Chapter4——STATA函数与运算符

Chapter4——STATA函数与运算符

0. 运算符exp

STATA 共有四种运算，分别是代数运算、字符运算、关系运算和逻辑运算。

image-20221022170156517

运算的优先序：{！(或)，^，-（负号），/，*，-（减），+，!=(或=),>,<,<=,>=,==,&,| } ，当忘记或者无法确定优先序的时候，最好用括号将优先序表达出来，在最里层括号中的表示式将被优先执行。

  1. 代数运算

代数运算包括括加（+）、减（-）、乘（*）、除（/），幂（^）和负数（-），当遇到缺失值 或者运算不可行时（比如除数为零）均会得到缺失值。

di -(4+2^(4-2))/(2*4)
di -(2+3^(2-3))/sqrt(2*3)

更多的情形是两个或多个变量的直接运算。比如，将进口车的价格都增加100元（可能是关税），而国产车不变。

sysuse auto,clear
gen nprice=price+foreign*100    //由于foreign的取值为0和1，所以只有1的进口车价格增加100元
list nprice price foreign
  1. 字符运算

加（+）号同样可用于字符运算，当加号出现在两个字符之间时，两个字符 将被连成一个字符。比如把”我爱” “STATA”合并在一起。

scalar a="我爱"+"STATA"
scalar list a 
scalar a=2+"3"

[scalar]：Stata 命令的储存结果多存储在单值 Scalar 中

*知识点：单值scalar
*存放数值
scalar a=3
dis a
*存放字符串
scalar b="hello world"
dis b

其实scalar和python中的赋值打印很想，只是stata中需要手动把值储存在scalar中：

a="i am dbsitu"
print(a)
scalar a="i am dbsitu"
display a
  1. 关系运算

关系运算包括大于、小于、等于；不等于、不小于、不大于等多种比较关系。 特别要注意到 STATA 中的等于符号为“==”，是两个等号连写在一起，不同于赋 值时用的单个等号“=”。

di 3<5   //输出结果为 1，意味着 3 小于 5 为真
di 3>5   //输出的结果为 0，意味着 3 大于 5 为假
di 3=5   //输出的结果为 0，意味着 3 不等于 4

当数据中含有缺失值的时候需要特别小心，因为系统缺失值大于任何一个数 据，利用这一点，我们可以使用条件语句排除缺失值。

  • 案例：将年龄分组为 65 岁以下和 65 岁及以上两组，缺失值显然不能包括在任何 一组中。
clear
input age
38 
. 
65 
42 
18 
80
gen agegrp1=(age>=65)    //将大于65的数值赋值新变量的新值为1，包括缺失值
gen agegrp2=(age>=65) if age<.  //将age大于65且排除缺失值的赋值为1 
gen agegrp3=(age==65) if age<.  //仅仅判断是否恰好为65岁
list

image-20221003104131377

  1. 逻辑运算

逻辑运算包括非（！），和（&）、或（|）三种，主要用于条件语句中。

  • 案例：列示出价格大于 10000 元的任何车，或者小于 4000 元的国产车。
sysuse auto,clear
list price foreign if price>10000|price<4000&foreign==0
list price foreign if price>10000|(price<4000&foreign==0)
list price foreign if (price>10000|price<4000)&foreign==0

1. 函数概览function

函数是一些STATA已经提前编写好的脚本小程序，这些小程序会对输入的数据按照一定的规则进行处理且报告结果。实际上由于STATA内嵌的函数较多，先学会查找函数help function，后逐渐掌握常用的函数命令，对于不熟练的函数，可以多加联系和查询加以巩固。

help function
/*
        +--------------------------------------------------------+
        | Type of function             | See help                |
        |------------------------------+-------------------------|
        | Date and time                | datetime functions      |
        |                              |                         |
        | Mathematical                 | mathematical functions  |
        |                              |                         |
        | Matrix                       | matrix functions        |
        |                              |                         |
        | Programming                  | programming functions   |
        |                              |                         |
        | Random-number                | random-number functions |
        |                              |                         |
        | Selecting time spans         | time-series functions   |
        |                              |                         |
        | Statistical                  | statistical functions   |
        |                              |                         |
        | String                       | string functions        |
        |                              |                         |
        | Trigonometric                | trigonometric functions |
        |                              |                         |
        +--------------------------------------------------------+ 

STATA共包含八类函数，分别是数学函数，分布函数，随机数函数，字符函数，程序函数，日期函数，时间序列函数和矩阵函数。*/
数值型函数 含义 举例
abs(x) 绝对值 abs(-9)=9
comb(n,k) 从 n 中取 k 个的组合 comb(10,2)=45
exp(x) 指数 exp(0)=1
fill( ) 自动填充数据
int(x) 取整 int(5.6) = 5,
int(-5.2) = -5
ln(x) 对数 ln(1)=0
log(x) 以 10 为底的对数 log10(1000)=3
mod(x,y) x - y*int(x/y) mod(9,2)=1
round(x) 四舍五入 round(5.6)=6
sqrt(x) 开方 sqrt(16)=4
sum(x） 求和
随机函数 含义 举例
uniform( ) 均匀分布随机数 chapter10介绍
invnormal(uniform( )) 标准正态分布随机数 chapter10介绍
字符函数 含义 举例
real(s) 字符型转化为数值型
string(n) 数值型转化为字符型
substr(s,n1,n2) 从 S 的第 n1 个字符开始， 截取 n2 个字符 Substr(“this”,2,2)=is
word(s,n) 返回 s 的第 n 个字符 Work(“this”,3)=i
系统变量 含义 举例
_n 当前观察值的序号
_N 共有多少观察值
_pi π为圆周率 3.14159

2. 数学函数math functions

  1. 三角函数，指数和对数函数
  • 数学函数可以直接对数据进行运算，也可以对变量进行运算。对数据的操作：
di sqrt(4)  //开方
di sqrt(6+3)    //先相加在开方
di abd(-100)   //求绝对值
di exp(1)     //求e的一次幂
di ln(exp(2))    
di _pi 
di cos(_pi)   //求cos(Π)
  • 数学函数可以直接对数据进行运算，也可以对变量进行运算。对变量的操作：
clear
set obs 5     //设定5个观察值
gen x=_n     //生成新变量x，取值为1，2，3，4，5
gen y1=exp(x)
gen y2=ln(x)
gen y3=sin(exp(x))+cos(ln(x))
list

image-20221003104746718

  1. 取整和四舍五入
  • 取整

int()取整，不论后面的小数是什么，只取小数点前的数值

di int(3.49)   //3
di int(3.51)    //3
di int(-3.49)   //-3
di int(-3.51)   //-3
  • 四舍五入

round()取整，四舍五入，仅仅只看位数的后一位数是否大于等于4

di round(3.49)    //3
di round(3.51)    //4
di round(-3.49)    //-3
di round(-3.51)    //-4

di round(3.345,0.1)   //四舍五入到十分位，3.3
di round(3.351,0.1)   //3.4
di round(3.345,0.01)   //3.35
di round(3.351,0.01)   //四舍五入到百分位，3.35
di round(335.1,10)    //四舍五入到十位，340
  • 对变量的操作
sysuse auto,clear
gen nprice1=price/10000
gen nprice2=round(nprice1,0.01)
list nprice*    //比较nprice和nprice1的结果差别，看百分位位数
  1. 求和及求均值gen和egen
  • 对比gen和egen的区别

gen是用于修改和创造一个新的变量；egen只能使用专属的egen函数来为新变量计算变量值，并且需要在gen创造了一个变量的基础下创造新的变量。所以在使用gen命令时，_n和_N是我们常用的下标变量，用于表示行号和总观测值非常方便，但egen却无法使用。

egen是gen的扩展，平时生成变量用gen，如果想要使用某些特定的函数生成一些变量，就用egen。

clear
set obs 5    
gen x=_n    //生成新变量 x, x=1，2，3，4，5
gen y=sum(x)    //求列累积和
egen z=sum(x)   //求列总和，注意比较y和Z的不同
egen r=rsum(x y z)   //求r=x+y+z总和
egen havg=rowmean(x y z)   //求havg=(a+b+c)/3，计算有效均值，缺失值不进入平均运算
egen hsd=rowsd(x y z)     //求x、y和z每一列的方差 
egen rmin=rowmin(x y z)    //求x y z这三个变量的最小值 
egen rmax=rowmax(x y z)    //求x y z这三个变量的最大值 
list
egen avgx=mean(x)   //求列均值
egen medx=median(x)  //求列中值
egen stdx=std(x)  //求变异系数 cvi=(xi-mx)/s,注意s=Σ(xi-mx)２
/(n-1)
replace y=3 in 3
egen byte dxy=diff(x y)  //当x与y相等时，differ取0，若不相等为1

image-20221003111617596

  1. 其他
  • 案例1：
sysuse auto,clear
egen rmpg=rank(mpg)  //求mpg的次序
sort rmpg
list mpg rmpg
egen highrep78=anyvalue(rep78),v(3/5)  //若rep78不为3,4或5,则为缺失值
list rep78 highrep78
  • 案例2：交叉分组
clear
input a b
1 0 
0 0 
1 1 
0 1 
0 0 
1 . 
. 0
end
*按 a 和 b 来进行交叉分组，a=0,b=0 为第一组，a=0,b=1为第一组a=1,b=0为第一组,a=1,b=1为第四组，缺失值不参与分组
egen ab=group(a b)   
egen ab2=group(a b),missing  //将缺失的组当作另外的一组，增加了两组
list

image-20221003112754805

[group(x y)]：可以按照x和y的值进行交叉组合成不同的组合

  • 案例3：按变量值范围分类
clear
set obs 10
gen age=_n
*生成新的分组变量agegrp,当年龄age在3及以下时(min/3)取值为1，3到6(3/6)为2，6以上(6/max)为3
recode age(min/3=1)(3/6=2)(6/max=3),gen(agegrp)

image-20221024125236681

3. 字符函数string function

  • 案例1：将美国汽车数据中汽车商标变量值简化为取前三个字母，得到一个新的变 量make3。
sysuse auto,clear
gen make 3=substr(make,1,3)    //取变量make的前三个字符赋给make3
list make*   //比较结果make和make3

[substr(s,n1,n2)]：表示从字符串s的第n1个字节开始截取长度为n2的子字符串

use myclassmates,clear
gen lastname=substr(name,1,5)
list

image-20221005094531690

  • 案例2：下表的数据是一个多选题，请把这道多选题转化为四个单选题，例如变量 a 表示“你今天早餐吃的是：1 稀饭 2 馒头 3 大饼 4 豆腐脑”。变量 a 不容易处理，可以用以下命令转化为四个 0-1 变量，分别为 na1=是否吃稀饭，na2=是否吃馒头，na3=是否吃大饼，na4=是否吃豆腐脑。
clear
edit
/*a
2 
2 
2、1、3 
1、2、4 
4、2、1 
1、2 
2 
1、2*/
gen na1=strops(a,"1")!=0
gen na2=strpos(a,"2")!=0 
gen na3=strpos(a,"3")!=0 
gen na4=strpos(a,"4")!=0 
list

image-20221003113917071

[strpos(s1,s2)]：在s1数据中如果可以找到s2，函数输出1；如果在s1数据中找不到s2，则输出0

  • 案例3：
sysuse auto,clear  
gen make2=word(make,2)    //生成新的变量make2，取变量make的第二个单词，注意是单词不是字母，以空格为分隔
list make*
di word("this is a dog",4)   //显示的是第四个字母dog

[word(s,n)]：遍历字符串s的第n个单词

4. 分类操作by

clear
input x y 
1 1.1 
1 1.2 
1 1.3 
2 2.1 
2 2.2
end
gen n=_n      //生成一个新变量 n=1，2，3，4，5
gen N=_N     //生成一个新变量 N=5，5，5，5，5
gen z=y[1]    //生成一个新变量 z=y 的第一个观察值
by x,sort:gen n1=_n
by x,sort:gen N1=_N
by x,sort:gen z1=y[1]
list

image-20221024125335280

  • 案例：下列数据为家庭成员数据 family.dta，其中 hhid 为家庭编码，age 为家 庭成员的年龄。要求：（1）生成一个新变量 hhsize，该变量表示共有多少个家庭成员。（2）给每个家庭成员一个编码 id。如第一个家庭的第一个成员编码为 11；（3）按家庭 生成一个全家成员平均年龄值mage。（4）对每个家庭，分别按年龄大小排序， 然后生成一个家庭成员代码，即家庭内年龄最小的成员代码为 1，年龄最大的家庭成员，代码为 nid。

image-20221003160715905

use family,clear
by hhid,sort:gen hhsize=_N    //计算家庭的规模hhsize
by hhid,sort:gen id=_n+hidd*10    //位家庭成员编码
by hhid,sort:egen mage=mean(age)     //求一个家庭的平均年龄
sort hhid age     //按家庭户排序，在每一个户内按年龄排序
by hhid:gen nid=_n    //在户内按年龄大小为家庭成员编码
list

image-20221003161301639