STATA数据管理.pptVIP

STATA数据管理 李博柏 北京大学光华管理学院 说明 程序文件： --- data.do 生成所有人工数据 --- dataman.do 运行本讲所有数据管理例子 --- program.do “编程入门”程序文件 把三个文件拷贝到一个文件夹，打开STATA，用“cd 文件夹路径”把数据文件夹确定为当前工作目录 在命令窗口键入: do data, do dataman即可运行所有例子 学习要点 熟悉STATA重要的数据管理命令 了解常见基本数据结构及其用途 了解数据管理中的常见问题 利用简单的编程解决复杂的数据管理问题 基本数据结构介绍 横截数据（cross-sectional data） 合并横截数据（pooled cross-sectional data） 板块数据（panel， longitudinal， or cross-sectional time series data） 多层数据（multilevel or hierarchical data） 配对数据（matching or pairing data） 数据合并 数据合并 纵向合并：把多个样本简单累加（从cross-sectional 到pooled cross-sectional或） 横向合并：把同一样本的不同变量累加 交叉合并：把不同样本和不同变量累加（适用于多层数据和配对数据） 纵向合并要求 变量名要一致 变量类型要一致 样本序号不要重复（板块数据除外） 合并前要生成新变量来辨认不同样本 使用append命令 先读入一个数据（内存内数据），然后 append using 文件名 [，选项] 文件名为内存外数据文件（可省去.dta） keep(varlist): 保留内存外数据的变量 nolabel：不要拷贝内存外数值标签 nonotes：不要拷贝内存外数据标签 横向合并：merge命令 先读入一个数据，然后 merge [varlist] using 文件1 … [, 选项] [varlist]为合并样本序号变量 文件1为内存外数据文件名，可以同时合并多个数据（因容易出错，故不建议使用） merge命令主要选项 _merge(newvar): 自动生成记录合并是否吻合的变量，默认为_merge, 取值为 --- 1 不吻合 样本（仅内存内数据有） --- 2 不吻合样本 （仅内存外数据有） --- 3 吻合样本 update：如果两个数据有相同变量，内存内数据的缺失数据被内存外数据的相应数值覆盖 replace：如果有相同变量，使用内存外数据（必须同时选update才能有效） 交叉合并 一一交叉：两个数据的每个个案做配对合并，形成（N1×N2）个新样本；如婚姻配对、市场买卖、社会网络等数据有时需要一一交叉合并（cross）。 组内交叉：两个数据内有分组，按分组做一一交叉合并；主要应用于多层数据结构中不同层次的数据合并（joinby） cross 命令 读入一个数据，然后 cross using 文件名 注意事项：两个数据最好不能有相同变量名，如果有STATA只能沿用内存内的数据 joinby命令 joinby [varlist] using 文件名 [, 选项] varlist是分组变量名 当两个数据还有其它相同变量时 ---update 选项指定内存内数据的缺失数据被内存外数据的相应数值覆盖 --- replace选项指定使用内存外数据（必须同时选update才能有效） 数据重组 长宽数据转换 长数据格式：板块数据、历史事件数据等数据结构的两种不同的存储形式（其存储信息相同） 有些统计分析模型需要长格式，有些则需要宽格式，所以长宽格式转换处理板块数据的必备技能 reshape 命令 宽转长： reshape long 干名，i(varlist) [j(varname[values])] 长转宽： reshape wide 干名，i(varlist) [j(varname[values])] 干名：宽格式因时而变的变量名主干（在长格式为变量全名） i(varlist): 样本序号变量，为必须选项 j() : 宽因时而变得变量名后缀（在长格式为行变量的取值 长宽格式转换注意事项 变量干名要一致 变量后缀要一致 变量后缀的位置要一致 样本序号要独特 同一样本数据行序号不独特 未被转换的变量在同一样本的取值不一样 数据伸缩：expand命令 expand 整数或变量名 [if] [in] expand 3 (每个样本复制三个数据行) expand -2 （整数小于2时，不做复制） expand X （按变量X的取值对每个样本进行复制） 数据伸缩：duplica