STATA统计软件操作...ppt

1、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,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。 界面： Command(命令)、Results(结果)、Review(回顾)、Variables(变量)。 菜单基本功能： 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

2、）、图表（Graphics）、统计（Statistics数据分析）、使用者（User）、窗口（Window）、帮助（help） 快捷根据图表的基本功能： 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-more-Condition(显示更多结果)、Break(不要显示更多结果)。,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rep

3、lace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；,数据库的描述,描述数据的基本情况：descri

4、be, 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。,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doubl

5、e, float, long, int, byte 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。 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

6、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。 使用genreplace命令生成新变量； genreplace if共同使用形成分组变量 recode v , gen(nv) recode v v的取值nv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） recode yrsch 0=0 11=1 12=2 13=3 14=4 15=5 16=6 21=7 *=.,gen (edu),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

7、（取值的下限） eg：egen agegrp1=cut(age),at(0,7,13,16,20) 按照变量b的分类生成均值变量： egen a_mean=mean(a),by (b) 生成一个变量b和c的行均值变量（avg），忽略缺失值： egen avgrmean(b c) 生成标准数值： egen zweight=std(weight) 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）： 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：Da

8、ta-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。,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Data-Combine 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

9、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。,数据的转换（reshape）,数据的结构： 宽数据（wide format） 长数据（long format） 菜单： Data-Creat

10、e or change variables-Other variable transformation commands-Convert data between wide 按变量x的分类，生成一张其取值图histogram x，discrete; 箱线图。 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)； 矩阵图。 生成x1、x2、x3的矩阵图，只显示一半：graph matrix

11、x1 x2 x3, half 将图形x1和x2合并：graph combine x1 x2,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 age14. 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）,区间估计,单个总体比例的区间估计 计算a这个二分变量的比例、标准误和95%的置信区间：proportion a。 按b分类来计算a这个二分变量的区间估计：proportion

12、 a，over（b）。,区间估计,单个总体比率的区间估计 按城乡分类，估计体重身高之比的区间估计：ratio(weight/height),over(urban) 注意：stata默认输出的是95%的置信区间，若想要99%或90%的置信区间，则须在命令最后写“，level（99）”或“，level（90）”,假设检验,一个总体均值的检验：ttest 变量=数值。 例如：ttest height=160 if age14或者ttest height=160 if age14,level(99) 两个独立样本均值比较的t检验： ttest a，by（b）。 eg：分城乡孩子的体重差异检验：ttes

13、t weight，by（urban）,假设检验,配对样本均值比较的t检验： ttest a1=a2。 多个总体均值差异的检验，即方差分析： oneway y x（y为因变量，x为类别自变量） 例如：oneway weight sibs if age13,tab scheffe。（tab输出各组描述性统计结果，scheffe采用scheffe方法提供多重组间比较结果）,方差分析,双（多）因素方差分析： anova y a b（a、b为因素） anova y a b a*b（加入a、b的交互作用） 协方差分析： anova y a b c，cont（c）； 指定c为连续变量，相应地a、b、c为类别变量。 anova y a b c，category（a b）， 指明a、b为分类变量，从而暗示其他变量c为连续变量。,相关分析,corr a b c。 输出a、b、c的相关系数矩阵。 pwcorr