stata中變量的生成與處理.pptVIP

第四章 變量的生成與處理,導(dǎo)論,Stata 對數(shù)據(jù)的處理是以變量為前提的 若沒有需要分析的變量，則Stata將一無用處 熟悉變量的內(nèi)容和分布、生成新變量、改變舊變量等是處理數(shù)據(jù)的第一步,4.1. 新變量的生成、規(guī)則及注意事項(xiàng),Stata的變量類型,Stata軟件生成三類變量：numeric（數(shù)值型）變量，string（字符型）變量（相當(dāng)于定性變量）和date（日期）變量。雖然日期變量以數(shù)值型變量的技術(shù)記錄、存儲，但二者的用途卻不同 數(shù)值型變量包括定距和定比變量?？梢允钦麛?shù)、小數(shù)、負(fù)數(shù)和正數(shù)。數(shù)值型變量可以有多種存儲方式（ Storage Types） 用str類型保存的定性等分類變量也可區(qū)分為多種形式，從str1-str244,Stata的日期變量,日期（date）變量是數(shù)值型變量的一個特例。它們通常以字符的形式輸入(如: 01JAN1992 or 01/01/92)，但必須以數(shù)值型數(shù)據(jù)存儲才能有用 Stata有幾個命令可以工作于日期和時間依賴（time-dependent）數(shù)據(jù) Stata將所有的日期保存為從1960年1月1日以來的天數(shù)或月份、季節(jié)等。此前的日期是負(fù)值，此后的是正值。SAS使用同樣的日期方式，但其起始時間是1582年的10月14日。Excel使用1900年1月1日為默認(rèn)起始日。如果讀入Excel數(shù)據(jù)，則以字符型變量輸入日期，并重新格式日期,生成變量的路徑,Data Create or change variables,生成變量的窗口,Data Create or change variables Create new variable,基本命令,Stata有四個基本的生成和修改變量的命令：gen、egen、replace和recode . gen和egen分別是generate和extended generate的縮寫，它們用于生成新變量 . replace和recode用來改變現(xiàn)存變量的屬性或數(shù)值 . replace需要與gen一起使用；二者的區(qū)別在于，gen用于生成新變量，replace用于重新定義已經(jīng)存在的變量 . recode也可以與gen一起使用,基本語法,. gen 變量名 = 表達(dá)式1 . replace 變量名 = 表達(dá)式2 if 條件 ：生成新變量或替代現(xiàn)存變量取值的基本命令 ：新變量或其取值將被替換的變量的名稱 ：在gen命令的取值不同于在replace命令的取值 ：替換原有變量的取值必須滿足if指定的條件,*yr of schooling recoded（這是一個注釋；*代表注釋） gen edu=0 replace edu=1 if yrsch=11 replace edu=2 if yrsch=12 replace edu=3 if yrsch=13 replace edu=4 if yrsch=14 replace edu=5 if yrsch=15 replace edu=6 if yrsch=16 replace edu=7 if yrsch=21 replace edu=8 if yrsch=22 replace edu=9 if yrsch=23,replace edu=10 if yrsch=24 | yrsch=27 replace edu=11 if yrsch=25 | yrsch=28 replace edu=12 if yrsch=26 | yrsch=29 replace edu=13 if yrsch=31 replace edu=14 if yrsch=32 replace edu=15 if yrsch=33 replace edu=16 if yrsch=34 replace edu=17 if yrsch=35 replace edu=18 if yrsch=36 replace edu=. if yrsch=. | yrsch=-9 tab1 yrsch edu *查看變量的生成是否成功,變量生成的規(guī)則（I）,生成新變量、重新定義舊變量時需遵循的一些基本規(guī)則： 變量的名稱可長達(dá)32個字符，必須以字母、漢字或字符（，_，#，$等）開頭（不能使用空白字符或!、?等特殊字符）。變量最后一個字符不能是句號 變量的名稱必須唯一，不能有兩個相同的變量名 Stata區(qū)分大小寫，對大寫、小寫敏感：Variable 不能寫成 variable，反之亦然 使用描述性的變量名字：“變量a”這個名稱沒有任何意義。調(diào)查問題是變量名稱的很好選擇,變量生成的注意事項(xiàng),盡量避免使用同一變量名稱。換言之，不要使用新變量取代舊變量。保持原始變量有助于檢驗(yàn)我們的命令是否正確 充分了解原始變量的分布以及每個數(shù)值代表的含義 遵循不重不漏（exhaustive and mutually exclusive）原則（詳見“生成分組變量”一節(jié)） 在變量生成后，將原始變量和新變量的取值進(jìn)行對比，檢查是否有誤 注意原始變量的缺失值,4.2利用系統(tǒng)變量或下劃線變量（_n和_N）生成新變量 Stata有幾個下劃線變量（_variables，讀為“underscore variables”），因包含下劃線而得名。這類變量并不出現(xiàn)在Stata的Variables（變量）窗口中，故又稱系統(tǒng)變量。其中，經(jīng)常使用的有_n 和_N。系統(tǒng)變量_n 和_N對于數(shù)據(jù)的管理和處理十分有用，尤其是與特殊選項(xiàng)by同時使用時,系統(tǒng)變量 _n,_n 是指當(dāng)前的觀察值，即獨(dú)一無二的觀測序號，從1到_N(_N=總樣本） _n是Stata系統(tǒng)內(nèi)部獨(dú)特的辨識器，標(biāo)志從第一個觀察值開始直到最后一個觀察值（_N）的序列 _n=1為第一個觀測，_n=2為第二個觀測，_n=_N是最后一個觀測 該系統(tǒng)變量適于（1）指示觀察值；（2）生成系列數(shù)值；（3）生成其他變量,使用系統(tǒng)變量_n指示觀察值,系統(tǒng)變量_n表示每個觀察值的位置（numbering observations）。其原則是： 當(dāng)前觀察值： _n 總觀察值（最后一個觀察值_n）： _N 第一個觀察值： 1 最后一個觀察值： _N 滯后一個(lag)觀察值： _n-1 前移一個(lead)觀察值： _n+1 第27個觀察值： 27,假如現(xiàn)有以下數(shù)據(jù)： +-+ | province personid homesize age girl siblings | （省份） （個人ID）（家庭規(guī)模)（年齡）（女孩）（姊妹數(shù)量） |-| 1. | 21 2106018504 50 5 girl 1 | 2. | 35 3505154103 100 18 boy 0 | 3. | 32 3205093703 246 8 boy 0 | 4. | 37 3708156203 60 9 boy 0 | 5. | 45 4452082404 20 6 girl 3 | 6. | 35 3501117305 25 13 girl 2 | 7. | 45 4526057606 90 10 girl 3 | 8. | 32 3209163903 25 2 boy 0 | 9. | 37 3702093304 68 7 boy 1 | 10. | 37 3704057503 80 20 boy 3 | +-+ 現(xiàn)在想看看每個孩子在省內(nèi)的排序,使用系統(tǒng)變量_n生成新變量,步驟1：對province（即“關(guān)鍵變量”）進(jìn)行排序 . sort province 步驟2：生成感興趣的變量 . by province: gen order =_n ：按province的分類進(jìn)行排序和計算 ：生成新變量的基本命令 ：新變量的名稱 ：新變量的取值等于同一province內(nèi)觀察值的序次 步驟3：使用頻數(shù)分布查看生成的結(jié)果是否正確 . tab order,使用系統(tǒng)變量_N生成新變量,系統(tǒng)變量_N代表樣本總數(shù)。最后一個樣本_n即是_N 使用前面的數(shù)據(jù)，看看每個省共有幾個孩子在樣本中 步驟1：對province進(jìn)行排序 步驟2：生成感興趣的變量。其命令是： . by province: gen ceb=_N 步驟3：查看結(jié)果正確與否 . tab ceb,生成滯后（lag）變量或移前變量（lead）,在分析某些類型數(shù)據(jù)（包括常用的家庭成員數(shù)據(jù)和縱向數(shù)據(jù)）的過程中，常常需要根據(jù)研究問題將一個樣本的取值轉(zhuǎn)移到上一個（或下一個）觀察值中。 . gen a = b_n-1 . gen a = b_n+1 ：需要生成的新變量的名稱 ：現(xiàn)有變量的名稱 ：將現(xiàn)有變量的取值下移一行（_n-1）或前移一行（_n+1）的基本命令,. gen a = age_n-1 (1 missing value generated) . gen b = age_n+1 (1 missing value generated) . list +-+ | province personid homesize age girl siblings order a b | |-| 1. | 21 2106018504 50 5 girl 1 1 . 2 | 2. | 32 3209163903 25 2 boy 0 1 5 8 | 3. | 32 3205093703 246 8 boy 0 2 2 18 | 4. | 35 3505154103 100 18 boy 0 1 8 13 | 5. | 35 3501117305 25 13 girl 2 2 18 9 | 10. | 45 4526057606 90 10 girl 3 2 6 . | +-+,4.3生成數(shù)值型變量,使用recode, , gen命令生成新變量,. recode 原變量 （原變量取值 = 新變量取值） *= 其他取值, gen 新變量 ：給變量重新賦值的命令 ：現(xiàn)有變量的名稱 ：現(xiàn)有變量的取值 ：新變量的取值；和是一個整體 ：*符號表示所有其他沒有列出的數(shù)值，包括缺失值；recode與gen之間有逗號（,）隔開 ：生成新變量的命令 ：新變量的名稱,以本章數(shù)據(jù)中的變量“yrsch”為例。前面使用genreplace的方法在“yrsch” 的基礎(chǔ)上生成變量“edu”；現(xiàn)在使用另一種簡便的方法生成“edu” 由于變量edu已經(jīng)存在，首先需要刪除該變量： . drop edu . recode yrsch 0=0 11=1 12=2 13=3 14=4 15=5 16=6 21=7 22=8 23=9 24 27=10 25 28=11 26 29=12 31=13 32=14 *=.,gen (edu) 該命令在原變量yrsch的基礎(chǔ)上生成一個新變量（edu) 新變量對原變量的取值重新編碼。原變量照舊保存著 若無gen（edu）部分，則僅取代原有變量的取值,使用數(shù)學(xué)表達(dá)式生成新變量,任何有效的數(shù)學(xué)表達(dá)式在生成變量時都適用。既可以是加、減、乘、除的單獨(dú)表達(dá)式，也可以是混合表達(dá)式： . gen a = b + c + d 加法：將變量b，c，d的數(shù)值累加起來，生成新變量a . gen a = b - c 減法：將變量b的數(shù)值減去變量c的數(shù)值，得到變量a . gen a2 = a*a 乘法：該命令生成新變量a2；a*a是a x a的表達(dá)方式 . gen double a = b/c 除法：用變量b的數(shù)值 除以變量c的數(shù)值，得到新變量a。該變量定義為double類型 . gen a = b/(c2) 新變量a的取值等于變量b的取值除以變量c取值的平方,4.4生成分類變量,*age group . gen agegrp=0 . replace agegrp=1 if age=0 & age=5 & age=10 & age=15 . replace agegrp=. if age = . . egen agegrp = cut(age), at(0,5,10, 15,20),4.5生成虛擬變量 （dummy, dichotomous variable）,方法1,. gen 新變量名 = b 限制條件 ：生成新變量的基本命令 ：新變量名 ：舊變量名 ：當(dāng)b滿足某種條件時，生成新變量 比如： . gen xiaoxue = edu7 或 . gen xiaoxue =edu=6 或 . gen byte xiaoxue = edu7 或 . gen byte xiaoxue =edu6,方法2,. gen 變量名 1 if取值為1的限制條件 . replace（變量名0 if取值為0的限制條件 比如： . gen xiaoxue = 1 if edu