Stata：描述性统计分析新命令-dstat

Stata连享会   主页 || 视频 || 推文 || 知乎 || Bilibili 站

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：
  . ssc install lianxh
详情参见帮助文件 (有惊喜)：
  . help lianxh
连享会新命令：cnssc, ihelp, rdbalance, gitee, installpkg
 

✌ 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

☝ PDF下载 - 推文合集

刘欣妍 (香港中文大学)，liuxinyan@link.cuhk.edu.hk
史 柯 (中央财经大学)，shike2231128@gmail.com

编者按：本文主要整理自下文，特此致谢！
Source：Jann B. dstat: A new command for the analysis of distributions[J]. 2021. -PDF- -Github-

目录

1. 描述性统计

Stata 为高级统计和计量经济学分析提供了强大的功能。但是仍存在一定缺陷，主要包括以下几点：

• 不同类型的统计数据需要通过各种不同的命令才能得到；
• 每个命令都有特定的运行逻辑 (特定的语法、特定的输出、特定的返回值)；
• 不同命令对统计推断的支持差异很大 (有些命令甚至不允许设置权重，有些命令则完全支持复杂的统计分析)；
• 表格和图表的创建不够便捷，尤其是涉及置信区间的输出；
• Stata 官方并没有涵盖某些问题，例如不同权重的描述性统计在某些命令中并不能实现。

2. 命令安装

当我们对置信区间很感兴趣时，Stata 目前的命令并不能直接输出变量的置信区间。基于 Stata 现有的描述性统计分析命令的不足，本文将着重于介绍一个新命令 dstat。

. ssc install dstat,    replace
. ssc install moremata, replace
. ssc install coefplot, replace

3. 具体示例

3.1 计算多个变量的描述性统计值

. sysuse nlsw88, clear

. * 一个变量：不同union下的工资的均值
. dstat (mean) wage, over(union)

mean                                     Number of obs = 1,878
--------------------------------------------------------------
        wage | Coefficient  Std. err.     [95% conf. interval]
-------------+------------------------------------------------
       union |
   Nonunion  |      7.205      0.109         6.991       7.418
      Union  |      8.674      0.194         8.293       9.055
--------------------------------------------------------------

. * 多个变量：同时展示工资(wage)的均值，工资时长(median)的中位数，以及种族(race)的均值
. dstat (mean) wage (median) hours (mean) race 

Summary statistics                       Number of obs = 2,242
--------------------------------------------------------------
             | Coefficient  Std. err.     [95% conf. interval]
-------------+------------------------------------------------
wage         |
        mean |      7.775      0.122         7.536       8.013
-------------+------------------------------------------------
hours        |
      median |     40.000      0.006        39.988      40.012
-------------+------------------------------------------------
race         |
        mean |      1.282      0.010         1.263       1.302
--------------------------------------------------------------

3.2 变量的分布图

. dstat density wage, over(union) ll(0) graph // 选项ll(0)的作用是工资只能是正数

在上面的例子中，工会工人和非工会工人的工资密度分别显示在两个子图中。如果需要将两条曲线叠加在一个坐标系中，则可以使用以下命令：

. dstat graph, merge

如果想进一步了解整个工资分布是如何由两组构成的，我们可以使用选项 unonditional 重新调整密度，并使用选项 total 包括总密度。

. * 如果想要将下图的线条变成覆盖面积，则可以简单的修改为graph(recast(area))即可
. dstat density wage, over(union) total unconditional ll(0) graph(merge) 

除此之外，我们还可以通过 dstat 命令画出每个教育程度中，工会与非工会的分布情况。

. dstat prop grade, over(union) graph(merge)

3.3 控制其他变量

我们可以通过简单的 t-test 来判断出两个变量均值的区别。但是，如果我们想通过控制一些其他变量之后，再看核心变量均值区别，现有的 Stata 命令则无法满足。这时 dstat 命令可以帮助我们解决这一问题。

. *在不控制任何变量的情况下，工会与非工会的工资均值区别如下：
. sysuse nlsw88, clear
. dstat (mean) wage, over(union)

mean                                     Number of obs = 1,878
--------------------------------------------------------------
        wage | Coefficient  Std. err.     [95% conf. interval]
-------------+------------------------------------------------
       union |
   Nonunion  |      7.205      0.109         6.991       7.418
      Union  |      8.674      0.194         8.293       9.055
--------------------------------------------------------------

. lincom _b[1.union]-_b[0.union]

 (1)  - 0bn.union + 1.union = 0
------------------------------------------------------------------------------
        wage | Coefficient  Std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         (1) |      1.470      0.223     6.60   0.000        1.033       1.907
------------------------------------------------------------------------------

. *若我们控制了教育，工作时间，工作经验和任期后，工会与非工会的工资均值区别如下：
. dstat (mean) wage, over(union) balance(grade hours ttl_exp tenure)

--------------------------------------------------------------
        wage | Coefficient  Std. err.     [95% conf. interval]
-------------+------------------------------------------------
       union |
   Nonunion  |      7.372      0.108         7.160       7.584
      Union  |      8.330      0.203         7.933       8.727
--------------------------------------------------------------

. lincom _b[1.union]-_b[0.union]

 (1)  - 0bn.union + 1.union = 0
------------------------------------------------------------------------------
        wage | Coefficient  Std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         (1) |      0.958      0.220     4.36   0.000        0.527       1.389
------------------------------------------------------------------------------

. /*
> 另外注意，除了采用上面lincom的方法计算两个分组的均值差异之外,
> 我们还可以在dstat命令本身加constrast，自动计算均值差异。
> 其中，eb:代表熵值平衡, 是一种更加倾向于使用的平衡方法，具体可参考Jann 2021.
> */
. dstat (mean) wage, over(union, contrast(0)) balance(eb:grade hours ttl_exp tenure)

------------------------------------------------------------------------------
        wage | Coefficient  Std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
       union |
      Union  |      0.989      0.218     4.53   0.000        0.561       1.417
------------------------------------------------------------------------------

3.4 IF 函数和分解分析

dstat 命令还可以用作分解分析 (decomposition analysis)。在下面的例子中，加入工会的工人和未加入工会的工人之间的工资差距，被分解为由协变量差异解释部分和残差 (无法解释) 部分。

. * rif命令是用来计算Recentered Influence Functions(RIF)回归，有关RIF回归具体可参考(Firpo et al.2009) 
. dstat (mean) wage, over(union) balance(eb: grade hours ttl_exp tenure, reference(1)) rif(RIF0c) 
. dstat (mean) wage if e(sample), over(union) rif(RIF0 RIF1) 
. generate difference  = RIF1  - RIF0  // 工资的差异
. generate explained   = RIF0c - RIF0  // 解释的部分
. generate unexplained = RIF1  - RIF0c // 未解释的部分
. mean difference explained unexplained

--------------------------------------------------------------
             |       Mean   Std. err.     [95% conf. interval]
-------------+------------------------------------------------
  difference |      1.457      0.223         1.019       1.895
   explained |      0.607      0.136         0.341       0.872
 unexplained |      0.850      0.208         0.442       1.259
--------------------------------------------------------------

3.5 常见图形

带有置信区间的直方图：

. dstat histogram wage, ep n(20) graph // 其中ep代表equal probability

重叠的两个直方图：

. dstat histogram wage, over(union) common nose graph(merge)

分组分布情况的差异：

. * 工会与非工会的工资分布情况的差异
. dstat density wage, over(union, contrast) n(200) graph(yline(0))

分位数上的差异：

. dstat quantile wage, over(union, contrast) notable balance(eb:grade hours ttl_exp tenure)
. estimates store balanced
. dstat quantile wage if e(sample), over(union, contrast)
. estimates store raw
. coefplot raw balanced, se(se) at(at) keep(1:) recast(line) ciopts(recast(rarea) ///
>     pstyle(ci) color(%50) lcolor(%0)) plotlabels("raw wage gap" "adjusted wage gap")

4. 相关推文

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

• 专题：Stata入门

  • 25常见种误区：P值、置信区间和统计功效
• 专题：Stata资源

  • 在线统计课本分享：online-statistics-book
• 专题：数据处理

  • Stata数据处理：清洗中国城市建设统计年鉴
  • Stata：变量非重复值统计-distinct
  • Stata：mtab2-将二维统计表存储为矩阵
  • 滚动吧统计量！Stata数据处理
  • Stata数据处理：统计组内非重复值个数
• 专题：Stata绘图

  • 常用科研统计绘图工具介绍
• 专题：结果输出

  • Stata结果输出：addest自己定制输出的统计量
  • Stata结果输出-addest：自己添加统计量
  • [baselinetable命令：论文基本统计量表格输出到Excel和Word](https://www.lianxh.cn/news/8635f14e51018.

html)

• sumup：快速呈现分组统计量
• Stata：一文搞定论文表1——基本统计量列表
• 专题：机器学习

  • Lasso：拉索中如何做统计推断

相关课程

免费公开课

• 直击面板数据模型 - 连玉君，时长：1小时40分钟，课程主页，Bilibili 站版
• Stata 33 讲 - 连玉君, 每讲 15 分钟. 课程主页，课件，Bilibili 站版
• Stata 小白的取经之路 - 龙志能，时长：2 小时，课程主页
• 部分直播课 课程资料下载 (PPT，dofiles等)

最新课程-直播课

• 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。

⛳ 课程主页

⛳ 课程主页

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。
• 连享会-主页 和 知乎专栏，700+ 推文，实证分析不再抓狂。直播间 有很多视频课程，可以随时观看。
• 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-常见问题解答：
✨ https://gitee.com/lianxh/Course/wikis

New！ lianxh 和 songbl 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