《数据分析与STATA应用》 试题题库-杨菊华.docx

如无特别说明，本题库所使用的数据，均选取自中国综合社会调查(CGSS)2017年的调查数据，数据名称为文件夹中的cgss2017_tiku.dta。 第三章 Stata数据的读入与熟悉 1.创建一个新的log文件，保存在C盘的stata文件夹下，并且将其命名为a1.smcl。 2.使用编程命令，在do文件中录入以下数据，创建新的数据库，并将其保存为a2.dta： Mid IMC Novelty Challenge 5 5 5 5 3.33 3.33 3.33 3.67 4.67 5 4.33 5 4 4 4 4.67 3. 打开cgss2017_tiku.dta，对数据进行整体的描述。该数据共有几个变量？各自的变量名是什么？各自的存储类型是什么？ 4.描述变量a10的基本内容，具体包括（1）变量的存储形式；（2）取值范围；（3）独特取值的个数；（4）缺失值；（5）分类的个数及各自的标签。 5.输出a8a,a69,a7a这三个变量第1000-1010样本分布情况。 6. 以性别a2为排序变量对数据进行排序。 7.将变量c4,a36,v458放置于数据的最前面显示。 第四章 变量的生成与处理 1. 生成一个新变量age，计算公式为2017-a31。 2. 用两种方法，根据变量a7a生成一个新变量edu，edu的分类标准如下： a7a edu 1,2 1 3 2 4,7,8 3 5,6 4 9-14 5 3. 根据age，生成age的平方，新变量名为sage。 4. 对于收入变量a8a有三类缺失值，即“不适用”“不知道”和“拒绝回答”，请将以上三类缺失值重新编码为系统缺失值“.”。 5. 新生成的年龄age取值范围是18岁至103岁，用两种方法，根据年龄age生成新变量年龄组agegrp，具体分组为： 18岁-44岁为第一组，取值为1，“青年人”； 45-59岁为第二组，取值为2，“中年人”； 60-79岁为第三组，取值为3，“低龄老人”； 80岁及以上为第四组，取值为4，“高龄老人”。 6. 根据age，描述年龄的均值，方差和标准差。 7. 根据第5题的内容，为年龄组agegrp各分组添加相应的值标签。 8. 将a2、a7a和a8a分别重新命名为性别sex、受教育程度edu和个人年收入income。 第五章 数据的合并、转换与集合 1. 将文件夹下的数据data1.dta与data2.dta进行纵向合并，并回答： （1）新生成的数据共有多少观察值和变量？ （2）其中，来自data1和data2的观察值各有多少？ 2. 选择合适的合并形式，以id为关键变量，以2008.dta为主要数据，将文件夹中的2008.dta和2011.dta进行合并，并回答以下几个问题： （1）有多少观察值分别来自主要数据、使用数据和同时来自两个数据文件？ （2）新数据文件增加了多少个变量？ （3）合并后的数据是否有重复值？ （4）只保留匹配成功的观察值，将数据保存为新的数据库，命名dta。 （5）将新数据的相关变量分别与两个原始数据进行比较，检查合并的结果是否正确。 3. 运用第二题合并之后的新数dta，将此宽数据转换为长数据，检验转换的结果是否正确，并回答： （1）转换后的数据有多少个观察值？ （2）转换后的数据有多少个变量？ （3）转换后的数据变量有何变化？ 第六章 数据的描述 1. 重新定义变量a2、a69和a36： （1）将a2重新命名为sex。将sex原有的取值1替换为0，代表男性；原有的取值2替换为1，代表女性。 （2）将a69重新命名为marriage。将marriage重新分组，其中将“未婚”和“同居”合并为第一组（取值为1）代表未婚，将“初婚有配偶”“再婚有配偶”“分居未离婚”合并为第二组（取值为2）代表已婚，将“离婚”和“丧偶”合并为第三组（取值为3）代表离婚和丧偶。 （3）将a36重新命名为happiness。将happiness中的自定义缺失值“不知道”“拒绝回答”重新赋值为系统缺失值。 （4）分别给sex和marriage两个变量的取值贴上对应定义的标签。 2. 给变量sex和happiness生成各自的频数分布表，并回答以下问题： （1）样本中性别的分布情况如何？男性和女性在样本各自所占的比例是多少？ （2）生活幸福感happiness的分布情况如何？“非常幸福”和“非常不幸福”各自所占的比例是多少？ 3. 生成性别sex和幸福感happiness的交叉分布表，需要有行百分比，列百分比和卡方检验，并解释分析结果。 4. 生成marriage和happiness的交叉分布表，需要有行百分比，列百分比和卡方检