社会统计分析与数据处理技术（Stata）4 变量的生成与处理.ppt

第四章变量的生成与处理 导论 Stata 对数据的处理是以变量为前提的 若没有需要分析的变量，则Stata将一无用处 熟悉变量的内容和分布、生成新变量、改变旧变量等是处理数据的第一步 本章主要内容 4.1. 变量的测量水平（measurements） 4.2. 新变量的生成、规则及注意事项 4.3．利用系统变量或下划线变量生成新变量 4.4．生成字符型变量 4.5．生成数值型变量 4.6．生成分类变量 4.7．生成虚拟变量 4.1. 变量的测量水平 （measurements） 离散和连续测量 离散方式（discrete measure）：由定性测量和定序测量组成；适用于低层次数据 连续方式（continuous measure）：由定距测量和定比测量组成。适用于高、低层次数据 在这四种测量中，层次从高到低的排序依次是：定性、定序、定距和定比 定性和定序测量 定性测量（nominal measure）：变量的属性具有完备性和排他性特征，是表达概念特征的名称或标签，描述属性之间的差异。有别于定序、定距和定比测量 性别，政治党派，民族，宗教流派，出生地，等等 定序测量（ordinal measure）：描述变量属性的相对程度或排行序列，但数值之间的差别既无法确定、也无意义： 社会经济地位的高、中、低 教育程度的文盲、小学、初中、高中和大学 非常同意、同意、一般、不同意、非常不同意 定距和定比测量 定距测量（interval measure）：变量的属性可以按顺序排列；相邻属性之间的距离是相等且有实际意义的 华氏温度计。30度和40度之间的距离等于50度和60度之间的距离 “0”没有意义。华氏的60度并不是30度的一倍，零度并不意味着没有温度，零下30度也不等于比没有热度低30度。摄氏温度计的原理也是如此 定比测量（ratio measure） 连续测量。数值之间的距离是连续的、等距离的 可描述前面三种测量提到过的属性 以真实的“0”为基础，“0”有意义。如：“0”岁表示孩子刚出生；“0”收入表示没有任何收入。与定距测量的主要区别在于“0”的意义的有无 区分变量测量水平的意义 统计程序的需要：每一种统计程序都基于一定的假设和条件 有些统计程序（如，% 或众数）适用于所有类型数据；其他统计程序（如，均值、标准偏差、相关关系）仅适用于定距或定比数据 某些统计程序稳健，即便一些基本的假定被违反，分析结果也不受影响；另一些统计程序的假定一旦被违反，其结果就变得无意义 对定性数据，计算均值毫无意义 模型选择的需要：数据形式和变量的测量直接影响到模型的选择 一般情况下，最好是收集高层次的数据。高层次数据可转换为低层次数据 4.2. 新变量的生成、规则及注意事项 Stata的变量类型 Stata软件生成三类变量：numeric（数值型）变量，string（字符型）变量（相当于定性变量）和date（日期）变量。虽然日期变量以数值型变量的技术记录、存储，但二者的用途却不同 数值型变量包括定距和定比变量。可以是整数、小数、负数和正数。数值型变量可以有多种存储方式（ Storage Types） 用str类型保存的定性等分类变量也可区分为多种形式，从str1-str244 Stata的日期变量 日期（date）变量是数值型变量的一个特例。它们通常以字符的形式输入(如: 01JAN1992 or 01/01/92)，但必须以数值型数据存储才能有用 Stata有几个命令可以工作于日期和时间依赖（time-dependent）数据 Stata将所有的日期保存为从1960年1月1日以来的天数或月份、季节等。此前的日期是负值，此后的是正值。SAS使用同样的日期方式，但其起始时间是1582年的10月14日。Excel使用1900年1月1日为默认起始日。如果读入Excel数据，则以字符型变量输入日期，并重新格式日期 生成变量的路径 Data — Create or change variables 生成变量的窗口 Data — Create or change variables — Create new variable 基本命令 Stata有四个基本的生成和修改变量的命令：gen、egen、replace和recode . gen和egen分别是generate和extended generate的缩写，它们用于生成新变量 . replace和recode用来改变现存变量的属性或数值 . replace需要与gen一起使用；二者的区别在于，gen用于生成新变量，replace用于重新定义已经存在的变量 . recode也可以与gen一起使用 基本语法 . gen [变量名] = [表达式1] ① ②