会计研究与统计软件应用.ppt

第三讲数据管理 字符变量的处理 字符变量转换为数值变量数值变量转换为字符变量字符变量的分解重要的字符处理函数 字符变量转换为数值变量1 从文本文档中读入的数值变量可能以字符变量的方式存储变量中可能包含了特殊符号 如金额 逗号 斜线 百分比 破折号 等 字符变量转换为数值变量2 数值观测偶尔误存为字符观测 destring例 destringyeardatesizelev replaceignore 例 destringcode gen code2 ignore 字符变量转换为数值变量3 如果没有特殊符号 real 例 gencode2 real code 字符变量转换为数值变量4 数值观测全部存为字符观测 encode例 encodecode gen code2 该命令自动产生 数字 文字对应表 命令labelbook查看 数值变量转换为字符变量1 命令 tostring例 tostringyearmonthday replace例 tostringyear gen year2 数值变量转换为字符变量2 函数 string 例 genyear2 string year 字符变量的分解与合成 分解命令 splitxxx parse x 例 splitdate parse 合成 例 gena b c例 di Iam ateacher 重要的字符处理函数 求助 helpfunction最重要 substr 例 genyear substr date 1 4 注意 每个英文字母占一位 但每个中文字符占两位字符匹配函数 strmatch 例 gena strmatch ind C 变量创建的技巧 n与 N虚拟变量的产生交互项的产生egen命令 n与 N n 样本序号变量 是一个变量 内容为1 2 3 n N 样本数指标 是一个单值 内容为样本数 n是一个永远存在 但却不能list出来的特殊变量 n的取值会随样本排序的变化而变化 产生滞后项 genlagsales sales n 1 产生前导项 genlagsales sales n 1 产生最后一项 genmsales sales N 差分 gendsales sales sales n 1 增长率 gengsales sales sales n 1 sales n 1 表示是否为第一 最后一项 if n 1 if N 1 时间序列 面板数据的滞后项 差分 增长率tssetcodeyeargenlagsales l salesgendsales d salesgengsales d sales l sales其他 f salesl2 salesf2 salesd2 sales 分组进行 bysortind gena nbysortind keepif n 1bysortind keepif N 1 虚拟变量的产生 使用 generate 和 replace 产生虚拟变量genhsize 1ifsize 1000000 size replacehsize 0ifsize 1000000基于类别变量生成虚拟变量tabrace gen dum xii racexii race prefix dum xii race prefix dum noomit因子变量默认对照组 regwagei race设置对照组 regwageib3 race 等分样本 group num 例 geng inc group 5 条件函数 cond s a b c 例 genx cond age 50 1 0 交互项的产生 基本方法 generate例 genjh state size因子变量的应用 i c helpfvvarlist regroastatelevsizeregroastatelevsizec lev c size regroastatec lev c size regroastatelevi state c levsize regroai state c levsize regroastatelevnsizec lev i nsize egen命令 egen与gen的差异gens1 sum sales 累加egens2 sum sales 总体加总gena1 b c 2egena2 rmean bc 产生各种统计参数egenm median sales sd mean min max count bysortind egenm median sales egenm meidan sales by ind 资料的合并与追加 横向合并 merge例 merge1 1codeyearusingx例 merge1 mcodeusingx例 mergem 1codeusingx纵向追加 append例 appendusingx 分位数 命令pctile 产生分位数 不能与by连用例 pctilex size nq 10 例 pctilex size nq 10 gen y 命令xtile 产生所属组别 不能与by连用例 xtilex size nq 10 函数pctile 与xtile 可以与by或bysort连用例 bysortyear egenx pctile size nq 10 例 bysortyear egenx xtile size nq 10 离群值的处理 离群值的查找 adjacent缩尾处理 winsorizing winsor截尾处理 truncating 例 pctileroa percentile 199 dropifroar r2 时间序列数据 声明时间序列 tsset检查是否有断点 tsreport report填充缺漏的日期 tsfill追加样本 tsappend add 日期变量的处理 helpdates and times 面板数据 面板数据的声明 xtset重复值的查验与删除查验 duplicatesreportcodeyear删除 duplicatesdropcodeyear force面板资料的基本描述 xtdesxtpattern统计公司数目 panelscode产生连续的公司代码 egen group code 处理为平行面板 xtbalance例 xtbalance range 20002008 例 xtbalance range 20002008 miss sizelevroa 练习 把字符变量 日期date 分解为数值变量 年year 月month 日day根据年 月 日 年 月或年 季 生成日期变量生成新的证监会行业分类变量 制造业以前2个代码标识 其他行业以第1个代码标识计算样本中的公司家数留下每一年中每一行业的最大的一家公司生成行业中位数调整的ROAbysortcsrc w egenroa c median roa 生成以3年ROA标准差度量的经营风险变量根据最终控制人性质生产国有产权虚拟变