stata u3笔记_stata值标签和标签的区别

3.1什么是do文件

主要参考百度网盘《120分钟搞定论文数据......》

 

在do-file中操作：

 

在command window输入（→[enter]）：

tab employst gender,col

gen isol=0

replace isol=1 if datnum<=2 & numfrien<=2

gen isol1=0

replace isol1=1 if datnum<=1 & numfrien<=1

/*更改条件if语句:将第二、三行复制黏贴，由于已经存在isol，因此需引入新的变量isol1*/

*注释

/*

（一）注释（二）不想运行某段的好方法

*/

*enter键表“换行”，不表“运行”

注释和需要忽略的命令：绿色

3.2数据管理

记得用do

使用标签

①该步骤一共要做A（处理变量标签）和B1、B2（处理值标签）

②变量标签：附加到变量上，通常用于提供关于变量本身的更多细节。

值标签：是和变量的某个值相对应的。

③值标签：在Stata中，值标签A1（male）是指与变量B（gender）每个值C（如0、1）相关联的完整的标签集A（male、female）。

Eg. 变量gender取值为0代表受访者为male，在这种情况下“male”是与0值相对应的值标签。

④命令语序：先值，标签在后面。

⑤标签要用引号“”括起来（特别是有空格的时候）。

创建变量标签：

创建并将标签附加到变量的命令应该为：label variable（lab var）

在command window输入（→[enter]）：

lab var isol isolated

tab isol

 

变量标签：

①如果变量标签包含空格，则在输入命令时必须将其括在引号中。

②可以在不删除旧变量标签的情况下附加新的变量标签，这时只需要调用lab var自动覆盖已存在的标签即可。

③变量标签不能用来说明变量取值的含义，值标签则可以用来说明变量的取值。

值标签B1、B2：

①B1先创建值标签，B2再将该值标签附加到哪个变量上。

②值标签：指的是给定的一组值得标签集合。如0代表male，1代表female的组合将形成变量性别的值标签。

③B1：创建值标签，即定义值标签。即告诉Stata改标签应该附加在所有可能取值集合的哪个数字上。

④B1：label define（lab def）+值+标签

⑤B2：label value（lab val）+值+标签

⑥注意英文双引号的运用，最好直接复制"（值标签正确双引号）

⑦在值标签isollab中，你已经定义了0是与标签“not isolated”相关联的。不管将标签isollab附加到哪个变量上，都将使用“not isolated”标签标识取值为0的情况。

但是你也可以创建一个新的值标签，其中0的值具有不同的标签。如，可以创建一个值标签yesno，定义为0表示“no”，1表示“yes”，然后可以在任何0表示“no”，1表示“yes”的变量中使用。

⑧可以频繁地改变值标签却不会改变变量的取值。

⑨一旦为这些数据集定义了一个通用的值标签，我们就可以把它附加到很多同样类型的变量上。

创建值标签B1：

①命名值标签集为isollab。

②代码0代表不孤独的，代码1代表孤独的。

在command window输入（→[enter]）：

lab def isollab 0 "Not Isolated" 1 "Isolated"

将该值标签附加到哪个变量上B2：

在command window输入（→[enter]）：

lab val isol isollab

tab isol

 

添加标签：

此后，可以使用同样的值标签标记之前定义的变量isol1：

在command window输入（→[enter]）：

lab val isol1 isollab

tab isol1

 

改变值标签（值标签完整）：

Eg. 当要把“Isolated”改为“Estranged”这个标签，可以创建一个新的变量标签（lab def estrange 0 “Not Estranged” 1 “Estranged”），然后把它附加到isol变量上（lab val isol estrange）。如果你生成这个变量的分布，就会发现仍然是27个样本属于同一组，取值为1，但是现在它们的标签是“Estranged”而不是“Isolated”。

在command window输入（→[enter]）：

lab def estrange 0 "Not Estranged" 1 "Estranged"

lab val isol estrange

tab isol

 

需要知道变量的取值而不是标签：

在command window输入（→[enter]）：

tab employst if isol==#

（“#”代表一个思考过程，直接复制粘贴时，系统会提示invalid syntax，没有影响）

识别正确数值：

①最简单方法是生成isol变量的两个分布：一是显示值标签②，二是显示与每个标签相关联的数值④。

在command window输入（→[enter]）：

tab isol

②调用nolable（nol）选项：产生一个值标签分布。

在command window输入（→[enter]）：

tab isol,nol

③可以看到分布是完全相同的，只是用数值替换了标签。

④现在可以清楚地看到，“非孤独的”表示为0。

要显示“非孤独的”受访者就业状态的分布表：

在command window输入（→[enter]）：

tab employst if isol==0

缺失数据

在开始考察这些边梁之间的关系前，看一下受访者朋友数量的分布。

在command window输入（→[enter]）：

tab numfrien

 

两类缺失数据：refused和legitimate skip。

处理缺失数据的第一步通常是简单地将其从分析中删除。

①将numfrien变量中的12个样本用缺失代码来替换。

②对于识别缺失值，recode是最有效的。

③每个缺失代码都代表了一个由于某种原因缺失的值，允许用户在需要时识别甚至恢复原始值。

④使用带有nol选项的tab命令是非常有用的。

在command window输入（→[enter]）：

tab numfrien,nol

 

使用缺失值代码的好处：

①如果运行统计分析的命令，比如求均值，对于变量numfrien，Stata会将3个样本视为有888个朋友，9个样本视为有999个朋友，这显然会产生错误的结果。

②Stata有27个不同的缺失值代码，可以用来定义应特定原因而缺失的值，最基本的代码是“.”，有时候称其为系统缺失值。系统缺失值意味着样本只是缺失，没有已知或确定的原因。

③其它26个缺失值代码很相似，都是“.”后边加一个字符，如.d，.s，.r等，这些字母通常都是缺失原因的缩写。

重新设置缺失值代码：

①如果数据缺失的原因是知道的，最好使用包含更多信息的特定代码。

②可以设置拒绝回答这个问题的样本为“.r”，而合理调过这个问题的样本记为“.s”。

③想要重新设置代码，需要在command window输入（→[enter]）：

recode numfrien (888=.s)(999=.r)

tab numfrien

 

④默认地，在分析中Stata不包含已设定为缺失值的样本，所以在变量numfrien的分布中没有包含已经编码的12个缺失值。

⑤分布的百分比发生了变化，由于排除了12个缺失值样本，用于计算这些百分比的样本总数从2532个变为2520个。

⑥为了使Stata在变量的分布中包含缺失值样本（分布的百分比做相应的调整），可以调用missing（mis）选项。

在command window输入（→[enter]）：

tab numfrien,mis

 

如果使用if语句，缺失值样本仍会被评估。此时，Stata将所有缺失值的取值视为比该变量的最大值还大。因此在包含大于号“>”的表达式中引用具有缺失值的变量时，记住这一点很重要。

①构造一个取两个值的变量，分别表示有很多的年轻人和有较少朋友的年轻人，为了进行分类，将由4个或更多朋友的人视为有很多朋友，使用带有gen(newvar)选项的replace命令来构造这个变量。（用replace不用recode）

在command window输入（→[enter]）：

gen hifrien=.

②在新变量中每个样本首先被设置为空值，这是一种创建新变量的有效方法，可防止在新生成的变量中包含不需要的情况（例如缺失值）。

在command window输入（→[enter]）：

replace hifrien=0 if numfrien <=3

tab hifrien

③将有3个或更少朋友的样本取值为0，而有4个或更多朋友的样本应该取值为1。

不能有此步骤：

此处仅作说明，具体代码请见下一步④：

在command window输入（→[enter]）：

replace hifrien = 1 if numfrien>=4

tab hifrien

 

④修正缺失值错误：

在command window输入（→[enter]）：

replace hifrien = 1 if (numfrien>=4 & numfrien<=5)

tab hifrien

 

【注意】

①如果应该设定为缺失值的样本没有使用缺失值代码进行编码，那么它们将被包含在所有的分析中；如果使用缺失值编码，那么在分析中将被自动排除。

②手工输入数据，在输入数据时要把缺失值标记出来，而不是在以后的分析进行标注。

 

③处理涉及多个变量且存在数据缺失情况的读者，应该参考第八章“高级便捷的命令”一节的“Mark和Markout”部分。

使用字符型变量

①命令gen在默认的情况下会产生数值型变量。如果要产生字符型变量需要特别指明。

②不管什么时候在字符型变量中引用一个值时，都必须用引号括起来。

③Stata不区分大小写，但是在设置字符型变量时，不管使用大写还是小写，必须前后一致。

Eg.在新生成的字符型变量中纪委“Christian”，其他的样本设置为缺失值：

产生一个字符型变量christoth(christ other)→将新的字符型变量赋值为“Christian”→当变量religoth的取值属于所列举的任意一种时，变量christoth的值等于“Christian”。

在command window输入（→[enter]）：

gen str christoth="Christian" if religoth == "CHRISTIAN" | religoth == "JUST CHRISTIAN" | religoth == "NONDENOMINATIONAL CHRISTIAN"

tab christoth

 

字符型变量的缺失值代码：

①对于字符型变量stata将把这些代码（.d或 .s等）解读为正常的有效取值，唯一有效的缺失值代码是空格，即“ ”。

②如上所述，有27个缺失的代码可用于识别数值型变量数据缺失的情况。

③replace是最有效的命令，因为recode对于字符型变量是无效的。

④就像使用gen命令（↑）一样，replace对于数值型变量和字符型变量是类似的，其主要差别就是对字符型变量赋值的时候必须使用引号。

⑤引号包围了字符型变量的值而不是变量本身。

⑥先前的缺失值已经被设定为恰当的字符型取值。系统默认，tab命令按照字母顺序展示字符型变量的取值，但是可以调用sort选项使得按照频数顺序显示取值。

改变缺失值：

①将变量christoth当前的缺失值替换为"Specific Other Denomination."，而不是替换religoth中的缺失值。

②如果不包含if语句中的第二部分，与变量religoth中的缺失值相对应的样本也将被赋值为"Specific Other Denomination."，这是不合适的，因为这些样本没有报告他们有其他的宗教，他们对应的值是缺失的。

在command window输入（→[enter]）：

replace christoth="Specific Other Denomination"  if christoth ==" "  & religoth !=" "（错误）

tab christoth

【解析】在这段代码中，首先判断religoth的值是否为"CHRISTIAN"、"JUST CHRISTIAN"或"NONDENOMINATIONAL CHRISTIAN"，如果是，就把christoth赋值为"Christian"。然后再判断christoth是否为空，如果是，且religoth不为空，就把christoth赋值为"Specific Other Denomination"。最后使用tab命令对christoth进行分类汇总。

在你的代码中，gen命令是正确的，但replace命令有一些问题。首先，如果你想判断一个字符串是否为空，应该使用==""而不是= " "。其次，如果christoth的值已经被赋值为"Christian"，那么它就不会再为空了，所以replace命令的条件也不会成立。

因此，如果你想要得到你期望的结果，应该使用下面的代码：

gen str christoth="Christian" if religoth == "CHRISTIAN" | religoth == "JUST CHRISTIAN" | religoth == "NONDENOMINATIONAL CHRISTIAN"
replace christoth="Specific Other Denomination" if christoth == "" & religoth !=""
tab christoth

【正解】

replace christoth="Specific Other Denomination" if christoth == "" & religoth !=""

tab christoth

 

字符型变量的原因：

①优点在于可以输入受访者对问题的实际应答，因此如果变量是基于一个开放式的问题，那么字符型变量是一个好的选择。

②只有在绝对必要的情况下才使用字符型变量，即使变量的值是文本形式的（例如male），这些值通常可以用来数值来代替。

Eg. 在前面的例子中，将christoth定义为数值型变量来区分不同的类别可能更为有效。

③因为尽管很多命令对于数值型变量和字符型变量的操作类似，但是大多数统计分析都要求变量是数值型的。

将字符型变量转换为数值型变量：

①encode,gen(newvar)

②字符型变量取值作为对应数值的值标签。

③,gen(newvar)作为选项告诉Stata新的数值型变量的名字。其中输入的新变量名不能与原来的变量同名。

③命令encode根据字符型变量取值的字母顺序分配数值（从1开始）。

Eg.将字符型变量christoth转换为数值型变量：

新的数值型变量名多了一个n，表示新变量是原来字符型变量所对应的数值型变量。

在command window输入（→[enter]）：

encode christoth,gen(nchristoth)

在command window输入（→[enter]）：

tab nchristoth,nol

 

保存结果

①log文件保存了它启动后，结果窗口中出现所有内容的运行日志。

②默认地，Stata不运行log文件。相反地，你必须自行启动log文件，然后自行关闭。

③点击第四个图标：log按钮

④log文件可以保存为Log(smcl)的形式，也可以保存为Log(.log)的形式。如果你熟悉 .smcl格式，它可能是有优势的，如果不熟悉，Log(.log)可能更高效，因为它很容易被大多数文字处理程序打开和阅读。

⑤Log(.log)格式存储运行日志，在“Save as Type.”下拉菜单中选择“Log(.log)”，如果已经命名了log文件，直接点击Save，在结果窗口中就会出现一个记事本，表明log文件已经开始工作。在此之后和关闭日志之前出现在结果窗口中的所有内容都由log文件保存。但是在开始log文件运行之前的所有结果不会保存在log文件中。

⑥关闭log文件：再次点击log按钮③。会出现有三个选项的对话框：

 

⑦log文件的一个很好的特性是他们可以被重新打开和追加，这样多个Stata会话可以保持连续的记录。要再次打开一个log文件，点击log按钮，找到已有的log文件的路径即可。

⑧有时可能需要在“Save as Type.”下拉菜单中更改文件类型以便准确找到想要的文件，如选择“Log(.log)”。

⑨一旦找到了文件的位置，选择文件双击或点击Save按钮，就会出现如下对话框：

 

因此，log＋do：

一旦确定了所需的分析，就可以打开log文件，并使用do文件有选择低运行这些命令。

u3notes@用Stata进行量化分析