Stata绘图：回归系数可视化-论文更出彩

发布时间：2021-03-01 阅读 19830
分享到微信 分享到微博 收藏文章

 

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：
随时搜索连享会推文、Stata 资源，安装命令如下：
  . ssc install lianxh
使用详情参见帮助文件 (有惊喜)：
  . help lianxh

 

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

 

✨ 课程主页： https://gitee.com/arlionn/Course

 

 

作者： 万莉 (北京航空航天大学)
E-Mail: wanli_buaa@163.com

 

Source:
世界银行 stata-visual-library，项目主页 提供了大量 Stata 绘图可视化案例和代码。

注：本推文相关数据，do file 及资料获取方式如下：

 

 

目录

 

 

1. 简介

本文参考 GitHub 项目 stata-visual-library 提供的数据及代码，节选四个 Stata 范例来说明如何“用图展示回归结果”。

在学习本文案例时，不用太纠结弄懂原始数据中变量的定义（原作者并没提供足够的数据说明），只需借鉴案例中用到的数据处理思路和绘图命令。每节的基本结构为：展示完整的 Stata 范例（代码+部分注释）-- 展示输出的图 -- 重点强调并解释部分语法。

若你还不太熟悉 Stata 绘图命令，可先参考 一文看尽 Stata 绘图 这篇推文，了解基本语法结构。

 

2. 范例一：比较不同模型的边际效应

该小节的代码和数据来自 stata-visual-library/Library/reg-models。

* Figure: Comparison of marginal effects from linear and logistic specifications

* 1. 将图像的基本设置保存在全局暂元 graph_opts 里
  global graph_opts title(, justification(left) color(black) span pos(11)) ///
    graphregion(color(white)) ylab(,angle(0) nogrid) ///
    xtit(,placement(left) justification(left)) ///
    yscale(noline) xscale(noline) legend(region(lc(none) fc(none)))

* 2. 加载数据
  use "data\reg-models.dta" , clear

* 3. 创建画图需要的数据
  cap mat drop theResults 
  local theLabels ""
  local x = 15.5

  qui foreach var of varlist ??_correct refer med_any med_class_any_6 med_class_any_16 {
  // ??表示匹配任意两个字符
    local theLabel : var label `var'
    local theLabels `"`theLabels' `x' "`theLabel'""'
    local x = `x' - 2
    
    reg `var' facility_private i.case_code //线性回归
    
	//可输入return list查看 Stata 命令的返回值
    mat a = r(table)  //用矩阵保存线性回归命令的返回值
       
    local b = a[1,1]  //提取估计系数
    local ll = a[5,1] //提取左置信区间
    local ul = a[6,1] //提取右置信区间
    mat a = [`b',`ll',`ul',1] //横向合并矩阵
    mat rownames a = "`var'"  //以变量名为矩阵的行名
        
    logit `var' facility_private i.case_code //logit回归
    margins , dydx(facility_private)
        
    mat b = r(table)  //用矩阵保存logit回归命令的返回值
         
    local b = b[1,1]  //提取估计系数
    local ll = b[5,1] //提取左置信区间
    local ul = b[6,1] //提取右置信区间
    mat b = [`b',`ll',`ul',2] //横向合并矩阵
    mat rownames b = "`var'" //以变量名为矩阵的行名
        
    mat theResults = nullmat(theResults) \ a \ b  
	// \表示纵向合并矩阵
  }
        
  mat colnames theResults = "b" "ll" "ul" "type" 
  //修改矩阵的列名
  matlist theResults //查看矩阵元素

  clear //清除原始数据
  svmat theResults , names(col) 
  //将矩阵转化为变量
    
  gen n = _n
  replace n = 17-n //逆序排列

* 4. 绘图
  tw ///
   (rcap ll ul n if type == 1 , hor lc(navy)) ///
   (scatter n b if type == 1 , mc(black)) ///
   (rcap ll ul n if type == 2 , hor lc(maroon)) ///
   (scatter n b if type == 2 , mc(black)) ///
   , ///
   ${graph_opts} ///
   ylab(`theLabels') ///
   ytit(" ") ///
   xlab(-1 "-100p.p." -.5 `""-50p.p." "{&larr} Favors Public""' ///
   0 "No Effect" .5 `""+50p.p." "Favors Private {&rarr}""' 1 "+100p.p.") ///
   xline(0 , lc(gs12) lp(dash)) ///
   legend(order(2 "Marginal Effect" 1 "Linear Model" 3 "Logistic Model") r(1))
   
/*
由于局部暂元(local macro)运行一次即自动删除，需要连续运行上述代码
qui 表示悄悄处理命令，不显示结果
/// 表示换行，避免一行内容过多
tw 为 twoway 的缩写
hor 是horizontal的缩写，表示水平绘制；默认为竖直绘制
你可以把 $graph_opts 删掉看看差异
*/

语法要点：

  • 利用 twoway rcap 绘制置信区间；

  • twoway rcap 用于以|——|图示数据范围，左右两端分别为最小、最大值。

 

3. 范例二：图表可视化回归系数

该小节的代码和数据来自 stata-visual-library/Library/reg-chartable。基于案例一，该案例增加了表格形式。

* Figure: Impact of provider qualifications on main standardized patient outcomes

* 1. 运行adofiles
// 该adofile仅适用于本案例的数据，不适合推广到任何数据（需要自己修改）
// 运行该adofiles还需利用findit安装firthlogit estadd xml_tab 这三个命令。
* firthlogit, in package firthlogit from http://fmwww.bc.edu/RePEc/bocode/f
* estadd, in package st0085_2 from http://www.stata-journal.com/software/sj14-2
* xml_tab, in package dm0037 from http://www.stata-journal.com/software/sj8-3
findit firthlogit
findit estadd
findit xml_tab

qui do "ado\chartablesheet.ado"
version 13

* 2. 加载数据
use "data\reg-chartable.dta", clear

* 3. 绘图
* Sample Restriction Logic
// 选取部分样本
global cxr "& sp_case <3"
global sputum "& sp_case <3"
global sp_drugs_tb "& sp_case >2"
        
* Output
chartable correct cxr sputum s5_referral ///
          sp_drugs_tb sp_drugs_antibio sp_drugs_quin ///
          using "results.xlsx" ///
          , ///
          c(xi: firthlogit) ///
          rhs(q_mbbs pro_age pro_male patients_waiting_in i.sp_id) or p globalif

语法要点：

  • 本案例使用了作者自己编写的外部命令 chartable ；

  • 本案例不具有普适性，仅适用于本案例中的数据，若要推广则需手动修改作者的 adofile。

 

4. 范例三：比较不同组别的边际效应

该小节的代码和数据来自 stata-visual-library/Library/reg-het。

*FIGURE: Marginal effects by heterogeneity gorups

* 1. 加载系统自带数据
sysuse auto, clear

* 2. 预处理
ssc install coefplot, replace //安装命令

local label1 Foreign
local label0 Domestic
	
*在合并图像中，使其共用一个y轴，设置y轴
local yopts1 ylab(, labcolor(white)) /// 
             ytitle("") ///
             yscale(noline)
				 
gr drop _all

*3. 利用循环语句绘制单个图
* Loop over heterogeneity variables
forvalues foreign = 0/1 {

* 运行线性回归得到边际效应
* -----------------------------------
  reg price mpg headroom if foreign == `foreign'			

* 绘制不同组别的边际效应
* -----------------------------
  coefplot ///
    , ///
    drop(_cons) /// 不显示常数项
    vertical ///
    yline(0, lpattern(dash)) /// 判断显著性
    ciopt(color(gs10 gs10) ///
    recast(rcap)) ///
    levels(90 95) /// 展示90%和95%置信区间
    ylab(, noticks glcolor(gs15)) ///
    xlab(, noticks labsize(small)) ///
    xtitle("") ///
    ytitle("Marginal effect on price") ///
    title(`label`foreign'', box bexpand bcolor(gs15)) /// 
    color(black) ///
    name(f`foreign') ///
    graphregion(color(white)) ///
   `yopts`foreign''	
}
// title(...,box ...)添加标题，并添加边框线
	
* 4. 合并图形
gr combine 	f0 f1, ///
   ycommon ///
   graphregion(color(white))
// gr是graph的缩写

语法要点：

 

5. 范例四：展示回归的预测结果/拟合值

该小节的代码和数据来自 stata-visual-library/Library/reg-predicted。

* 1. 加载系统自带数据
sysuse auto, clear

* 2. 创建画图需要的数据
reg price ibn.foreign //线性回归
// ibn.表示不设置基准组
		
test 1.foreign == 0.foreign
local pval : di %5.3f `r(p)'
local pval = trim("`pval'")
//去 trim 掉两端的空格
//用暂元保存p-value，用于画图
		
* 计算不同种类的边际效应
margins foreign

* 3. 绘图
marginsplot, ///
   recast(bar) /// 
   plotopts(barwidth(0.5) bargap(10)) ///
   ciopts(recast(rcap) color(gs10)) ///
   ylabel(0(2000)8000) ///
   title("Adjusted prediction of car price" "with 95% confidence interval") ///
   xlabel(, noticks) ///
   xtitle(Model origin) ///
   graphregion(color(white)) ///
   note(Note: P-value of F-test for coefficient equality across categories is `pval'.)
// recast(bar) 是将散点变成条形图形式。

语法要点：

其一，ibn.foreign, 1.foreign, 0.foreign 的用法涉及因子变量(Factor Variable)。有关因子变量的使用请参考连享会推文 Stata：因子变量全攻略 (微信版)。

图示边际效应的命令为 marginsplot，具体使用教程可参考以下文章：

 

6. 总结

本推文较为详细地介绍了 4 个 Stata 案例，展示了如何将估计系数结果简洁、直观的呈现出来。

 

注：本推文相关数据，do file 及资料获取方式如下：

  • 百度云盘：https://pan.baidu.com/s/1JYL-MxGirNvR5SPZC5VxTA, 提取码: oxkw
  • 项目主页：https://github.com/worldbank/stata-visual-library

 

6. 相关推文

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

 

相关课程

 

连享会-直播课 上线了！
http://lianxh.duanshu.com

免费公开课：

 

课程一览

支持回看

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]

Note: 部分课程的资料，PPT 等可以前往 连享会-直播课 主页查看，下载。

 

 

关于我们

  • Stata连享会 由中山大学连玉君老师团队创办，定期分享实证分析经验。直播间 有很多视频课程，可以随时观看。
  • 连享会-主页 和 知乎专栏，400+ 推文，实证分析不再抓狂。
  • 公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标，输入简要关键词，以便快速呈现历史推文，获取工具软件和数据下载。常见关键词：课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法 等
连享会主页 lianxh.cn
连享会主页 lianxh.cn

 

连享会小程序：扫一扫，看推文，看视频……

 

扫码加入连享会微信群，提问交流更方便

✏ 连享会学习群-常见问题解答汇总：
✨ https://gitee.com/arlionn/WD

 

New！ lianxh 命令发布了：
随时搜索连享会推文、Stata 资源，安装命令如下：
  . ssc install lianxh
使用详情参见帮助文件 (有惊喜)：
  . help lianxh