) j(次标识符)。 “变量名”表示一组同样内容的变量的共同的前缀， 即X_ij中的X，指定希望转换的变量名称；选项i及括号 捏的变量一起，指定观察值的标识符，或表示取值独 一无二、代表每个逻辑观察值的变量。 eg：
数据排序：
sort。 例：比较城乡孩子的性别bysort urban: inspect girl或者sort urban然后by urban: inspect girl.
变量的生成与处理
注意事项：
不要使用新变量取代旧变量； 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； 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。 gen…replace if共同使用形成分组变量
gen numobs=count(personid), by(personid year)
数据的合并（纵向）
纵向合并：
作用：增加样本量 命令：append 菜单：Data-Combine datasets-Append datasets； 程序：append using“文件路径和名称”；append using“文件路径和名称”，keep 变量名。
箱线图。
矩阵图。
区间估计
单个总体均值的区间估计：
求多个变量的置信区间，对变量的数目没限制： ci x1 x2 x3。 eg：bysort urban: ci x1 x2 x3 if age>14. mean x1 x2 x3，输出均值、标准误和95%的置信 区间。 按变量e分类来求取a、b、c三个变量的区间估 计：mean a b c，over（e）
界面：
菜单基本功能：
快捷根据图表的基本功能：
Stata数据的读入
log文件。
创建文件：log using “文件路径和名称”，其后带 append表示在原有文件的基础上增加新内容，其后 带replace表示取代原记录文件； 暂停：log off； 再次开始：log on； 关闭：log close。
数据的转换（reshape）
数据的结构：
宽数据（wide format） 长数据（long format）
菜单：
Data-Create or change variables-Other variable transformation commands-Convert data between wide & long。
交互分类表：
.tab a b或者.tab2 a b c（给出其中任意两变量的交互分类 表） 统计量的检验：
附加命令的功能。
Chi2：计算Person卡发值，检验交互表中的行与列变量是否独 立，不能用于加强数据； exact：展示Fisher精确检验的显著水平； expected gamma：展示Goodman和Kruskal的gamma值和其渐近 线的标准误，适合于定序数据，不能与加权数据连用； lrchi2：展示似然卡方，若任意单元格的频数为0，该选项无法 执行； taub：展示Kendall的tau-b值及其渐近线的标准误，适合于定序 数据； V：展示Cramer的V。
tab a b，sum（c）
图形的制作
y和x的散点图：
graph twoway scatter y x；twoway scatter y x； scatter y x
y和x的线图：
graph twoway line y x；twoway line y x； line y x。注意： 先将x排序再做图，否则图会杂乱无章。 graph bar y,over(x)；按照x变量分类的横向条形图： graph hbar y,over(x)；
数据库的描述
描述数据的基本情况：describe, d
describe, simple:只展示变量名； describe，short：报告变量总体情况； describe，detail：输出全部变量的全部信息； describe a b c：描述部分变量的情况。
变量编码本：
codebook。 codebook+变量名：描述变量特征。
双变量描述
附加命令的功能。
单元格：
cchi2：展示每个单元格对Person卡方的贡献； clrchi2展示每个单元格对似然卡方的贡献； column提供列百分比； row提供行百分比； cell提供总百分比； expected提供每个单元格的期望频数； nofreq不显示频数或者不显示具体表格，直接显示统计量。
数据的存储空间：
增加存储空间（set mem 40m） 清空存储空间（clear，相当于drop all）。
Stata数据的读入
数据的读入：
可直接读入下列尾缀形式的数 据.dta/.txt/.raw/.xls； 读入文件中的部分变量：use a b c using“文件路 径和名称”； 读入文件中的部分样本：use “文件路径和名称” in X/Y(X、Y表示个案序号)； 读入文件中某些特征的样本：use“文件路径和 名称”if 条件句；
STATA统计软件操作
Stata入门 Stata的数据读入 数据库的描述 变量的生成与处理 数据的合并 数据的转换 单变量描述 双变量描述
描述数据的统计量 图形的制作 参数估计：区间估计 假设检验 方差分析 相关分析 线性回归分析
Stata入门
压缩变量的命令为compress
Compress为压缩所有变量； Compress yr*为压缩共同前缀的变量； Compress a-c为压缩从a到c之间的所有变量。
数据库的描述
描述变量取值的基本命令参数：
inspect。
显示数据：
browse直接进入数据的浏览窗口； list最好指定变量，否则会输出数据中所有变量 的分布。
egen a_mean=mean(a),by (b)
按照变量b的分类生成均值变量：
生成一个变量b和c的行均值变量（avg），忽略缺 失值：
egen avg＝rmean(b c) egen zweight=std(weight)
生成标准数值：
计算每一年观察的样本，从而了解在每年的调查 中，有多少相同的样本（或相同的个体）：
“变量名”表示根据次标识符指定的、有共同 主干但尾缀不同的一组变量，生成一（多）个 新变量；选项i指定观察值的标识符，具有独一 无二的取值，是代表每个逻辑观察值的变量。
单变量描述
单个变量频数统计：
.tabulate a相当于tab a。
多个变量的单变量描述：
.tab1 a b c。
双变量描述
graph pie； graph pie，over（x）
按照x变量分类的纵向条形图：
给变量x、y、z（三者之和为100%）生成饼图：
按变量x的分类，生成一张饼图：
图形的制作
直方图。
生成一张变量x的取值图：histogram x; 按变量x的分类，生成一张其取值图histogram x，discrete;
数据的合并
（系统变量）
关于系统变量：_merge，它的取值限于
1＝观察值仅来自主要数据，使用数据没有匹配的样本， 2＝观察值仅来自使用数据，主要数据没有匹配的样本， 3＝观察值来自于主要数据和使用数据。
若使用update选项，还会有：
4＝观察值来自于主要数据和使用数据，且主要数据的 缺失值得到更新， 5＝观察值来自于主要数据和使用数据，且两个数据的 数值不匹配。
ຫໍສະໝຸດ Baidu
使用gen…replace命令生成新变量；
recode nv 原变量的取值＝新变量的取值 *=其他取 值(*表示所有其他没有列出的数值)，gen（新变量 名）
变量的生成与处理
生成分类变量：
egen 新变量命＝cut（旧变量名），at（取值的下限） eg：egen agegrp1=cut(age),at(0,7,13,16,20)
tab 分组变量a，contents(mean b sd b)
表示按照变量a分组计算变量b的均值和标准差； 表示按照变量a和b分组计算变量c的均值和d的 标准差；
tab a b, contents(mean c sd d)
描述数据的统计量
tab a b, contents(mean c)，row col，
gsort mothid-age； by mothid：gen order=_n； reshape wide kidid age girl yob，i(mothid) (order)。
数据转换：宽——长
程序：
reshape long 变量名，i(观察值的标识符) j(次标 识符)。
missing将缺失值与有效值同样对待； wrap不自动换行宽表； nokey不显示单元格提示； nolabel不使用数值标签。
描述数据的统计量
sum+变量名；s
um a，detail（给出更详细的信息）； bysort urban：sum a（在不同城乡分布中统计变 量a）
五大功能：
数据管理、统计分析、图形制作、矩阵运算和程序设计。 Command(命令)、Results(结果)、Review(回顾)、 Variables(变量)。 文件（File）、编辑（Edit）、偏好（Prefs，用户界面设 置菜单）、数据（Data，数据的基本处理、描述、排序、 改变变量、生成新变量、整合数据、拆分数据等）、图表 （Graphics）、统计（Statistics数据分析）、使用者 （User）、窗口（Window）、帮助（help） Log(记录文件窗口)、Viewer(帮助窗口)、Results(分析结 果窗口)、Do-file Editor(编程窗口)、Data Editor(数据编辑 窗口)、Data Browse(数据浏览窗口)、Clear-moreCondition(显示更多结果)、Break(不要显示更多结果)。
Stata数据类型及特点
与数据类型对应的是数据库中变量的存储类型 （storage type）：。
字符型:保存格式为str…，省略表示的是字符位数 数值型：保存格式有byte, int, long, float, double。默 认格式是float，前三种只保留整数，占空间最大到 最小的顺序是double, float, long, int, byte
表示按照变量a和b分组计算变量c的均值，然后计算行 和列均值。
展示一个或多个数值型变量的描述性统计量，默认输 出均值；
tabstat a b c d
tabstat a b c d, by(e) statistics (mean sd median) columns(statistics)
表示按照e分类计算变量a、b、c、d的均值、标准差、 中位值，格式是列为统计量。 表示按照变量a、b分类计算c的统计量
数据的合并（横向）
横向合并
作用：增加变量（merge）。 菜单：Data-Combine datasets-Merge two datasets或DataCombine datasets-Merge multiple datasets 程序：先看使用数据：use “文件路径和名称”，sort 关 键变量名，save“文件路径和名称”，replace； 再看主要数据，use“文件路径和名称”，sort关键变量 名； 最后，合并数据：merge 关键变量名 using “文件路径和 名称”，keep（变量）。
数据转换：长——宽
程序：
reshape wide 变量名，i(观察值的标识符) j(次标识符)。 “变量名”表示一组同样内容的变量的共同的前缀， 即X_ij中的X，指定希望转换的变量名称；选项i及括号 捏的变量一起，指定观察值的标识符，或表示取值独 一无二、代表每个逻辑观察值的变量。 eg：
数据排序：
sort。 例：比较城乡孩子的性别bysort urban: inspect girl或者sort urban然后by urban: inspect girl.
变量的生成与处理
注意事项：
不要使用新变量取代旧变量； 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； 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。 gen…replace if共同使用形成分组变量
gen numobs=count(personid), by(personid year)
数据的合并（纵向）
纵向合并：
作用：增加样本量 命令：append 菜单：Data-Combine datasets-Append datasets； 程序：append using“文件路径和名称”；append using“文件路径和名称”，keep 变量名。
箱线图。
矩阵图。
区间估计
单个总体均值的区间估计：
求多个变量的置信区间，对变量的数目没限制： ci x1 x2 x3。 eg：bysort urban: ci x1 x2 x3 if age>14. mean x1 x2 x3，输出均值、标准误和95%的置信 区间。 按变量e分类来求取a、b、c三个变量的区间估 计：mean a b c，over（e）
界面：
菜单基本功能：
快捷根据图表的基本功能：
Stata数据的读入
log文件。
创建文件：log using “文件路径和名称”，其后带 append表示在原有文件的基础上增加新内容，其后 带replace表示取代原记录文件； 暂停：log off； 再次开始：log on； 关闭：log close。
数据的转换（reshape）
数据的结构：
宽数据（wide format） 长数据（long format）
菜单：
Data-Create or change variables-Other variable transformation commands-Convert data between wide & long。
交互分类表：
.tab a b或者.tab2 a b c（给出其中任意两变量的交互分类 表） 统计量的检验：
附加命令的功能。
Chi2：计算Person卡发值，检验交互表中的行与列变量是否独 立，不能用于加强数据； exact：展示Fisher精确检验的显著水平； expected gamma：展示Goodman和Kruskal的gamma值和其渐近 线的标准误，适合于定序数据，不能与加权数据连用； lrchi2：展示似然卡方，若任意单元格的频数为0，该选项无法 执行； taub：展示Kendall的tau-b值及其渐近线的标准误，适合于定序 数据； V：展示Cramer的V。
tab a b，sum（c）
图形的制作
y和x的散点图：
graph twoway scatter y x；twoway scatter y x； scatter y x
y和x的线图：
graph twoway line y x；twoway line y x； line y x。注意： 先将x排序再做图，否则图会杂乱无章。 graph bar y,over(x)；按照x变量分类的横向条形图： graph hbar y,over(x)；
数据库的描述
描述数据的基本情况：describe, d
describe, simple:只展示变量名； describe，short：报告变量总体情况； describe，detail：输出全部变量的全部信息； describe a b c：描述部分变量的情况。
变量编码本：
codebook。 codebook+变量名：描述变量特征。
双变量描述
附加命令的功能。
单元格：
cchi2：展示每个单元格对Person卡方的贡献； clrchi2展示每个单元格对似然卡方的贡献； column提供列百分比； row提供行百分比； cell提供总百分比； expected提供每个单元格的期望频数； nofreq不显示频数或者不显示具体表格，直接显示统计量。
数据的存储空间：
增加存储空间（set mem 40m） 清空存储空间（clear，相当于drop all）。
Stata数据的读入
数据的读入：
可直接读入下列尾缀形式的数 据.dta/.txt/.raw/.xls； 读入文件中的部分变量：use a b c using“文件路 径和名称”； 读入文件中的部分样本：use “文件路径和名称” in X/Y(X、Y表示个案序号)； 读入文件中某些特征的样本：use“文件路径和 名称”if 条件句；
STATA统计软件操作
Stata入门 Stata的数据读入 数据库的描述 变量的生成与处理 数据的合并 数据的转换 单变量描述 双变量描述
描述数据的统计量 图形的制作 参数估计：区间估计 假设检验 方差分析 相关分析 线性回归分析
Stata入门
压缩变量的命令为compress
Compress为压缩所有变量； Compress yr*为压缩共同前缀的变量； Compress a-c为压缩从a到c之间的所有变量。
数据库的描述
描述变量取值的基本命令参数：
inspect。
显示数据：
browse直接进入数据的浏览窗口； list最好指定变量，否则会输出数据中所有变量 的分布。
egen a_mean=mean(a),by (b)
按照变量b的分类生成均值变量：
生成一个变量b和c的行均值变量（avg），忽略缺 失值：
egen avg＝rmean(b c) egen zweight=std(weight)
生成标准数值：
计算每一年观察的样本，从而了解在每年的调查 中，有多少相同的样本（或相同的个体）：
“变量名”表示根据次标识符指定的、有共同 主干但尾缀不同的一组变量，生成一（多）个 新变量；选项i指定观察值的标识符，具有独一 无二的取值，是代表每个逻辑观察值的变量。
单变量描述
单个变量频数统计：
.tabulate a相当于tab a。
多个变量的单变量描述：
.tab1 a b c。
双变量描述