-
我常用到的
stata
命令
最重要的两个命令莫过于
he
lp
和
search
了。
即使是经常使用
stata
的人也很难，
也没必要记
住常用命令的每一个细节，
更不用说那些不常用到的了。
所以，
在遇到困难
又没有免费专家
咨
询时，使用
stata
自带的帮助文件就是最佳选择。
s
tata
的帮助文件十分详尽，面面俱到，
这既是好处也是麻烦
。当你看到长长的帮助文件时，是不是对迅
速找到相关信息感到没有
信心？
闲话不说了。
help
和
search
都是查找帮助文件的命令，它们之间
的区别在于
help
用于查找
精确的命
令名，而
search
是模糊查找。如果你知道某个命令的名字，并且想知道它的具体
使用方法，只
须在
stata
的命令行窗口中输入
h
elp
空格加上这个名
字。回车后结
果屏幕上
就会显示出这个命令的帮助文件的全部内容。如果你想知道在
< br>stata
下做某个估计或某种计
算，而不知道具体该如
何实现，就需要用
search
命令
了。使用的方法和
help
类似，只须把
准确的命令名改成某个关键词。
回车后结果窗口会给出所有和这个关键词相关的帮助文
件名
和链接列表。
在列表中寻找最相
关的内容，点击后在弹出的查看窗口中会给出相关的帮助
文件。耐心寻找，反复实验，通
常可以较快地找到你需要的内容。
下面
该正式处理数据了。我的处理数
据经验是最好能用
stata
的
do<
/p>
文件编辑器记下你做过
的工作。因为很少有一项实证研究能够一次
完成，所以，当你下次继续工
作时。能够重复
前面的工作是非常重要的。
有时因为一些细小的不同，
你会发现无法复制原先的结果了。
这
时如果有记录下以往工作的
do
文件将把你从地狱带到天
堂。
因为你不必一遍又一遍地试图
重现做过的
工作。在
stata
窗口上部的工具栏中有个孤立的小按钮，把
鼠标放上去会出现
“
bring do-file
editor to front
”
，点击它就会出现
do
文件编辑器。
为了使
do
文件能够顺利工作，一般需
要编辑
do
文件的“头”和“尾”
。这
里给出我使用的
“头”和“尾”
。
/*
（标签。简单记下文件的使命。
）
*/
capture clear
（清空内存中的数据）
capture log close
（关闭所有打开的日志文件）
set
mem 128m
（设置用于
stata
使用的内存容量）
set more off
（关闭
more
选项。如果打开该选项，那么结
果分屏输出，即一次只输出一屏结
果。你按空格键后再输出下一屏，直到全部输完。如果
关闭则中间不停，一次全部输出。
）
set matsize 4000
（设置矩阵的最大阶数。我用的是不是太大了？）
cd D:
（进入数据所在的盘符
和文件夹。和
dos
的命令行很相似。
）
log
using
（文件名）
.log,replace
（打开日志文件，并更新。日志文件将记录下所有文件运
行后给出的结果，如果你修改
了文件内容，
replace
选项可以将其更新为最近运行的结
果。
）
use
（文件名）
,clear
（打开数据文件。
）
（文件内容）
log close
（关闭日志文件。
）
exit,clear
（退出并清空内存中的数据。
）
这个
do
文
件的“头尾”并非我的发明，而是从沈明高老师那里学到的。
版权归沈明高老师。
（待续）
我常用到的
stata
命令：
（续）
实证工作中往往接触的是原始数
据。
这些数据没有经过整理，
有一些错漏和不统一的地方。
比如，对某个变量的缺失观察值，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
同的数据文件中，相同变量有时使用
的变量名不同，会给合并数据造成麻烦。因此，拿到
原始数据后，往往需要根据需要
重新
生成新的数据库，并且只使用这个新库处理数据。
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，后面的事情往往会白做。
假
设你清
楚地知道所需的变量，现在要做的是检查数据、生成必要的数据并形成数据库供
将来使用
。检查数据的重要命令包括
codebook
，
su
，
ta
，
des
和
list
。其中，
codebook
提供
的信息最全面，
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
加变量名报告相应变量的
非
缺失的观察个数，均值，标准差，最小值和最大值。
ta
空格后
面加一个（或两个）变量名是报告
某个变量（或两个变量二维）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
后面可以加任意个变量名，只要数据中有。它报
告变量的存储的类型，显示的格式和标签
。标签中一般记录这个变量的定义和单
位。
< br>list
报告变量的观察值，
可以用
if
或
in
来限制范围。
所有这些命令都可以后面不加任何变量名，
报告的结果是正在使用的数据
库中的所有变量的相应信
息。
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
令都属于
r
族命令（又
称一般命
令）
。执行后都可以使用
< br>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、总和等统计信息储
存
起来。你在执行
su
之后，只需敲入
return list
就可以得到所有这些信息。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，储存信息的
功
能。在更复杂的编程中，比如对回归分解，计算一些程序中无法直接计算的统计量，这
< br>些功能更是必不可少。
检查数据时，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。
确定它们是缺失值后，
改为用点记录。
命令是
replace (
变量名
)=.
if (
变量名
)==-9
。再看一下用点记录的缺失值有多少，作为选用变量的一个依据。
得到可用的数据后，我会给没有标
签的变量加上注解。或者统一标签；或者统一变量的命
名规则。
更改变量名的命令是
ren
（原变量名）空格（新变量名）<
/p>
。定义标签的命令是
label
var
（变量名）空格”
（标签内容）
”
。整齐划一的变量名有助于记忆，简明的标签有助于明
确变量的单位
等信息。
如果你需要使用通过原始
变量派生出
的新变量，那么就需要了解
gen
，
e
gen
和
replace
这三
个命令。
gen
和
re
place
常常在一起使用。它们的基本语法是
gen (
或
replace)
空格（变量名）
＝（表达式）
。二者的不同之处在于
gen<
/p>
是生成新变量，
replace
是重新定
义旧变量。
虚拟变量是
我们常常需要用到的一类
派生变量。如果你需要生成的虚拟变量个数不多，可
以有两种方法生成。一种是简明方法
：
gen
空格（变量名）＝（
（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，
那么它的这个虚拟变量取值为
1
，
否
则为
0
。
另一种要麻烦一点。
就是
gen
（变量名）＝
1 if
（取值为一限制条件）
replace
（相同的变量名）＝
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量都没有任何缺失值，
那么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
的虚拟变量都
定义为
0
。而第二种方法可以将虚拟变量的取值分为三种，一是等于
1
，二是等于
0
，三是
等于缺
失值。这样就避免了把本来信息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量。
我常用到的
stata
命令：
（续）
大量的虚拟变量往往是根据某
个已知变量的取值生成的。
比如，
在某个回归中希望控制每个<
/p>
观察所在的社区，
即希望控制标记社区的虚拟变量。
社区数目可能有成百上千个，
如果用上
次的所说的方
法生成就需要重复成百上千次，这也太笨了。大量生成虚拟变量的命令如下；
ta
（变量名）
,
gen(
（变量名）
)
第一个括号里的变量名是已知的变量，
在上面的例子中是社区编码。
后一个括号里的变量名
是新生成的虚拟变量的共同前缀，后面跟数字表
示不同的虚拟变量。如果我在这里填入
d
，
那么，上述命令就会新生成
d1
，
d2
，等等，直到所有社区都有一个虚拟变量。
在回归中控制社区变量，
只需简单地
放入这些变量即可。
一个麻烦是虚拟变量太多，
怎么简
单地加入呢？一个办法是用省略符号，
d*
表示
所有
d
字母开头的变量，另一法是用破折号，
< br>d1-d150
表示第一个到第
150
< br>个社区虚拟变量（假设共有
150
个社区）
。
还有一种方法可以在
回归中直接控制虚拟变量，
而无需真的去生成这些虚拟变量。
使
用命令
areg
可以做到，它的语法是
areg
（被解释变量）
（解释变量）
,
absorb
（变量名）
absorb
选项后面的变量名和前面讲的命令中第一个变量名相同。<
/p>
在上面的例子中即为社区编
码。回归的结果和在
< br>reg
中直接加入相应的虚拟变量相同。
生成变量的最后一招是
egen
。
egen
和
ge
n
都用于生成新变量，但
egen
的特
点是它更强大的
函数功能。
gen
可以
支持一些函数，
egen
支持额外的函数。如果用
gen
搞不定，就得用
egen
想办法了。不过我比较懒，到现在为止只用用取平均、加和这些简单的函数。
有的时候数据情况复杂一些，
往往生
成所需变量不是非常直接，
就需要多几个过程。
曾经碰
到原始数据中记录日期有些怪异的格式。比如，
1991
年
10
月
23
日被记录为
19911023
。我
想使用它年份和月份，并生成虚拟变量。下面是我的做法：
gen yr=int(date)
gen mo=int((data-yr*10000)/100)
ta yr, gen( yd)
ta mo, gen(
md)
假
设你已经生成了所有需要的变量，
现在最重要的就是保存好你的工作。
使用的命令是
save
空格（文件名）
，
replace
。和前面介绍的一样，
replace
选项将更新你对数据库的修改，所
以
一定要小心使用。
最好另存一个新的数据库，
如果把原始库改了又变不回去，
就叫天不应叫
地不灵了
。
我常用到的
stata
命令
（续）
前面说的都是对单个数据库的简单操
作，但有时我们需要改变数据的结构，或者抽取来自
不同数据库的信息，
因此需要更方便的命令。
这一类命令中我用过的有：
改
变数据的纵横结
构的命令
resha
pe
，生成退化的数据库
collapse
，合并数据库的命令
append
和
merge
。
< br>纵列（
longitudinal
）数据
通常包括同一个行为者（
agent
）在不同时期的观察，所以处理这
类数据常常需要把数据库从宽表变成长表，<
/p>
或者相反。
所谓宽表是以每个行为者为一个观察，
不同时期的变量都记录在这个观察下，例如，行为者是厂商，时期有
2000
、
2001
年
，变量
是雇佣人数和所在城市，假设雇佣人数在不同时期不同，所在城市
则不变。宽表记录的格
式是每个厂商是一个观察，没
有时期变量，雇佣人数有两个变量，分别记录
2000
年和
2001
年的人数，所在城市只有一个变量。所谓长
表是行为者和时期共同定义观察，在上面的例
子中，
每个厂商有两个观察，有时期变量，雇佣人数和所在城市都只有一个，它们和时期变
量共同定义相应时期的变量
取值。
在上面的例子下，把宽表变成长表的命令格式如下：
reshape long
（雇佣人数的变量名）
,
i(
（标记厂商的变量名）
)
j(
（标记时期的变量名）
)
因为所在城市不随时期变化，所以在转换格式时不用放在
resha
pe long
后面，转换前后也不
改变什么。相反地，如果把
长表变成宽表则使用如下命令
reshape wide
（雇佣人数的变量名）
,
i(
（标记厂商的变量名）
)
j(
（标记时期的变量名）
)
唯一的区别是
long
换成了
wide
。
collapse
的用处是计算某个数据库的一些统计量，再把它存为只含
有这些统计量的数据库。
用到这个命令的机会不多，我使用它是因为它可以计算中位数和
从
1
到
99
的
百分位数，这
些统计量在常规的数据描述命令中没有。如果要计算中位数，其命令的语法
如下
collapse
(median) (
（变量名）
),
by(
（变量名）
)
生成的新数据库中记录了第一个括号中的变量（可以是多个变量）的中位数。右面的
< br>by
选
项是根据某个变量分组计算中位数，没有这个选项
则计算全部样本的中位数。
合
并数据库有两种方式，一种是增加
观察，另一种是增加变量。第一种用
append
，用在两
个数据库的格式一样，但观察不一样，只需用
append
空格
using
空格
（文件名）就可以狗
尾续貂了。简单明了，不会有什么错。另一种就不同了，需要格外小
心。如果两个数据库中
包含共同的观察，但是变量不同，希
<
/p>
望从一个数据库中提取一些变量到另一个数据库中用
merge<
/p>
。完整的命令如下：
use
（文件名）
[
打开辅助数据库
]
sort
（变量名）
[
根据变量排序，这个变量是两个数据库共有的识别信息
]
save
（文件名）
,
replace [
保存辅助数据库
]
use
（文件名）
[
打开主数据库
]
sort
（变量名）
[
对相同的变量排序
]
merge
（变量名）
using
（文件名）
,
keep(
（变量名）
)
[
第一个变量名即为前面
sort
后面的变量名，
文件名是辅助数据库的名字，后面的变量名是
希望提取的变量名
]
ta _merge [
显示
_m
erge
的取值情况。
_merge
等
于
1
的观察是仅主库有的，
等于
2
的是仅辅助
库有的，等于
< br>3
是两个库都有的。
]
drop if _merge==2
[
删除仅仅来自辅助库的观察
]
drop merge
[
删除
_merge]
save
（文件名）
, replace
[
将合并后的文件保存，通常另存
]
我常用到的
stata
命令
（续）
讲到这里似乎对于数据的生
成和处理
应该闭嘴了。
大家可能更想听听估计、
检验这些事情。
但我并不想就此止住，
因为实际中总是有一些简单套用命令无法轻易办到
的特殊要求。
此时
至少有两
条路可以通向罗马：一是找到更高级的命令一步到位；二是利用已知简单命令多
< br>绕几个圈子达到目的。
下面讲一个令我刻骨铭心的经历，这也是迄
< br>今我所碰到的生成新数据中最繁复的了。原始
数据中包含了可以识别属于同一个家
庭中所有个人的信息和家庭成员与户主关系的信息。
目
的是利用
这些信息建立亲子
关系。
初步的构想
是新数据库以子辈为观察，
找到他们的父母，
-
-
-
-
-
-
-
-
-
上一篇：人教版英语八年级下册词组
下一篇：设备日常保养记录表01717