会计研究与统计软件应用3.pptVIP

廖冠民 博士/副教授 中央财经大学会计学院 Thanks 第三讲 数据管理 字符变量的处理 字符变量转换为数值变量 数值变量转换为字符变量 字符变量的分解 重要的字符处理函数 字符变量转换为数值变量1 从文本文档中读入的数值变量可能以字符变量的方式存储 变量中可能包含了特殊符号，如金额`$‘、逗号`,’、斜线`/‘、百分比`%’、破折号`-‘等 字符变量转换为数值变量2 数值观测偶尔误存为字符观测： destring 例：destring year date size lev, replace ignore(-/,%“) 例：destring code, gen(code2) ignore(“-/,%“) 字符变量转换为数值变量3 如果没有特殊符号：real( ) 例：gen code2=real(code) 字符变量转换为数值变量4 数值观测全部存为字符观测：encode 例：encode code, gen(code2) 该命令自动产生“数字-文字对应表”，命令labelbook查看 数值变量转换为字符变量1 命令：tostring 例： tostring year month day, replace 例：tostring year, gen(year2) 数值变量转换为字符变量2 函数：string( ) 例：gen year2=string(year) 字符变量的分解与合成 分解命令：split xxx, parse (x) 例：split date, parse(-) 合成：+ 例：gen a=b+c 例：di “I am” + “a teacher” 重要的字符处理函数 求助：help function 最重要：substr ( ) 例：gen year=substr(date,1,4) 注意：每个英文字母占一位，但每个中文字符占两位 字符匹配函数：strmatch( ) 例：gen a= strmatch(ind, “C” ) 变量创建的技巧 _n与_N 虚拟变量的产生 交互项的产生 egen命令 _n与_N _n：样本序号变量，是一个变量，内容为1,2,3,...,n _N：样本数指标，是一个单值，内容为样本数 _n是一个永远存在，但却不能 list出来的特殊变量 _n的取值会随样本排序的变化而变化 产生滞后项：gen lagsales=sales[ _n-1] 产生前导项：gen lagsales=sales[ _n+1] 产生最后一项：gen msales=sales[ _N] 差分：gen dsales=sales-sales[ _n-1] 增长率：gen gsales= (sales-sales[ _n-1])/sales[ _n-1] 表示是否为第一/最后一项：if _n==1 / if _N==1 时间序列/面板数据的滞后项、差分、增长率 tsset code year gen lagsales=l.sales gen dsales=d.sales gen gsales=d.sales/l.sales 其他：f.sales l2.sales f2.sales d2.sales 分组进行： bysort ind: gen a=_n bysort ind: keep if _n==1 bysort ind: keep if _N==1 虚拟变量的产生 使用-generate-和-replace-产生虚拟变量 gen hsize=1 if size1000000 size. replace hsize=0 if size=1000000 基于类别变量生成虚拟变量 tab race, gen(dum_ ) xi i.race xi i.race, prefix(dum_ ) xi i.race, prefix(dum_ ) noomit 因子变量 默认对照组：reg wage i.race 设置对照组：reg wage ib3.race 等分样本：group( num) 例：gen g_inc=group(5) 条件函数：cond(s, a, b, c) 例：gen x=cond(age50, 1, 0, .) 交互项的产生 基本方法：generate 例：gen jh=state*size 因子变量的应用：i. c. # ## （ help fvvarlist ） reg roa state lev size r