第1讲Stata的学习背景与学习意义教案讲解.docVIP

统计分析方法与Stata应用（2015年春季学期） 第一讲 Stata的学习背景与学习意义 一、Stata是什么？ “Stata”并非数个单词的缩写（因此其正确拼写为Stata而非STATA），而是由“statistics”和“data”合成的一个新词，Stata公司的员工都将其读做“Stay-ta”。从这 个小小的趣闻中，可以看出Stata在问世之初（1985年）的主要功能在于统计分析和数据处理。经历了十余年的发展，Stata已经升级到第1.1版（表1），在不断强化上述功能的同时，Stata在矩阵运算、绘图、编程等方面的功能也在不断加强。 版本 发布日期 版本 发布日期 13.1 Oct-13 7 Dec-00 13 Jun-13 6 Jan-99 12.1 Jan-12 5 Sep-96 12 Jul-11 4 Jan-95 11.2 Mar-11 3.1 Aug-93 11.1 Jun-10 3 Mar-92 11 Jul-09 2.1 Aug-90 10.1 Aug-08 2.05 Apr-89 10 Jun-07 2 Jun-88 9.2 Apr-06 1.5 Feb-87 9.1 Sep-05 1.4 May-86 9 Apr-05 1.3 Aug-85 8.2 Oct-03 1.2 May-85 8.1 Jul-03 1.1 Feb-85 8 Jan-03 1 Jan-85 资料来源：http://www.S/support/faqs/res/history.html Stata擅长数据处理、面板数据分析、时间序列分析、生存分析，以及调查数据分析，但其它方面的功能也并不逊色（表2）。 ? 表2?Stata的功能一览 数据处理和绘图 ? ? ? Data management Graphics ? ? 统计分析和检验 ? ? ? Basic statistics Nonparametric methods Exact statistics ? ANOVA/MANOVA 其它检验方法和函数 ? ? 回归分析 ? ? ? Linear models GLM MLE GMM Multilevel mixed models Panel data Probit/Logit/Count Time series 多变量模型（多元统计） ? 抽样和模拟分析 ? Multivariate methods Cluster analysis Resampling and simulation ? 调查分析和生存分析 ? ? ? Survey methods Survival analysis Epidemiologists ? 编程 ? ? ? Programming language Mata User-written commands ? 二、为什么要学习Stata 1.时代发展的需要：大数据时代的兴起 （1）什么是大数据？ 传统的统计分析常常希望数据多多益善。也就是说，数据越多，分析越深入，所得的结论就越全面。从字面含义上理解似乎指的是数量庞大信息量巨大的数据。大数据常常被描述成已经大到无法用传统的数据处理工具进行管理和分析的极大的数据集。超大的数据量只是大数据概念的一个部分。大数据涉及结构化数据、非结构化数据和半结构化数据这三类数据。 ①结构化数据通常指的是传统数据库中的数据，利用结构化查询语言(Structured Query Language简称SQL) 存取数据以及查询、更新和管理数据库系统 ②非结构化数据一般无法直接进行商业智能分析，这是由于非结构化数据无法直接存储到数据库表中，也无法被程序直接使用。二进制图片文件就是非结构化数据的一个典型例子。 ③半结构化数据介于结构化数据和非结构化数据之间。半结构化数据不具有严格的结构因而不同于结构化数据。半结构化数据也不同于非结构化数据，它使用标签和各种标识区分不同的元素，并利用层级结构来定义数据。 （2）理解大数据的概念需要把握4个维度，统称为4V特征。 ①海量性（Volume）。大数据都是数量巨大的数据。很多企业都拥有海量数据，数据量很容易就积累到TB（1012字节）级，甚至跃升至PB（1015字节）级。 ②多样性（Variety）。大数据冲破结构化数据的局限，不仅包括结构化数据，还覆盖了如文本、音频、视频、点击流、日志文件等各种类型的非结构化数据。 ③精确性（Veracity）。数据量多不见得都是好事，庞杂的数据可能会导致对收集到的信息的误读或统计误差，因此信息的纯度对价值发掘至关重要。 ④时效性（Velocity）。大数据对时效性要求很高，企业必须能够在短时间内高速、流畅地处理源源不断产生或流入企业的海量实时数据