第二章 数据管理.ppt

第二章 数据管理 主要内容 变量和变量的取值 创建一个新的数据集 导入已创建的数据集 Stata中的表达式 Stata中的常用函数 使用in、if和by语句定义数据子集 主要内容 变量的相关操作 数值和字符串的转换 生成分类变量和虚拟变量 数据的整理 2.1.1 数据结构和命名规则 表2-1 数据结构 变量名称 变量1 变量2 变量3 变量4 …… 观测案例1 变量取值…… 观测案例2 观测案例3 观测案例4 Stata的命名原则： 变量名可达32个字符； 字符组成部分为A~Z、a~z、0~9与下划线“_”，这些字符之外的其他符号不可以出现在变量名中； 变量名不能以数字开头，所以5shanghai是不合法的，而shanghai5是非法的； 变量名区分大小写，所以shanghai和Shanghai以及ShangHai是三个不同的变量名。 2.1.2 变量的取值类型 字符型数据：存储格式是str#，其中str表示Stata使用字符型变量的格式，而#表示Stata该变量的存储最多可容纳的字符数。 数值型数据 缺失数据：Stata有27个数值型代码：. 、.a、.b、.c、.d、…….z。 2.1.3 变量的显示 数值变量的显示格式 字符变量的显示格式：字符变量的显示格式只有一种。其表达式为%#s。其中，%是一个提示符；#表示显示的字符数，即宽度；s表示字符变量的显示格式。 使用format命令规范变量的显示格式为变量规定显示格式： format varlist %fmt 或者 format %fmt varlist 显示变量目前所采用的格式：format [varlist] 2.1.3 变量的显示 【例2.1】有如表2-4所示的一个数据集format.dta，每个变量在Stata中的显示类型如下：state为%14s表名美国各州的名称，因而是字符型变量；pop为%11.0g表明该州的总人口，是数值型变量；而medage是各州人口的年龄中位数，显示格式是%9.0g，以浮点型方式存储。我们希望将各个变量的显示方式做如下转换： stata %14s——%-14s（即由右对齐改为左对齐）； pop %11.0g——%12.0gc（增加三位一个的数字分界符）; medage %9.0g——%8.1f（要求显示一位小数）。 2.1.3 变量的显示 表2.4 数据集format.dta 2.1.4 变量的标签 1． 添加数据集的标签使用： label data [label] 2． 添加变量的标签使用： label variable varname [label] label为变量数值添加标签的语法包括两部分， 首先是定义数值标签（value label）： label define lblname # label [# label ...] 然后将定义好的数值标签（value label）添加到变量上： label values varlist [lblname|.] 2.2 创建一个新的数据集2.2.1关于数据集操作的基本命令 1. browse和edit命令 edit [varlist] [if] [in] browse [varlist] [if] [in] 2．rename命令 rename old_varname new_varname 3. save命令 save [filename] [, save_options] nolabel 不保存设定的标签。 replace 允许新的文件覆盖原有文件，这是一个常用的选项。 all 主要用于编程，指定将e(sample)与数据一起保存。 2.2.1关于数据集操作的基本命令 4. describe命令 describe [varlist] [, memory_options] 5. list命令 list [varlist] [if] [in] [, options] separator(#) 每隔#行画一条分割线，默认情况是separator(5)， 即每隔5行画一条分割线。 sepby(varlist) 每当varlist数值发生变化时就画一条分割线。 nolabel 显示变量的赋值而不是标签。 6．codebook命令 codebook [varlist] [if] [in] [, options] 举例应用：创建新的数据集auto.dta 【例2.2】本例利用2.1.1中所介绍的命令创建表2-9所示的名为auto.dta的数据集。