Stata小白系列之一：调入数据

发布时间：2021-09-12 阅读 6463

Stata连享会主页 || 视频 || 推文 || 知乎

温馨提示： 定期清理浏览器缓存，可以获得最佳浏览体验。

New！ lianxh 命令发布了：
随时搜索推文、Stata 资源。安装命令如下：
. ssc install lianxh
详情参见帮助文件 (有惊喜)：
. help lianxh

✌ 课程详情： https://gitee.com/lianxh/Course

⛳ 课程主页： https://gitee.com/lianxh/Course

⛳ Stata 系列推文：

全部 | Stata入门 | Stata教程 | Stata资源 | Stata命令
计量专题 | 论文写作 | 数据分享 | 专题课程
结果输出 | Stata绘图 | 数据处理 | Stata程序
回归分析 | 面板数据 | 交乘项-调节 | IV-GMM
内生性-因果推断 | 倍分法DID | 断点回归RDD | PSM-Matching | 合成控制法
Probit-Logit | 时间序列 | 空间计量 | 分位数回归 | 生存分析 | SFA-DEA
文本分析-爬虫 | Python-R-Matlab | 机器学习
Markdown | 工具软件 | 其它

作者：谢作翰 | 连玉君 | (知乎 | 简书 | 码云)

编者按：从本期开始，Stata 连享会将推出「Stata 小白系列」推文，介绍数据导入、命令语法等 Stata 入门知识，以帮助各位尽快掌握 Stata 的基本操作。需要注意的是，本文所有数据可通过 lxhget xzhstata.pkg, replace 命令获取。

1. 调入 Stata 格式数据

1.1 use 命令

use [varlist] [if] [in] using filename [, clear nolabel]

其中，

use：是打开数据的命令语句；
varlist：代表变量名称；
if：是条件语句，用于限定样本范围；
in：是范围语句，很少用；
using filename：指定数据文件路径和名称。

具体来看，如果想要调入文件中全部数据，输入标准命令如下：

. use "D:\连享会\useauto.dta", clear //为了演示方便，我们将 auto 数据存放在本地

说明：use 是表示调入的命令语句，D:\连享会\auto.dta 则指定了数据文件的路径和名称。

有时，并不需要将数据文件中的所有变量全部调入，因为原始数据内容丰富，含有很多变量，而研究可能只涉及其中的几个变量。例如，我们只关心 auto 数据集中的 make 和 price 这两个变量，应该使用如下命令：

. use make price using "D:\连享会\useauto.dta", clear

这个命令中 use make price 部分表示需要打开 make 和 price 两个变量，using "D:\连享会\auto.dta" 部分表示打开的数据文件路径和名称。

有时，原始数据将不同特征的样本混杂在一起，而现实的研究却要求将不同的样本分开研究，例如分别研究男性、女性的情况，城市、农村的经济问题，等等。这时就需要只调入具有这些特征的样本数据进行分析。在本例中，调入 auto 文件中进口车样本数据的命令为：

. use "D:\连享会\useauto.dta" if foreign == 1, clear

说明：这个命令语句中最重要的就是 if 语句，该命令执行的结果就是让 Stata 仅仅读入符合条件的样本数据。在本例中， foreign == 1 就表示是进口车，故调入的数据是进口车的数据。

有时，原始数据文件的样本数量过于庞大，例如人口普查的数据动辄千百万，可是一般的研究大部分不需要全部的样本，只需要部分样本即可。例如，若只需要调入 auto 数据文件中第 5 到第 10 个样本的数据，可以使用如下命令：

. use "D:\连享会\useauto.dta" in 5/10, clear

说明：in 5/10 表示选取的样本序号，即选取第 5-10 行观察值。

1.2 sysuse 命令

安装 Stata 时，会自带一些供练习所用的范例数据集。在命令窗口中输入命令 help dta_examples，可以查看完整的数据列表。

auto.dta            use | describe
auto2.dta           use | describe
autornd.dta         use | describe
bplong.dta          use | describe
bpwide.dta          use | describe
cancer.dta          use | describe
census.dta          use | describe
citytemp.dta        use | describe
citytemp4.dta       use | describe
educ99gdp.dta       use | describe
gnp96.dta           use | describe
lifeexp.dta         use | describe
network1.dta        use | describe
network1a.dta       use | describe
nlsw88.dta          use | describe
nlswide1.dta        use | describe
pop2000.dta         use | describe
sandstone.dta       use | describe
sp500.dta           use | describe
surface.dta         use | describe
tsline1.dta         use | describe
tsline2.dta         use | describe
uslifeexp.dta       use | describe
uslifeexp2.dta      use | describe
voter.dta           use | describe
xtline1.dta         use | describe

Stata 内置有以上数据集，在练习命令时我们不必舍近求远。例如，auto 数据集大名鼎鼎，笔者在不少教程中见过。由于 auto 数据库同时备份在根目录下 (D:\stata15\ado\base/a/)，所以我们可同时用 use 或 sysuse 直接调用。显然，由于使用 use 需指定文件路径，较为繁琐，我们通常都是直接使用 sysuse 命令调入这些内置的数据文件。以 cancer 数据集为例，若想使用 use 命令调用，则需指定具体的存储路径：

. use "D:\stata15\ado\base/c/cancer.dta", clear

相比之下，若用 sysuse 命令，则可以直接调入：

. sysuse cancer.dta, clear

1.3 webuse 命令

Stata 手册里使用的数据都可以使用 webuse 命令直接下载使用。在命令窗口输入 help dta_manuals，可以查看数据集列表信息。

如图所示，以上手册简单直译了一下，读者可以自取所需，点击进入后会有命令介绍与配套数据库。上述手册配套的所有数据库都可以用 webuse 直接调入。webuse 的特点是可以直接在线导入网上数据而不需指定具体网络路径，因为 web set 已经默认设定了网络地址为 Stata 官网的手册地址。例如，以下两条命令语句等价：

. use http://www.stata-press.com/data/r15/lifeexp, clear
. webuse lifeexp, clear

输入 webuse query 命令，我们可以看到当前默认设定的网址：

. webuse query
(prefix now "http://www.stata-press.com/data/r15")

使用 webuse set 可以更改默认地址，以便下载特定网址中的 Stata 数据文件。若需恢复默认网址设定，只需执行 webuse set，后面不加网络路径。

1.4 bcuse 命令

bcuse 由波士顿大学 Baum 教授编写，提供了波士顿学院 Economics 实验室中使用的许多 Stata 格式数据集。具体包括 Wooldridge 导论，Greene 的计量分析等经典教科书范例数据。我们可以使用 ssc install bcuse, replace 命令下载并安装该命令。以伍德里奇《导论》中的数据集为例，我们输入如下命令，打开 bcuse 的帮助文件，可以看到该命令能够下载的所有数据集的列表链接地址：

. help bcuse

亦可在命令窗口中直接输入如下命令打开网页：

. view browse "http://fmwww.bc.edu/ec-p/data/wooldridge/datasets.list.html"

截取部分网页信息如下：

如果有些命令是以 zip 保存的，只需在文件名后面加上 .zip 即可，如 bcuse 401k.zip。

1.5 freduse 和 import fred 命令

fed 是由圣路易斯联邦储备银行 (Federal Reserve Bank of st . Louis) 维护的联邦储备经济数据库 (FRED)。该数据库提供了数十万个时间序列资料，用以衡量经济和社会活动的方方面面。在 Stata14 使用的命令为 freduse ，需要先用 ssc install freduse, replace 命令下载。Stata 15 中提供了 import fred 命令用于快捷地导入 fred 上存储的数据。更多详细信息，请参考详「链接1」和「链接2」。

1.6 copy 命令

copy filename1 filename2 [, options]

filename1 是要复制的来源文件地址, filename2 是存放的新文件地址，可以是一个附带路径的本地文件名也可以是一个网络链接地址。当文件路劲比较复杂，比如含空格时要用双引号将两个路径包围。

options	功能
public	定了 filename2 对所有用户可读，否则根据系统默认
text	将文件保存为 txt 格式
replace	若 filename2 的文件已存在，则替换它

copy 命令的作用包括：

文件搬家：就是将硬盘上的一个文件搬到另一个地方。此时两个文件名都为本地路径文件，还可对文件改名；
下载网上的文件，比如一些论文、上市公司年报、数据等，只要知道他们的 url 就能用 copy 获取。以 copy 为基础有更高级的命令，如 cntrade 命令就是用 copy 直接读取网易财经的股价历史数据。

2. 调入其他格式数据

当数据文件为其他格式时，也可以导入 Stata 软件中进行处理，常用的命令主要有 insheet、infile、infix 、以及 import 等命令。

2.1 insheet 命令

insheet [varlist] using filename [, options]

其中，insheet 代表导入数据的命令，[varlsit] using filename 代表数据文件中的某个变量，options 选项的具体内容如下：

[no]double：设置变量存储类型；
tab：设置制表符为数值变量的分隔符；
comma：设置逗号为数值变量的分隔符；
delimiter("char")：设置自定义的 “char” 为数值变量的分隔符；
clear：清空内存；
[no]names：设置文件中的第一行为变量名称。

例如，将数据 citywater.csv 导入 Stata 中，我们就不能直接使用 use 命令了，因为此数据文件的后缀名不是 .dta，而是 .csv，这种数据类型表示使用逗号分隔的一种数据类型。

. insheet using "D:\连享会\citywater.csv", clear

insheet 是导入此类数据的命令，using "D:\连享会\citywater.csv" 指明了数据的路径，此时数据文件 citywater.csv 就被正确导入 Stata 中，可以进行各种操作了。

2.2 infile 命令

infile 在某种程度上可以完成与 insheet 命令相同的功能，最大区别是 infile 必须指明变量名称，尤其是字符型变量。infile 命令读取数据的基本命令语句如下：

infile varlist [_skip[(#)] [varlist [_skip[(#)] ...]]] using filename
      [if] [in] [, options]

同样将数据 citywater.csv 导入 Stata 中，infile 命令为：

. infile year production capital labor using "D:\连享会\citywater.csv", clear

2.3 infix 命令

固定格式的数据是指有固定的位数，当位数不够时，前面用 0 补齐，对于这种数据是用 infix 命令读入的。

infix using dfilename [if] [in] [, using(filename2) clear]
infix specifications using filename [if] [in] [, clear]

例如，将左侧数据 (数据文件 chengji.csv) 转化成右侧所示的数据形式。chengji 这组数据为用逗号隔开的数据类型。其中 gender 只有 0 和 1 两个数字组成，number 这一栏必须由三位数组成，math 和 english 的成绩必须由两位数组成，所以这是一个固定格式的数据，应该使用 infix 命令。

. infix gender 1 number 3-5 math 7-8 english 10-11 using "D:\连享会\chengji.csv", clear

在这个命令语句中，infix gender 1 说明第一位数据为性别，number 3-5 表示第 3 至 5 位表示学号，math 7-8 表示第 7 至 8 位表示数学成绩，english 10-11 表示第 10 至 11 为表示英语成绩，using C:\data\chengji.csv 表示原始数据文件的路径。

2.4 import 命令

读取 Excel 数据有两种选择，一种是利用鼠标点击菜单，这种方式简单，无法对文件做精细设置。另一种是利用 Stata 官方命令 import excel。

import excel [using] filename [, import_excel_options]

其中，options 选项如下：

sheet("sheetname")：选择要导入的表名；
cellrange([start][:end])：选择数据的起始和结束位置；
firstrow：将第一行作为变量名。

与 import excel 对应的导出命令为 export excel，详情请参考 help export excel。

以 stata 附带的 auto.dta 数据为例 (为演示方便已将其导出为 Excel)。首先我们导入数据，将第一行设置为变量名，选取数据范围为 (A1，D10)，命令如下：

. use auto.dta, clear
. export excel using auto.xls, firstrow(var) replace 
. import excel auto.xls, cellrange(A1:D10) firstrow clear

需要说明是，此处若不附加 cellrange(A1:D10) 选项，则默认将整份 Excel 表格一次性导入 Stata 中。

2.5 xls2dta 命令

上文介绍的 import excel 命令一般用于导入单个 excel 文件。当需读取多个 excel 文件时，大家可以使用 xls2dta 命令。该命令在处理多个 excel 文件上具有显著优势，不仅可以读取保存，还可以进行合并等其他操作。由于篇幅限制，不再为大家介绍，有兴趣同学可以自行学习。

3. 相关推文

Note：产生如下推文列表的 Stata 命令为：
lianxh 小白 import, m
安装最新版 lianxh 命令：
ssc install lianxh, replace

专题	嘉宾	直播/回看视频
⭐ 最新专题		文本分析、机器学习、效率专题、生存分析等
研究设计	连玉君	我的特斯拉-实证研究设计，-幻灯片-
面板模型	连玉君	动态面板模型，-幻灯片-
面板模型	连玉君	直击面板数据模型 [免费公开课，2小时]