《Stata数据管理》PPT课件.ppt

1、第三讲 Stata数据管理,变量名称,基本规则 由英文字母、数字或_组成，不超过32个字 首字母必须为字母或_ 英文字母大写和小写具有不同的含义 示例 abc a1 a2 Gdp 都是合理的变量名 5gdp 2invest则不是 注意： 建议不要使用“_”作为 变量的首字母 Stata的内部变量许多是以_开头的，如_n, _N,_b等。,变量的取值类型,字符型变量 存储格式 str#，#表示该变量存储最多可容纳的字符数 如str7 数值型变量 整数（int） 浮点（float） 长整数（long） 双浮点（float） 日期型变量,变量的显示格式,数值型变量的显示格式 e格式（科学计数法） f

2、格式（固定格式） g格式（一般格式） c格式（带千分符） 如%9.0g， %9.0f，%9.0fc 字符变量的显示格式 %#s 如%22s %-14s，其中“-”表示左对齐,变量的显示格式,日期型变量,+-+ - Numerical value & interpretation - Format Meaning Value = -1 Value = 0 Value = 1 -+-+-+-+- %tc clock 31dec1959 01jan1960 01jan1960 23:59:59.999 00:00:00.000 00:00:00.001 %td days 31dec1959 01ja

3、n1960 02jan1960 %tw weeks 1959w52 1960w1 1960w2 %tm months 1959m12 1960m1 1960m2 %tq quarters 1959q4 1960q1 1960q2 %th half years 1959h2 1960h1 1960h2 %tg generic -1 0 1 +-+,字符型转为数值型,destring：字符中还有特殊符号，如“-，%”等 destring x,replace ignore(“-”) real( ): 字符中没有特殊符号 real（string）,数值型转为字符型,tostring： tostring

4、 x,replace tostring x,gen(x1) string: gen x=string(y),字符变量的操作,字符变量的分解：split var，parse（x） split date, parse(-) 字符变量的合成：+ gen a=b+c dis “I am”+”a teacher” 获取部分字符串：substr(x,t1,t2) “2004-01-03” substr(x,1,4)=“2004”,变量的显示格式,日期型变量 如何将字符串变为数值 以日期为例，命令date（string,mask） 如 gen x=date（date，“MDY”）,修改变量的格式,forma

5、t命令 format varlist %fmt sysuse auto 练习,变量的标签,标签是为变量、数据等提供说明，便于使用者更清晰的了解数据的结构和变量。 label命令 Label varname “label” Sysuse auto,clear Label var make “make”,基本数据操作命令,browse edit rename save describe list codebook display sort,Stata中的表达式：算术表达式,+ （减号或负号） * / (乘方) dis （2+3*93）0.5/63,Stata中的表达式：关系和逻辑表达式,= （等于

6、） ！=（不等于） = 20 &age50,数据子集的定义,in命令：用于指定观测值，可以是某一个观测值，也可以是某个区间 List in 20/30 List in 1/10 List in -10/-1 if命令：如果 List if age=20 by命令：非常重要 用来对某些具有相同复制的样本子集重复执行命令 by varlist: stata_cmd Bysort varlist : stata_cmd 如bysort sex: keep if age=20,变量的相关操作,产生新变量：generate命令 gen x y；gen x=1；gen x=x2 替换已有变量： repla

7、ce命令（该命令不能缩写） replace x=2 if x=1 产生特殊函数值的命令：egen egen x=mean(y) gen dy=y-x gen x1=median(y),变量的相关操作,产生新变量：generate命令 gen x y；gen x=1；gen x=x2 替换已有变量： replace命令（该命令不能缩写） replace x=2 if x=1 产生特殊函数值的命令：egen egen x=mean(y) gen dy=y-x gen x1=median(y) 删除变量和记录的命令：drop drop x drop if x=2 保留记录的命令：keep keep

8、if x=2,_n和_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,_n和_N的应用,产生滞后项：gen lagsales=sales _n-1 产生前导项：gen lagsales=sales _n+1 产生最后一项：gen msales=sales _N 差分：gen dsales=sales-sales _n-1 增长率：gen gsales= (sales-sales _n-1)/sales _n-1 表示是否为第一/最后一项：if _n=

9、1 / if _N=1,数据的纵向合并,纵向合并是指把两个数据的样本加总在一起，合并后的数据变量数不变，但样本量增加 纵向合并两个数据之前，需要以下几个步骤： 两个数据文件里的变量的变量名要一致 两个数据文件里相同变量的变量类型要一致 合并命令：append use x1.dta,clear append using x2.dta save x1.dta,replace 练习： 调用auto.dta数据表单 将数据表单按foreign=0或1分为两个文件分别保存 然后合并,数据的横向合并：merge,横向合并是指将两个数据文件的变量加总在一起。合并后数据的样本不变，但变量的数量增加。 合并命令

10、：merge merge varlist using filename, options 在横向合并中，主数据文件和被合并文件的合并变量必须sort use a.dta,clear merge x1 using sj.dta, sort save a.dta,replace 该命令完成后会生成一个变量_merge _merge=1表示该记录来自主数据文件 _merge=2表示该记录来自被合并文件 _merge=3表示同时来自主数据文件和被合并文件 tab _merge,数据的横向合并练习,打开auto.dta文件，将该数据文件拆分为两个文件，一个包含make price mpg rep78 h

11、eadroom trunk变量，存为auto1.dta；另一个包含make weight length turn displacement gear_ratio，存为auto2.dta。 以auto1.dta为主数据文件，以make为合并变量，合并auto2.dta文件。 请大家写do文件完成,数据的横向合并练习,打开auto.dta文件，将该数据文件拆分为两个文件，一个包含make price mpg rep78 headroom trunk变量，存为auto1.dta；另一个包含make weight length turn displacement gear_ratio，存为auto2.

12、dta。 以auto1.dta为主数据文件，以make为合并变量，合并auto2.dta文件。 请大家写do文件完成,分位数,命令pctile：产生分位数，不能与by连用 例：pctile x=size, nq(10) 例：pctile x=size, nq(10) gen(y) 命令xtile：产生所属组别，不能与by连用 例：xtile x=size, nq(10) 命令_pctile：产生分位数，并将各分位数存在r（r#）中 例：_pctile price，p（1 99） dis r（r1） r(r2) 函数pctile( )与xtile( )，可以与by或bysort连用 例：byso

13、rt year: egen x=pctile(size), nq(10) 例：bysort year: egen x=xtile(size), nq(10),分位数,缩尾处理（winsor） 截尾处理（truncating）,虚拟变量的产生,基本方式：使用generate 和 replace命令 sysuse nlsw88.dta,clear gen dum race2=0 replace dum race2=1 if race=2 gen dum_race3=0 replace dum_race3=1 if race=3 基于类别变量： tab命令 sysuse nlsw88.dta,cle

14、ar tab race,gen(dum_r) 基于类别变量生成虚拟变量： xi命令 xi i.race,将连续变量变为类别变量,等分样本： group（） sysuse nlsw88.dta,clear sort wage gen g_wage=group(5) tab g_wage 指定分界点的转换方式 ： recode sum age recode age(min/39=1) (39/42=2) (42/max=3),gen(g_age) *1 if age=39 *2 if 39age=42 右闭区间,do 文档简介,do文档是stata命令的集合，方便我们一次性执行多条stata命令 如何打开do文档： doedit doedit mylog.do do文档的执行 执行一部分命令 整体执行 do mylog.do 注释方式 * 第一种注释方式 sum price weight /*第二种注释方式*/ dis x /第三种注释方式,练习,从CSMAR中下载2005-2010年沪深主板公司财务数据（ROA、总资产、销售收入）、公司治理数据（第一大股东持股比例、最终控制人性质）与基本信息数据（行业、注册地等），并合并这些数据 把字符变量（日期date ）分解为数值变量：年year、月mont