Stata常用命令集锦【计量经济系列（一）】

Stata常用命令集锦【计量经济系列（一）】
     

🌹꧔ꦿ本博客同时收录于stata技术宝典专栏 与 Python数据分析宝典专栏，感谢各位读者的订阅与支持！
 
✨更多精彩内容，博主持续更新中······

1.数据集的打开、关闭与保存

1.1 导入Excel数据 - import命令

 import excel "E:\stata_projects\data\test1.xlsx", sheet("Sheet1") firstrow

从左到右，依次指定Excel文件目录，sheet工作簿，第一行为列名。

1.2 打开dta数据 -use命令

以acemoglu.dta数据集为例。

acemoglu.dta数据集下载链接：https://pan.baidu.com/s/1FkLvieqBOyRlCBId4sxF5w?pwd=ht9j
提取码：ht9j

打开dta文件类型的数据集，使用use命令。

use "E:\stata_projects\data\acemoglu.dta"

clear表示关闭上一个数据集。

1.3 关闭数据集-clear命令

如果上一个打开的数据集是被导入的，则需要使用clear将其关闭，才能打开下一个数据集。
clear命令可以单独使用，

clear
use "E:\stata_projects\data\acemoglu.dta"

也可以写成：

use "E:\stata_projects\data\acemoglu.dta", clear

1.4 保存数据-save命令

使用save加保存的文件名及其目录。

save "E:\stata_projects\data\test1.dta"

这里保存为了stata专有的dta数据文件格式。

2.stata运算符

stata支持的运算符如下：

2.1 代数运算符

2.2 逻辑运算符

2.3 比较运算符

3. 数据查询

3.1 describe命令

describe用于描述生成内存中的数据集或存储在Stata格式数据集中的数据的摘要。
要获得变量名的紧凑列表，请使用descripe，simple。

语法

describe [varlist] using filename [, file_options]

示例

use "E:\stata_projects\data\acemoglu.dta"
describe

也可以简写为d
     
obs是数据条数，vars是变量个数，12 Mar 2015 20:26是数据文件的修改日期

然后依次是每个变量的:

• variable name 变量名
• storage type 存储类型（数据类型），
• display format 展示格式，
• value label 变量的值标签，
• variable label（变量标签）

3.2 list命令

3.2.1 查看一条数据

如果要查看某条数据
则使用list命令

list

list不加任何参数默认查看所有数据。

在上边五个变量中，查看shortnam变量的数据：

list shortnam

呈现效果：
                    

stata中的变量名可以使用前几个字符的简称，使用简称的前提是该简称能够指代的变量名唯一，否则会发生报错ambiguous abbreviation（模棱两可的缩写）。
 
如查看logem4变量，因为还存在一个logpgp95变量，，所以简可以写成

list loge

而不能写成

list log

3.2.2 条件查询

同时查询shortnam和logem4两个变量，并只要第5个到第10个（总计6个）数据。
 
指定数据范围使用 in

list s loge in 5/10

                   
第五个到第十个数据中变量logem4大于4.25的。

list s loge in 5/10 if logem4>4.25

4. 删除数据

4.1 keep命令

keep含义为保留，即，将keep命令指定范围外的数据删除。
如保留logpgp95 > 9的数据。

keep if logpgp95 > 9

然后需要恢复刚刚删除的数据（才能便于博客的继续展示）：

clear

use "E:\stata_projects\data\acemoglu.dta"

（即 先清除所有变量，重新读取文件）

4.2 drop命令

删除logem4大于4的为例

drop if logem4>4

如果想要删除变量，则只需要drop加变量名，或者keep加想要保留的变量的变量名。

5. 排序

5.1 sort命令

clear
use "E:\stata_projects\data\acemoglu.dta"

sort logpgp95

按照变量 logpgp95 升序（从小到大）排列。

5.2 gsort命令

5.2.1 gsort语法

gsort按指定变量的升序或降序排列观察值，所以它和sort的不同之处在于，sort只生成升序排列。且得到的数据结构中没有数据类型为字符串类型的变量。
 
语法

gsort [+|-] varname [[+|-] varname …] [, generate(newvar) mfirst]

5.2.2 gsort降序

gsort -logpgp95

5.2.3 gsort升序

gsort +logpgp95

或

gsort logpgp95

6. 统计分析摘要-summarize命令

summarize计算并显示各种单变量摘要统计信息。如果未指定varlist，则会计算数据集中所有变量的汇总统计信息。
 
语法

summarize [varlist] [if] [in] [weight] [, options]

且最短可缩写为su

summarize

查看更为详细的摘要统计信息，则加上可选参数（options）,detail

summarize,detail

执行结果如图所示，其中圈出的部分是每个变量的标签，作为输出表格中每个变量的唯一标识。
             

7.生成新变量 -gen命令

gen是generate的简写，用于生成新的变量。如：

gen y1 = sum( logem4 )

gen y2 = sqrt(logem4)

gen y3 = logem4*2

8. 修改数据

数据初始状态如下图所示：
       

8.1 修改单个数据

将第11条数据的avexpr变量的值改为8。

 replace avexpr = 8 in 11

8.2 按条件修改多个数据

将表格中第2条数据到第20条数据范围内，变量logpgp95大于9.8且小于9.99的数据修改为8为例：

replace logpgp95 = 8 in 2/20 if logpgp95>9.8 & logpgp95<9.99

9.数据的合并

9.1 纵向合并 -append命令

数据集test1和数据集test2如下：

将两组数据纵向合并，保存为test3.dta。

use test1,clear
append using test2
save test3,replace

  其中append命令是将数据集test2纵向合并到了当前数据集（test1），但是并没有更改任何文件。这个时候使用list命令看到的是：
                  

查看test3

use test3,clear

9.2 横向合并 merge命令

test4
               
test5

  横向排序需要选择一列作为基准列，这里以变量id为例，合并前需要先使两个合并的数据集有着相同的id（值相同，顺序也要相同），这里先使用sort方法进行排序。

use test4,clear
sort id
save test6,replace
use test5,clear
sort id
merge id using test6
save test7

表格合并结果如图所示
          
指令说明：test4与test5为原始数据，这里先将test4的排序结果保存为test6，然后use数据test5，对test5排序。这里将test5作为主数据，将test4的排序结果test6合并在test5上。所以不需要额外保存test5的排序结果。最终，将合并结果保存为test7。

此外，合并过程会产生标识变量 _merge，为了不影响数据操作过程，通常使用drop _merge将其删除。

drop _merge

10.数据重整

10.1 reshape命令

stack命令的官方说明文档如下
通过stack命令，可以成功实现如图所示的long数据可wide数据之间的转化。
         
以mywide.dta数据集为例，数据具体如下：
         

将如图所示的wide数据转换为long数据，
 
命令示例如下：

use mywide
reshape long math economy, i(id name) j(year)

其中i()中的变量名是保持不变的变量名，j()中的变量名是新添加的一列的变量名。
除了指定的不变的变量名之外，只有命名方式为 字符+数字形式的变量名，如economy2003，economy2004才会被合并，且变量名中的数值会作为新的变量的值，而math2003和math2004会变成math，economy2003和economy2004则会变成economy。
不满足这样形式变量名的变量，会保持不变。

处理效果具体如下：
             

沿着上边的命令继续执行，将刚刚得到的long数据再变为wide数据：
 
只需要将reshape long改为reshape wide，其他部分不变:

reshape wide math economy, i(id name) j(year)

10.2 多列转一列 stack命令

还使用mywide数据集：
             
将数据集中的math2003 economy2003 math2004 economy2004四个变量合并成为一个新的变量，且变量名为x：
最后并删除产生的标识变量_stack：

use mywide
stack math2003 economy2003 math2004 economy2004,into(x) clear
drop _stack 

10.3 转置 xpose命令

依然使用mywide.dta数据集：
            
将其转置：

use mywide
 xpose, clear

转置结果如图所示，可以看到，原来数据类型为字符串类型的变量，在转置后成为了缺失值。因为每个变量中的所有数据必须属于同一数据类型。