我常用到的stata命令： （續） 實證工作中往往接觸的是原始資料。這些資料沒有經過整理，有一些錯漏和不統一的地方 。比如，對某個變數的缺失觀察值，有時會用點，有時會用-9，-99等來表示。回歸時如 果使用這些觀察，往往得出非常錯誤的結果。還有，在不同的資料檔案中，相同變數有時 使用的變數名不同，會給合併資料造成麻煩。因此，拿到原始資料後，往往需要根據需要 重新生成新的資料庫，並且只使用這個新庫處理資料。這部分工作不難，但是非常基礎。 因為如果在這裡你不夠小心，後面的事情往往會白做。 假設你清楚地知道所需的變數，現在要做的是檢查資料、生成必要的資料並形成資料庫供 將來使用。檢查資料的重要命令包括codebook，su，ta，des和list。其中，codebook提 供的資訊最全面，缺點是不能使用if條件限制範圍，所以，有時還要用別的幫幫忙。su空 格加變數名報告相應變數的非缺失的觀察個數，均值，標準差，最小值和最大值。ta空格 後面加一個（或兩個）變數名是報告某個變數（或兩個變數二維）的取值（不含缺失值） 的頻數，比率和按大小排列的累積比率。des後面可以加任意個變數名，只要資料中有。 它報告變數的存儲的類型，顯示的格式和標籤。標籤中一般記錄這個變數的定義和單位。 list報告變數的觀察值，可以用if或in來限制範圍。所有這些命令都可以後面不加任何變 數名，報告的結果是正在使用的資料庫中的所有變數的相應資訊。說起來蒼白無力，打開 stata親自實驗一下吧。 順帶說點兒題外話。除了codebook之外，上述統計類的命令都屬於r族命令（又稱一般命 令）。執行後都可以使用return list報告儲存在r（）中的統計結果。最典型的r族命令 當屬summarize。它會把樣本量、均值、標準差、方差、最小值、最大值、總和等統計資 訊儲存起來。你在執行su之後，只需敲入return list就可以得到所有這些資訊。其實， 和一般命令的return命令類似，估計命令（又稱e族命令）也有ereturn命令，具有報告， 儲存資訊的功能。在更複雜的程式設計中，比如對回歸分解，計算一些程式中無法直接計 算的統計量，這些功能更是必不可少。 檢查資料時，先用codebook看一下它的值域和單位。如果有-9，-99這樣的取值，查一下 問卷中對缺失值的記錄方法。確定它們是缺失值後，改為用點記錄。命令是replace (變 數名)=. if (變數名)==-9。再看一下用點記錄的缺失值有多少，作為選用變數的一個依 據。 得到可用的資料後，我會給沒有標籤的變數加上注解。或者統一標籤；或者統一變數的命 名規則。更改變數名的命令是ren （原變數名）空格（新變數名）。定義標籤的命令是 label var （變數名）空格”（標籤內容）”。整齊劃一的變數名有助於記憶，簡明的標 籤有助於明確變數的單位等資訊。 如果你需要使用通過原始變數派生出的新變數，那麼就需要瞭解gen，egen和replace這三 個命令。gen和replace常常在一起使用。它們的基本語法是gen (或replace)空格（變數 名）＝（運算式）。二者的不同之處在于gen是生成新變數，replace是重新定義舊變數。 虛擬變數是我們常常需要用到的一類派生變數。如果你需要生成的虛擬變數個數不多，可 以有兩種方法生成。一種是簡明方法：gen空格（變數名）＝（（限制條件））[這外面的 小括弧是命令需要的，裡面的小括弧不是命令需要的，只是說明“限制條件”並非命令] 。如果某個觀察滿足限制條件，那麼它的這個虛擬變數取值為1，否則為0。另一種要麻煩 一點。就是 gen （變數名）＝1 if （取值為一限制條件） replace（相同的變數名）＝0 if （取值為零的限制條件） 兩個方法貌似一樣，但有一個小小的區別。如果限制條件中使用的變數都沒有任何缺失值 ，那麼兩種方法的結果一樣。如果有缺失值，第一種方法會把是缺失值的觀察的虛擬變數 都定義為0。而第二種方法可以將虛擬變數的取值分為三種，一是等於1，二是等於0，三 是等於缺失值。這樣就避免了把本來資訊不明的觀察錯誤地納入到回歸中去。下次再講如 何方便地生成成百上千個虛擬變數。 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.120.95.44