0%

Stata Introduction

Posted on Edited on In ,
Symbols count in article: 5.4k Reading time ≈ 5 mins.

1 Stata operation

1.1 Import data

  • use

    grilic_small.dta 文件的目录请根据自己的文件目录填写，数据文件可在陈强老师的网站下载，Click here，选择《计量经济学及Stata应用》中的数据集下载。

    1
    use "D:\Demo\University\XMU\Class_files\Econometrics\Econometrics and Stata application\Data-Finished-bachelor\grilic_small.dta", clear

  • clear

    关闭一个数据集，以便使用另外一个数据集

  • describe

    1
    2
    # 查看数据集中的变量名称、标签等
    describe or d

  • set more off/on

    1
    2
    3
    4
    5
    # 连续滚屏显示命令运行结果
    set more off

    # 分页显示命令运行结果
    set more on

  • list

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    # 查看变量 s 和 lnw 的前 5 个数据
    list s lnw in 1/5 # or
    l s lnw in 1/5

    # 罗列第 11-15 个观测值
    list ss lnw in 11/15

    # 列出满足条件 ‘s>=16' 的数据
    list s lnw if s >= 16
    # >=: 等于  <=：小于等于  ==：等于  ~= or !=：不等于  =：赋值

  • drop / keep

    1
    2
    3
    4
    5
    # 删除满足 ’s>=16' 的观测值
    drop if s >= 16

    # 只保留满足 's>=16' 的观测值
    keep if s >= 16

    注：Stata 并不提供 undo 功能，故需慎重删除数据，最好保留备份-

  • sort / gsort

    1
    2
    3
    4
    5
    6
    7
    # 将数据按照变量 s 的升序排列
    sort s
    lsit

    # 降序排列
    gsort -s
    list

1.2 Plot

1.3.1 直方图

1
2
3
4
5
histogram s, width(1) frequency
hist s, w(1) freq
# histogram: 直方图,
# 选择项 'width(1)' 表示将组宽设为 1（否则将使用 Stata 根据样本容量计算的默认分组数）
# 选择项 ‘frequency' 表示将纵坐标定为频数（默认使用密度）

Result:

image-20201210163044446

Fig. 1-1 Histogram figure
  • 查看帮助文档

对于任何 Stata 命令，只需要输入 help command_name 即可查看该命令的帮助文档，初学者应养成经常查看帮助文档的习惯。

1
2
3
help histogram
h hist
# 查看 histogram 命令的帮助文档

Result:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
histogram varname [if] [in] [weight] [, [continuous_opts | discrete_opts] options]
'''
[if], [in]: 条件操作
[weight]: 权重

[continuous_opts]: 连续型变量选择项
[discrete_opts]: 离散型选择项

continuous_opts        Description
----------------------------------------
Main
  bin(#)               set number of bins to #
  width(#)             set width of bins to #
  start(#)         	   set lower limit of first bin to #
-------------------------------------------

discrete_opts          Description
------------------------------------------
Main
  discrete             specify that data are discrete
  width(#)             set width of bins to #
  start(#)             set theoretical minimum value to #

options                Description
-------------------------------------------
Main
  density               draw as density; the default
  fraction              draw as fractions
  frequency             draw as frequencies
  percent               draw as percentages
  bar_options           rendition of bars
  binrescale  | recalculate bin sizes when by() is specified
  addlabels             add height labels to bars

Density plots
  normal                  add a normal density to the graph
  normopts(line_options)  affect rendition of normal density
  kdensity     | add a kernel density estimate to the graph
  kdenopts(kdensity_options) | affect rendition of kernel density


Add plots
  addplot(plot)           add other plots to the histogram
'''

1.3.2 散点图

1
2
scatter lnw s
sc lnw s

Result:

image-20201210163409860

Fig. 1-2 Scatter between lnw and s
  • 标签

如果想在散点图上标注每个点对应于哪个观测值，可先定义变量 \(n\)，表示第 \(n\) 个观测值：

1
2
gen n = _n
scatter lnw s, mlabel(n) # 选择变量 n 作为标签（mark label）

其中，_n 表示第 \(n\) 个观测值。然后以变量作为每个点的标签来画散点图。结果如下：

image-20201210164351554

Fig. 1-3 Scatter with mark label

1.3.3 核密度估计图

直方图必然是不连续的，如果想得到密度函数的连续估计，可输入命令：

1
2
kdensity lnw, normal normop (lpattern (dash))
kdensity lnw, normal normop (lp (dash))

其中

  • kdensity：核密度估计（kernel density estimation）；
  • normal：画正态分布的密度函数作为对比；
  • normop (lp (Dash))：将正态密度用虚线来画。
    • normop：normal options
    • lpattern： line pattern.

Result:

image-20201210224215508

Fig. 1-4 Kernel density estimate

1.3 Statistical analysis

  • 统计特征

    1
    2
    3
    4
    summarize s
    su s

    sum lnw, detail # 显示更多统计指标，如偏度、峰度

    Result:

    image-20201210164927010

    image-20201210223033995

    Fig. 1-4 Statistical description

    显示了变量 \(s\) 的样本容量、平均值、标准差、最小值于最大值。如 不指明变量，则显示 所有变量 的统计指标。

  • 经验累计分布函数（Empirical cumulative distribution function）

    1
    2
    tabulate s # 显示 s 的经验累积分布番薯
    ta s

    Result:

    image-20201210165710687

    Fig. 1-5 Empirical cummlative distribution

    其中，Freq 表示频数，Percent 表示百分比，而 Cum. 表示累积百分比。

  • 相关系数

    1
    2
    pwcorr lnw s expr, sig star(.05)
    # 对工资对数、教育年限于工龄之间的相关系数

    其中，

    • pwcorr ： pairwise correlation，即两两相关；
    • 选择项 sig ：相关系数的显著性水平，即 p-value，列在相关系数的下方 ；
    • 选择项 star (.05) ：所有显著性水平小于或等于 5% 的相关系数打赏星号。

    Result:

    image-20201210170540089

    Fig.1-6 Correlation coefficient

    结果显示，\(\rm{ln} w\) 与 \(s\) 的相关系数为 0.5368，且在 1% 水平上显著（ \(p\) 值为0.0022）；\(\rm{ln} w\) 与 \(expr\) 的相关系数为 -0.1132，但此相关关系也不显著（\(p-value\) 为0.5514）

1.4 Generate new variable

1.4.1 Basic operation

  • 对数
1
2
generate lns = log(s)
g lns = log(s) # 对数

  • 平方

    1
    gen s2 = s ^2 # 平方项

  • 互动项（乘法）

    1
    gen exprs = s * expr # s 与 expr 的互动项

  • 指数

    1
    gen w = exp(lnw) # 指数

1.4.2 虚拟变量

假设定义 \(s \geq 16\) 为 ”受过高等教育“，并使用 变量 \(college\) 来表示:

1
gen colleg = (s >= 16)

其中，括弧 () 表示对括弧中的表达式进行逻辑评估：如果此表达式为真，则取值为1；如果为假，则取值为0。

  • 变量重命名

    1
    2
    rename colleg college
    ren colleg college

  • 变量重定义

    将 ”受过高等教育“的定义改为 \(s \geq 15\)，但仍用 \(college\) 作为变量名：

    1
    2
    3
    4
    5
    6
    # Method one
    drop college
    gen college = (s >= 15)

    # Method two
    replace college = (s >= 15)

  • 变量输入

    对于较长的变量，一一输入较为麻烦，，有如下简便方式：

    • 在变量 窗口双击需要的变量；

    • \(s1 - s5\) 来选择这 5 个变量；

    • 用 * 来简化变量名的书写。

      1
      drop s* # 去掉所有以 s 开头的变量

1.5 Other

1.5.1 Calculator

Stata 也可作为计算器来使用，命令格式为 display expression。

1
2
3
4
display log(2) # 计算 ln2
di log(2)

dis 2^0.5 # 计算 $\sqrt{2}$

1.5.2 Invoke and terminate commands

  • 调用旧命令
    • 使用键盘上的 Pg Up 和 Pg Dn 键；
    • 在历史命令窗口 单击 旧命令，将命令调入命令窗口；
    • 在历史命令窗口 双击 旧命令，再次执行此命令。
  • 停止执行当前执行命令
    • 点击 Break 图标的快捷键；
    • 同时按住 Ctrl + Break。

1.5.3 Log file

Stata 日志文件的扩展名为 smcl。可通过快捷键 Log 图标使用，也可通过输入如下命令：

1
2
3
4
5
6
7
8
9
10
11
log using today # 在当前路径中生成一个名为 'today.smcl' 的日志文件

'''
# Result:
log using "D:\Demo\University\XMU\Class_files\Econometrics\Econometrics and Stata application\Test\Test-log.smcl"
--------------------------------------------
name:  <unnamed>
log:  D:\Demo\University\XMU\Class_files\Econometrics\Econometrics and Stata application\Test\Test-log.smcl
log type:  smcl
opened on:  10 Dec 2020, 19:10:30
'''

  • 暂时关闭日志

    1
    log off

  • 恢复使用日志

    1
    log on

  • 彻底退出日志

    1
    log close

1.5.4 Updata stata lib

更新 Stata 命令库（ Stata "ado"文件及其他可执行文件）。

1
updata all

  • 非官方命令

    最流行的非官方命令下载平台为 统计软件成分 (Statistical Software Components, SSC)，从 SCC 下载 Stata 程序的命令为：

    1
    scc install newcommand

    如果非官方命令不是来自 SSC，则需要手工安装。只需要将所有相关文件下载到制定的 Stata 文件夹中即可（通常为 ado\plus\）。如果不清楚应把文件复制到哪个文件夹，可输入以下命令，显示 Stata 的系统路径（System directories）：

    1
    sysdir

    Result:

    1
    2
    3
    4
    5
    6
    7
    . sysdir
       STATA:  D:\Program files\Stata 16\
        BASE:  D:\Program files\Stata 16\ado\base\
        SITE:  D:\Program files\Stata 16\ado\site\
        PLUS:  C:\Users\YangSu\ado\plus\ # 复制到此文件夹
    PERSONAL:  C:\Users\YangSu\ado\personal\
    OLDPLACE:  c:\ado\

1.5.5 Search and findit

  • Search command

    如果想使用某种估计方法，但不知道它是否存在，可输入命令：

    1
    search keyword

    此命令搜索 Stata 帮助文件、Stata 常见问题、Stata 案例、Stata Journal、Stata Technical Bulletin等。

  • Findit keyword

    1
    findit keyword

    findit搜索范围更广，还包括 Stata 的网络资源。

-------------This blog is over! Thanks for your reading-------------