STATA统计软件操作.ppt

STATA统计软件操作统计软件操作n nStataStata入门入门入门入门n nStataStata的数据读入的数据读入的数据读入的数据读入n n数据库的描述数据库的描述数据库的描述数据库的描述n n变量的生成与处理变量的生成与处理变量的生成与处理变量的生成与处理n n数据的合并数据的合并数据的合并数据的合并n n数据的转换数据的转换数据的转换数据的转换n n单变量描述单变量描述单变量描述单变量描述n n双变量描述双变量描述双变量描述双变量描述n n描述数据的统计量描述数据的统计量描述数据的统计量描述数据的统计量n n图形的制作图形的制作图形的制作图形的制作n n参数估计：区间估计参数估计：区间估计参数估计：区间估计参数估计：区间估计n n假设检验假设检验假设检验假设检验n n方差分析方差分析方差分析方差分析n n相关分析相关分析相关分析相关分析n n线性回归分析线性回归分析线性回归分析线性回归分析.Stata入门入门 n n五大功能：五大功能：五大功能：五大功能：n n数据管理、统计分析、图形制作、矩阵运算和程序设计。数据管理、统计分析、图形制作、矩阵运算和程序设计。数据管理、统计分析、图形制作、矩阵运算和程序设计。数据管理、统计分析、图形制作、矩阵运算和程序设计。n n界面：界面：界面：界面：n nCommand(Command(命令命令命令命令)、Results(Results(结果结果结果结果)、Review(Review(回顾回顾回顾回顾)、Variables(Variables(变量变量变量变量)。n n菜单基本功能：菜单基本功能：菜单基本功能：菜单基本功能：n n文件（文件（文件（文件（FileFile）、编辑（）、编辑（）、编辑（）、编辑（EditEdit）、偏好（）、偏好（）、偏好（）、偏好（PrefsPrefs，用户界面设，用户界面设，用户界面设，用户界面设置菜单）、数据（置菜单）、数据（置菜单）、数据（置菜单）、数据（DataData，数据的基本处理、描述、排序、，数据的基本处理、描述、排序、，数据的基本处理、描述、排序、，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）、图表改变变量、生成新变量、整合数据、拆分数据等）、图表改变变量、生成新变量、整合数据、拆分数据等）、图表改变变量、生成新变量、整合数据、拆分数据等）、图表（GraphicsGraphics）、统计（）、统计（）、统计（）、统计（StatisticsStatistics数据分析）、使用者数据分析）、使用者数据分析）、使用者数据分析）、使用者（UserUser）、窗口（）、窗口（）、窗口（）、窗口（WindowWindow）、帮助（）、帮助（）、帮助（）、帮助（helphelp）n n快捷根据图表的基本功能：快捷根据图表的基本功能：快捷根据图表的基本功能：快捷根据图表的基本功能：n nLog(Log(记录文件窗口记录文件窗口记录文件窗口记录文件窗口)、Viewer(Viewer(帮助窗口帮助窗口帮助窗口帮助窗口)、Results(Results(分析结果分析结果分析结果分析结果窗口窗口窗口窗口)、Do-file Editor(Do-file Editor(编程窗口编程窗口编程窗口编程窗口)、Data Editor(Data Editor(数据编辑窗数据编辑窗数据编辑窗数据编辑窗口口口口)、Data Browse(Data Browse(数据浏览窗口数据浏览窗口数据浏览窗口数据浏览窗口)、Clear-more-ConditionClear-more-Condition(显示更多结果显示更多结果显示更多结果显示更多结果)、Break(Break(不要显示更多结果不要显示更多结果不要显示更多结果不要显示更多结果)。.Stata数据的读入数据的读入n nlog文件文件。n n创建文件：创建文件：log using“log using“文件路径和名称文件路径和名称”，其后带，其后带appendappend表示在原有文件的基础上增加新内容，其后表示在原有文件的基础上增加新内容，其后带带replacereplace表示取代原记录文件；表示取代原记录文件；n n暂停：暂停：log offlog off；n n再次开始：再次开始：log onlog on；n n关闭：关闭：log closelog close。n n数据的存储空间数据的存储空间：n n增加存储空间（增加存储空间（set mem 40mset mem 40m）n n清空存储空间（清空存储空间（clearclear，相当于，相当于drop alldrop all）。）。.Stata数据的读入数据的读入n n数据的读入数据的读入：n n可直接读入下列尾缀形式的数据可直接读入下列尾缀形式的数据.dta/.txt/.raw/.xls.dta/.txt/.raw/.xls；n n读入文件中的部分变量：读入文件中的部分变量：use a b c using“use a b c using“文件路文件路径和名称径和名称”；n n读入文件中的部分样本：读入文件中的部分样本：use“use“文件路径和名称文件路径和名称”in X/Y(Xin X/Y(X、Y Y表示个案序号表示个案序号)；n n读入文件中某些特征的样本：读入文件中某些特征的样本：use“use“文件路径和文件路径和名称名称”if”if 条件句；条件句；.数据库的描述数据库的描述n n描述数据的基本情况：描述数据的基本情况：describe,dn ndescribe,simple:describe,simple:只展示变量名；只展示变量名；n ndescribedescribe，shortshort：报告变量总体情况；：报告变量总体情况；n ndescribedescribe，detaildetail：输出全部变量的全部信息；：输出全部变量的全部信息；n ndescribe a b cdescribe a b c：描述部分变量的情况。：描述部分变量的情况。n n变量编码本变量编码本：n ncodebookcodebook。n ncodebook+codebook+变量名：描述变量特征。变量名：描述变量特征。.Stata数据类型及特点数据类型及特点n n与数据类型对应的是数据库中变量的存储类型（storage type）：。n n字符型字符型:保存格式为保存格式为strstr，省略表示的是字符位数，省略表示的是字符位数n n数值型：保存格式有数值型：保存格式有byte,int,long,float,doublebyte,int,long,float,double。默认。默认格式是格式是floatfloat，前三种只保留整数，占空间最大到最，前三种只保留整数，占空间最大到最小的顺序是小的顺序是double,float,long,int,bytedouble,float,long,int,byten n压缩变量的命令为compressn nCompressCompress为压缩所有变量；为压缩所有变量；n nCompress yr*Compress yr*为压缩共同前缀的变量；为压缩共同前缀的变量；n nCompress a-cCompress a-c为压缩从为压缩从a a到到c c之间的所有变量。之间的所有变量。.数据库的描述数据库的描述n n描述变量取值的基本命令参数描述变量取值的基本命令参数：n ninspectinspect。n n显示数据显示数据：n nbrowsebrowse直接进入数据的浏览窗口；直接进入数据的浏览窗口；n nlistlist最好指定变量，否则会输出数据中所有变量最好指定变量，否则会输出数据中所有变量的分布。的分布。n n数据排序数据排序：n nsortsort。n n例：比较城乡孩子的性别例：比较城乡孩子的性别bysort urban:inspect bysort urban:inspect girlgirl或者或者sort urbansort urban然后然后by urban:inspect girl.by urban:inspect girl.变量的生成与处理变量的生成与处理n n注意事项注意事项注意事项注意事项：n n不要使用新变量取代旧变量；不要使用新变量取代旧变量；n n充分了解原始变量的分布以及每个数值代表的含义；充分了解原始变量的分布以及每个数值代表的含义；n n遵循不重不漏；遵循不重不漏；n n将原始变量和新变量的取值进行对比，检查是否有误；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。注意原始变量的缺失值。n n使用使用使用使用genreplacegenreplace命令生成新变量命令生成新变量命令生成新变量命令生成新变量；n ngenreplace ifgenreplace if共同使用形成分组变量共同使用形成分组变量n nrecoderecode v,gen(nv)v,gen(nv)n nrecode v vrecode v v的的取值取值nvnv的取值的取值 *=*=其他取值其他取值(*(*表示所有其他没有列出表示所有其他没有列出的数值的数值)，gengen（新变量名）（新变量名）n nrecode yrsch 0=0 11=1 12=2 13=3 14=4 15=5 16=6 21=7 *=.,gen(edu)recode yrsch 0=0 11=1 12=2 13=3 14=4 15=5 16=6 21=7 *=.,gen(edu).变量的生成与处理变量的生成与处理n n生成分类变量生成分类变量生成分类变量生成分类变量：n negen egen 新变量命新变量命cutcut（旧变量名），（旧变量名），at at（取值的下限）（取值的下限）n negeg：egen agegrp1=cut(age),at(0,7,13,16,20)egen agegrp1=cut(age),at(0,7,13,16,20)n n按照变量按照变量按照变量按照变量b b的分类生成均值变量的分类生成均值变量的分类生成均值变量的分类生成均值变量：n negen a_mean=mean(a),by(b)egen a_mean=mean(a),by(b)n n生成一个变量生成一个变量生成一个变量生成一个变量b b和和和和c c的行均值变量（的行均值变量（的行均值变量（的行均值变量（avgavg），忽略缺），忽略缺），忽略缺），忽略缺失值失值失值失值：n negen avgegen avgrmean(b c)rmean(b c)n n生成标准数值生成标准数值生成标准数值生成标准数值：n negen zweight=std(weight)egen zweight=std(weight)n n计算每一年观察的样本，从而了解在每年的调查计算每一年观察的样本，从而了解在每年的调查计算每一年观察的样本，从而了解在每年的调查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）中，有多少相同的样本（或相同的个体）中，有多少相同的样本（或相同的个体）中，有多少相同的样本（或相同的个体）：n ngen numobs=count(personid),by(personid year)gen numobs=count(personid),by(personid year).数据的合并（纵向）数据的合并（纵向）n n纵向合并纵向合并：n n作用：增加样本量作用：增加样本量n n命令：命令：appendappendn n菜单：菜单：Data-Combine datasets-Append datasetsData-Combine datasets-Append datasets；n n程序：程序：append using“append using“文件路径和名称文件路径和名称”；append append using“using“文件路径和名称文件路径和名称”，keep keep 变量名。变量名。.数据的合并（横向）数据的合并（横向）n n横向合并横向合并横向合并横向合并n n作用：增加变量（作用：增加变量（mergemerge）。）。n n菜单：菜单：Data-Combine datasets-Merge two datasetsData-Combine datasets-Merge two datasets或或Data-Data-Combine datasets-Merge multiple datasetsCombine datasets-Merge multiple datasetsn n程序：先看使用数据：程序：先看使用数据：use“use“文件路径和名称文件路径和名称”，sort sort 关关键变量名，键变量名，save“save“文件路径和名称文件路径和名称”，replacereplace；n n再看主要数据，再看主要数据，use“use“文件路径和名称文件路径和名称”，sortsort关键变量名；关键变量名；n n最后，合并数据：最后，合并数据：merge merge 关键变量名关键变量名 using“using“文件路径和文件路径和名称名称”，keepkeep（变量）。（变量）。.数据的合并数据的合并（系统变量）（系统变量）（系统变量）（系统变量）n n关于系统变量：关于系统变量：_merge_merge，它的取值限于，它的取值限于n n1 1观察值仅来自主要数据，使用数据没有匹配的样本，观察值仅来自主要数据，使用数据没有匹配的样本，n n2 2观察值仅来自使用数据，主要数据没有匹配的样本，观察值仅来自使用数据，主要数据没有匹配的样本，n n3 3观察值来自于主要数据和使用数据。观察值来自于主要数据和使用数据。n n若使用若使用updateupdate选项，还会有：选项，还会有：n n4 4观察值来自于主要数据和使用数据，且主要数据的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，缺失值得到更新，n n5 5观察值来自于主要数据和使用数据，且两个数据的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。数值不匹配。.数据的转换（数据的转换（reshape）n n数据的结构数据的结构：n n宽数据（宽数据（wide formatwide format）n n长数据（长数据（long formatlong format）n n菜单菜单：n nData-Create or change variables-Other variable Data-Create or change variables-Other variable transformation commands-Convert data between transformation commands-Convert data between wide&longwide&long。.数据转换：长数据转换：长宽宽n n程序：程序：n nreshape wide reshape wide 变量名，变量名，i(i(观察值的标识符观察值的标识符)j()j(次标识符次标识符)。n n“变量名变量名”表示一组同样内容的变量的共同的前缀，即表示一组同样内容的变量的共同的前缀，即X_ijX_ij中的中的X X，指定希望转换的变量名称；选项，指定希望转换的变量名称；选项i i及括号捏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。无二、代表每个逻辑观察值的变量。n negeg：n ngsort mothid-agegsort mothid-age；n nby mothidby mothid：gen order=_ngen order=_n；n nreshape wide kidid age girl yobreshape wide kidid age girl yob，i(mothid)(order)i(mothid)(order)。.数据转换：宽数据转换：宽长长n n程序：n nreshape long reshape long 变量名，变量名，i(i(观察值的标识符观察值的标识符)j()j(次标次标识符识符)。n n“变量名变量名”表示根据次标识符指定的、有共同主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）个新干但尾缀不同的一组变量，生成一（多）个新变量；选项变量；选项i i指定观察值的标识符，具有独一无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。二的取值，是代表每个逻辑观察值的变量。.单变量描述单变量描述n n单个变量频数统计：n n.tabulate a.tabulate a相当于相当于tab atab a。n n多个变量的单变量描述：n n.tab1 a b c.tab1 a b c。.双变量描述双变量描述n n交互分类表：交互分类表：n n.tab a b.tab a b或者或者.tab2 a b c.tab2 a b c（给出其中任意两变量的交互分类（给出其中任意两变量的交互分类表）表）n n附加命令的功能。附加命令的功能。n n统计量的检验：统计量的检验：n nChi2Chi2：计算：计算PersonPerson卡发值，检验交互表中的行与列变量是否独卡发值，检验交互表中的行与列变量是否独立，不能用于加强数据；立，不能用于加强数据；n nexactexact：展示：展示FisherFisher精确检验的显著水平；精确检验的显著水平；n nexpected gammaexpected gamma：展示：展示GoodmanGoodman和和KruskalKruskal的的gammagamma值和其渐近值和其渐近线的标准误，适合于定序数据，不能与加权数据连用；线的标准误，适合于定序数据，不能与加权数据连用；n nlrchi2lrchi2：展示似然卡方，若任意单元格的频数为：展示似然卡方，若任意单元格的频数为0 0，该选项无法，该选项无法执行；执行；n ntaubtaub：展示：展示KendallKendall的的tau-btau-b值及其渐近线的标准误，适合于定序值及其渐近线的标准误，适合于定序数据；数据；n nV V：展示：展示CramerCramer的的V V。.双变量描述双变量描述n n附加命令的功能。附加命令的功能。n n单元格：单元格：n ncchi2cchi2：展示每个单元格对：展示每个单元格对PersonPerson卡方的贡献；卡方的贡献；n nclrchi2clrchi2展示每个单元格对似然卡方的贡献；展示每个单元格对似然卡方的贡献；n ncolumncolumn提供列百分比；提供列百分比；n nrowrow提供行百分比；提供行百分比；n ncellcell提供总百分比；提供总百分比；n nexpectedexpected提供每个单元格的期望频数；提供每个单元格的期望频数；n nnofreqnofreq不显示频数或者不显示具体表格，直接显示统计量。不显示频数或者不显示具体表格，直接显示统计量。n nmissingmissing将缺失值与有效值同样对待；将缺失值与有效值同样对待；n nwrapwrap不自动换行宽表；不自动换行宽表；n nnokeynokey不显示单元格提示；不显示单元格提示；n nnolabelnolabel不使用数值标签。不使用数值标签。.描述数据的统计量描述数据的统计量n nsum+变量名；变量名；sn num aum a，detaildetail（给出更详细的信息）；（给出更详细的信息）；n nbysort urbanbysort urban：sum asum a（在不同城乡分布中统计变（在不同城乡分布中统计变量量a a）n ntab 分组变量分组变量a，contents(mean b sd b)n n表示按照变量表示按照变量a a分组计算变量分组计算变量b b的均值和标准差；的均值和标准差；n ntab a b,contents(mean c sd d)n n表示按照变量表示按照变量a a和和b b分组计算变量分组计算变量c c的均值和的均值和d d的的标准差；标准差；.描述数据的统计量描述数据的统计量n ntab a b,contents(mean c)tab a b,contents(mean c)，row colrow col，n n表示按照变量表示按照变量a a和和b b分组计算变量分组计算变量c c的均值，然后计算行的均值，然后计算行和列均值。和列均值。n ntabstat a b c dtabstat a b c dn n展示一个或多个数值型变量的描述性统计量，默认输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；出均值；n ntabstat a b c d,by(e)statistics(mean sd median)tabstat a b c d,by(e)statistics(mean sd median)columns(statistics)columns(statistics)n n表示按照表示按照e e分类计算变量分类计算变量a a、b b、c c、d d的均值、标准差、的均值、标准差、中位值，格式是列为统计量。中位值，格式是列为统计量。n ntab a btab a b，sumsum（c c）n n表示按照变量表示按照变量a a、b b分类计算分类计算c c的统计量的统计量 .图形的制作图形的制作n ny y和和和和x x的散点图的散点图的散点图的散点图：n ngraph twoway scatter y xgraph twoway scatter y x；twoway scatter y xtwoway scatter y x；scatter y x scatter y xn ny y和和和和x x的线图的线图的线图的线图：n ngraph twoway line y xgraph twoway line y x；twoway line y xtwoway line y x；line y x line y x。注意：。注意：先将先将x x排序再做图，否则图会杂乱无章。排序再做图，否则图会杂乱无章。n n按照按照按照按照x x变量分类的纵向条形图变量分类的纵向条形图变量分类的纵向条形图变量分类的纵向条形图：n ngraph bar y,over(x)graph bar y,over(x)；按照；按照x x变量分类的横向条形图：变量分类的横向条形图：graph hbar y,over(x)graph hbar y,over(x)；n n给变量给变量给变量给变量x x、y y、z z（三者之和为（三者之和为（三者之和为（三者之和为100%100%）生成饼图：）生成饼图：）生成饼图：）生成饼图：n ngraph piegraph pie；n n按变量按变量按变量按变量x x的分类，生成一张饼图的分类，生成一张饼图的分类，生成一张饼图的分类，生成一张饼图：n ngraph piegraph pie，overover（x x）.图形的制作图形的制作n n直方图。直方图。n n生成一张变量生成一张变量x x的取值图：的取值图：histogram x;histogram x;n n按变量按变量x x的分类，生成一张其取值图的分类，生成一张其取值图histogram xhistogram x，discrete;discrete;n n箱线图。箱线图。n n按变量按变量x x的分类，生成变量的分类，生成变量y y的箱线图：的箱线图：n ngraph box y,over(x)graph box y,over(x)；n n按变量按变量x x的分类，生成变量的分类，生成变量y1y1和和y2y2的箱线图的箱线图graph box y1 y2,over(x)graph box y1 y2,over(x)；n n按变量按变量x x的分类，生成变量的分类，生成变量y y的横向箱线图：的横向箱线图：graph hbox y,over(x)graph hbox y,over(x)；n n矩阵图。矩阵图。n n生成生成x1x1、x2x2、x3x3的矩阵图，只显示一半：的矩阵图，只显示一半：graph matrix x1 x2 x3,halfgraph matrix x1 x2 x3,halfn n将图形将图形x1x1和和x2x2合并：合并：graph combine x1 x2graph combine x1 x2.区间估计区间估计n n单个总体均值的区间估计：单个总体均值的区间估计：n n求多个变量的置信区间，对变量的数目没限制：求多个变量的置信区间，对变量的数目没限制：ci x1 x2 x3ci x1 x2 x3。n negeg：bysort urban:ci x1 x2 x3 if age14.bysort urban:ci x1 x2 x3 if age14.n nmean x1 x2 x3mean x1 x2 x3，输出均值、标准误和，输出均值、标准误和95%95%的置信的置信区间。区间。n n按变量按变量e e分类来求取分类来求取a a、b b、c c三个变量的区间估三个变量的区间估计：计：mean a b cmean a b c，overover（e e）.区间估计区间估计n n单个总体比例的区间估计单个总体比例的区间估计n n计算计算a a这个二分变量的比例、标准误和这个二分变量的比例、标准误和95%95%的置的置信区间：信区间：proportion aproportion a。n n按按b b分类来计算分类来计算a a这个二分变量的区间估计：这个二分变量的区间估计：proportion aproportion a，overover（b b）。）。.区间估计区间估计n n单个总体比率的区间估计单个总体比率的区间估计n n按城乡分类，估计体重身高之比的区间估计：按城乡分类，估计体重身高之比的区间估计：ratio(weight/height),over(urban)ratio(weight/height),over(urban)n n注意：注意：statastata默认输出的是默认输出的是95%95%的置信区间，若想的置信区间，若想要要99%99%或或90%90%的置信区间，则须在命令最后写的置信区间，则须在命令最后写“，levellevel（9999）”或或“，levellevel（9090）”.假设检验假设检验n n一个总体均值的检验：ttest 变量=数值。n n例如：例如：ttest height=160 if age14ttest height=160 if age14或者或者ttest ttest height=160 if age14,level(99)height=160 if age14,level(99)n n两个独立样本均值比较的t检验：n nttettes st at a，byby（b b）。）。n negeg：分城乡孩子的体重差异检验：分城乡孩子的体重差异检验：ttest weightttest weight，byby（urbanurban）.假设检验假设检验n n配对样本均值比较的配对样本均值比较的t检验检验：n nttest a1=a2ttest a1=a2。n n多个总体均值差异的检验，即方差分析多个总体均值差异的检验，即方差分析：n noneway y xoneway y x（y y为因变量，为因变量，x x为类别自变量）为类别自变量）n n例如：例如：oneway weight sibs if age13,tab scheffeoneway weight sibs if age13,tab scheffe。（tabtab输出各组描述性统计结果，输出各组描述性统计结果，scheffescheffe采用采用scheffescheffe方法提供多重组间比较结果）方法提供多重组间比较结果）.方差分析方差分析n n双（多）因素方差分析双（多）因素方差分析：n nanova y a banova y a b（a a、b b为因素）为因素）n nanova y a b a*banova y a b a*b（加入（加入a a、b b的交互作用）的交互作用）n n协方差分析协方差分析：n nanova y a b canova y a b c，contcont（c c）；）；n n指定指定c c为连续变量，相应地为连续变量，相应地a a、b b、c c为类别变量。为类别变量。n nanova y a b c，category（a b），），n n指明指明a a、b b为分类变量为分类变量，从而暗示其他变量从而暗示其他变量c c为连为连续变量。续变量。.相关分析相关分析n ncorr a b c。n n输出输出a a、b b、c c的相关系数矩阵。的相关系数矩阵。n npwcorr a b c。n n剔除缺失值计算相关的结果。剔除缺失值计算相关的结果。n npcorr a b c。n n输出偏相关分析结果，即控制其他变量后的两输出偏相关分析结果，即控制其他变量后的两变量之间的相关。变量之间的相关。.回归分析回归分析n n一元线性回归：reg y x,选择项。n n预测预测y y值：值：predict yhatpredict yhat；n n估计残差：估计残差：predict e,residpredict e,resid；n n估计标准残差：估计标准残差：predict se,rstandardpredict se,rstandard。n n多元线性回归。reg y x1 x2 x3。n n虚拟变量回归：i.reg y x1 x2 i.x3.