我常用到的stata命令： （续） 实证工作中往往接触的是原始资料。这些资料没有经过整理，有一些错漏和不统一的地方 。比如，对某个变数的缺失观察值，有时会用点，有时会用-9，-99等来表示。回归时如 果使用这些观察，往往得出非常错误的结果。还有，在不同的资料档案中，相同变数有时 使用的变数名不同，会给合并资料造成麻烦。因此，拿到原始资料後，往往需要根据需要 重新生成新的资料库，并且只使用这个新库处理资料。这部分工作不难，但是非常基础。 因为如果在这里你不够小心，後面的事情往往会白做。 假设你清楚地知道所需的变数，现在要做的是检查资料、生成必要的资料并形成资料库供 将来使用。检查资料的重要命令包括codebook，su，ta，des和list。其中，codebook提 供的资讯最全面，缺点是不能使用if条件限制范围，所以，有时还要用别的帮帮忙。su空 格加变数名报告相应变数的非缺失的观察个数，均值，标准差，最小值和最大值。ta空格 後面加一个（或两个）变数名是报告某个变数（或两个变数二维）的取值（不含缺失值） 的频数，比率和按大小排列的累积比率。des後面可以加任意个变数名，只要资料中有。 它报告变数的存储的类型，显示的格式和标签。标签中一般记录这个变数的定义和单位。 list报告变数的观察值，可以用if或in来限制范围。所有这些命令都可以後面不加任何变 数名，报告的结果是正在使用的资料库中的所有变数的相应资讯。说起来苍白无力，打开 stata亲自实验一下吧。 顺带说点儿题外话。除了codebook之外，上述统计类的命令都属於r族命令（又称一般命 令）。执行後都可以使用return list报告储存在r（）中的统计结果。最典型的r族命令 当属summarize。它会把样本量、均值、标准差、方差、最小值、最大值、总和等统计资 讯储存起来。你在执行su之後，只需敲入return list就可以得到所有这些资讯。其实， 和一般命令的return命令类似，估计命令（又称e族命令）也有ereturn命令，具有报告， 储存资讯的功能。在更复杂的程式设计中，比如对回归分解，计算一些程式中无法直接计 算的统计量，这些功能更是必不可少。 检查资料时，先用codebook看一下它的值域和单位。如果有-9，-99这样的取值，查一下 问卷中对缺失值的记录方法。确定它们是缺失值後，改为用点记录。命令是replace (变 数名)=. if (变数名)==-9。再看一下用点记录的缺失值有多少，作为选用变数的一个依 据。 得到可用的资料後，我会给没有标签的变数加上注解。或者统一标签；或者统一变数的命 名规则。更改变数名的命令是ren （原变数名）空格（新变数名）。定义标签的命令是 label var （变数名）空格”（标签内容）”。整齐划一的变数名有助於记忆，简明的标 签有助於明确变数的单位等资讯。 如果你需要使用通过原始变数派生出的新变数，那麽就需要了解gen，egen和replace这三 个命令。gen和replace常常在一起使用。它们的基本语法是gen (或replace)空格（变数 名）＝（运算式）。二者的不同之处在于gen是生成新变数，replace是重新定义旧变数。 虚拟变数是我们常常需要用到的一类派生变数。如果你需要生成的虚拟变数个数不多，可 以有两种方法生成。一种是简明方法：gen空格（变数名）＝（（限制条件））[这外面的 小括弧是命令需要的，里面的小括弧不是命令需要的，只是说明“限制条件”并非命令] 。如果某个观察满足限制条件，那麽它的这个虚拟变数取值为1，否则为0。另一种要麻烦 一点。就是 gen （变数名）＝1 if （取值为一限制条件） replace（相同的变数名）＝0 if （取值为零的限制条件） 两个方法貌似一样，但有一个小小的区别。如果限制条件中使用的变数都没有任何缺失值 ，那麽两种方法的结果一样。如果有缺失值，第一种方法会把是缺失值的观察的虚拟变数 都定义为0。而第二种方法可以将虚拟变数的取值分为三种，一是等於1，二是等於0，三 是等於缺失值。这样就避免了把本来资讯不明的观察错误地纳入到回归中去。下次再讲如 何方便地生成成百上千个虚拟变数。 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.120.95.44