基础统计-STATA统计软件操作

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。
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

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)
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。

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

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
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，
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



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）


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；

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）

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。
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。


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

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）。
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）：
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：

“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
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。