Stata:读懂直方图

发布时间:2020-12-19 阅读 21871

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)
邮箱:wanli_buaa@163.com


目录


在实证结果可视化方面,直方图是一个重要的分析工具。无论是描述性分析阶段还是估计系数分析阶段,都可以借助直方图直观地呈现。

本推文将详细介绍绘制直方图的各种命令,结构安排如下:第一部分先简单介绍直方图的含义;第二部分着重介绍 Stata 里最基本的命令 histogram;第三部分介绍一些好用的外部命令;最后讨论如何进一步美化图形。

1. 直方图简介

直方图 (histogram) 是用一系列宽度相等、高度不等的矩形表示数据分布的图。矩形的宽度表示数据范围的间隔,矩形的高度表示在给定间隔内数据出现的频数或频率。

直方图与条形图(柱状图)的区别:条形图用矩形宽度表示类别,且宽度都相等,而直方图用宽度表示组距,宽度可以不相等;条形图是分开排列的,而由于分组数据具有连续性,直方图是连续排列的(注:Stata 中也可以对离散变量进行绘直方图)。

Source: 柏满迎等.应用统计学:经济与管理中的数据分析[M].北京:清华大学出版社,2011:36.

2. 基本命令- histogram

本节将详细介绍 Stata 里绘制直方图的最基本命令 histogram。本节结构为:介绍语法结构--绘制连续变量的基本直方图--绘制离散变量的基本直方图--展示两个完整的例子。

2.1 语法结构

执行 help histogram 可查看帮助文件。

其语法结构为:

. histogram varname [if] [in] [weight]   ///
   [, [continuous_opts | discrete_opts] options]

其中:

  • varname 是用于绘制图形的变量
  • if 是设定样本范围的条件语句
  • in 用于设定观察值范围
  • weight 用于设定权重
  • continuous_opts 是连续变量可用选项
  • discrete_opts 是离散变量可用选项
  • options 是连续、离散变量公用选项

histogram 的主要选项如下:

选项类别 具体命令 解释
连续变量 bin(#) 设置矩形的数目为#
连续变量 width(#) 设置矩形的宽度为#
连续变量 start(#) 设置第一个矩形的起始数值#
默认值为观测值的最小值
离散变量 discrete 离散变量的直方图必须附加 discrete 选项
离散变量 width(#) 设置矩形的宽度为#
离散变量 start(#) 设置第一个矩形的起始数值#
默认值为观测值的最小值
公用选项 density 按密度绘制直方图
为默认选项
公用选项 fraction 按比例绘制直方图
公用选项 frequency 按频数绘制直方图
公用选项 percent 按百分比绘制直方图
公用选项 bar_options 设定矩形细节的选项
公用选项 binrescale 结合 by() 命令时,
自动调节矩形的宽度
公用选项 addlabels 为矩形添加高度标签
公用选项 addlabopts 设定高度标签显示细节的选项
公用选项 normal 附加正态分布曲线
公用选项 normopts() 设定正态分布曲线细节
公用选项 kdensity 附加核密度函数曲线
公用选项 kdenopts() 设定核密度函数曲线细节

2.2 连续变量的直方图

本小节将介绍如何绘制连续变量的直方图。

. sysuse nlsw88.dta, clear // 调用内置数据

. histogram wage, /// 
   note("注释:矩形的高度对应样本数占总样本的比例,总【面积】为 1")

. histogram wage, fraction ///
   note("注释:将矩形的【高度】总和限制为 1")

. histogram wage, percent ///
   note("注释:将矩形的【高度】总和限制为 100")

. histogram wage, frequency ///
   note("注释:纵坐标为对应的样本数(频数),而非比例")

. histogram wage, normal ///
   note("注释:附加正态分布曲线")

. histogram wage, kdensity ///
   note("注释:附加核密度函数曲线")

. histogram wage, addlabels ///
   addlabopts(mlabposition(12) mlabgap(3) ///
              mlabangle(45) mlabsize(vsmall) mlabcolor(navy)) ///
   note("注释:每个矩形上方附加一个表示其高度的数字" ///
        "addlabopts(...)里的命令分别控制标签位置," ///
	    "与矩形间距,旋转角度,标签大小,颜色。")

. help marker_label_options

. histogram wage, by(race) binrescale 
. graph save "$FIG\fig1-8-1.gph", replace 

. histogram wage, by(race) ///
   note("注释:利用 by(),按 race 变量进行分组")

. histogram wage, bin(20) ///
fcolor(none) lcolor(black) ///
lwidth(medium) lpattern(solid) ///
   note("注释:bin(#)指定分为几个组别" ///
     "fcolor(...)设定设定柱子的填充颜色。" ///
     "lcolor(...)设定矩形的轮廓颜色。" ///
     "lwidth(...)设定矩形的外边缘线的宽度。" ///
     "lpattern(...)设定矩形的外边缘线的类型。")
*可通过命令 graph query linewidthstyle 列示线宽代号。
*可通过命令 palette linepalette 图示线型代号。	 
*可通过外部命令 palette_all 查看颜色代号。
*运行 ssc install full_palette 即可下载该外部命令。

命令运行结果如下图:

Figure 1
Figure 1

2.3 离散变量的直方图

本小节将介绍如何绘制离散变量的直方图。

. sysuse nlsw88.dta, clear // 调用内置数据

. histogram grade
. graph save d1, replace
. histogram grade, discrete //离散变量的直方图必须附加 discrete 选项
. graph save d2, replace

. graph combine d1.gph d2.gph // 对比差异

命令运行结果如下图:

Figure 2
Figure 2

2.4 两个完整的例子

首先,我们先看第一个例子——利用 by(...) 进行分组绘制直方图。

. sysuse auto, clear

. histogram mpg, percent discrete ///
   by(foreign, col(1)    note(分组指标:汽车产地) ///
   title("图3:不同产地汽车里数") ///
   subtitle("直方图")) ///
   scheme(s1mono) gap(50) ///
   ytitle(百分比(%)) xtitle(汽车里数) ///
   xlabel(12(2)42)

. graph save "fig3-1.gph", replace 
. graph export "fig3-1.png", replace

/*解释
by(...) 里的命令分别为: 按 foreign 变量进行分组,
图形按单列显示,设置注释,设置标题,设置副标题;

scheme(...) 设定图形模板(可理解为主题);

gap(#) 调节矩形之间间隙的大小;

ytitle(...) 设置 y 轴标题;

xtitle(...) 设置 x 轴标题;

xlabel(12(2)42) 设定横坐标刻度标签,
  x 轴的刻度从 12 开始,到 42 结束,每隔 2 添加一个刻度。
*/

第二个例子利用多种绘图选项,绘制了较为复杂的直方图。

. sysuse sp500, clear
. summarize volume // 基本统计量

#delimit ;
. histogram volume, freq normal
     graphregion(color(white)) 
     addlabels addlabopts(mlabcolor(g))
     xaxis(1 2)
     ylabel(0(10)65, grid)
     xlabel( 12321 "mean"
             9735 "-1 s.d."
             14907 "+1 s.d."
             7149 "-2 s.d."
             17493 "+2 s.d."
             20078 "+3 s.d."
             22664 "+4 s.d."
            ,axis(2) grid)
     fcolor(ebg) lcolor(gs8)	 
     lwidth(medium)  normopts(lcolor(black))
     subtitle("图4: S&P 500 交易量 (2001年1月-12月)")
     ytitle(频数)
     xtitle("交易量(千笔)") xscale(titlegap(2))
     xtitle("", axis(2))
        note("数据来源:雅虎!财经数据") ;
#delimit cr

. graph save "fig3-2.gph", replace 
. graph export "fig3-2.png", replace

. help axis_choice_options 
. help axis_label_options 
/*解释
graphregion(color(...)) 设置背景颜色;
xaxis(1 2) 设置双坐标 x 轴;
xlabel(..., axis(2) grid gmax)设置 x 轴标签及刻度,
其中 axis(2) 表示第二个 x 轴,grid 添加网格线;
normopts(lcolor(black)) 设置正态分布曲线颜色
xscale(titlegap(2)) 设置 x 轴与 x 轴标题间距;
*/

上述两个例子的运行结果,如下图:

Figure 3
Figure 3

3. 好用的外部命令

本小节将介绍 8 个有用的外部命令。

3.1 命令1:histbox

命令 histbox 能同时绘制 直方图箱型图

. ssc install histbox, replace //下载外部命令
. help histbox //generate histogram with boxplot 

. sysuse auto, clear //调用内置数据

#d ;
  histbox mpg, mean freq normal bin(10)
     title("汽车里数分布") 
     xlabel(12(2)42);
#d cr

/*注意: 
该命令默认按比例 (fraction) 绘制直方图,
若加上 freq 则是按频数绘制直方图;
不能用 by 选项进行分组绘图。
*/
Figure 4
Figure 4

3.2 命令2:historaj

命令 historaj 在基本直方图上添加了描述性统计。

. ssc install historaj, replace //下载外部命令
. help historaj //histogram with descriptive statistics 

. sysuse auto, clear
. historaj mpg
/*注意: 
该命令不能用 by 选项进行分组绘图;
执行命令后需要手动在界面进行设置。
*/
Figure 5
Figure 5

3.3 命令3:histoflogx

命令 histoflogx 在绘制直方图时,把横轴改为对数坐标。

. net install histoflogx, replace //下载外部命令
* 不能下载,可以用 findit  histoflogx
. help histoflogx //Histogram with log scale on the x-axis

. sysuse auto, clear
. histoflogx mpg, bin(9) ///
percent start(`=log(10)') ///
lab(10/20 30 40)
Figure 6
Figure 6

3.4 命令4:eqprhistogram

命令 eqprhistogram 使得每个矩形的面积相等。比如,令直方图有 10 个矩形,则可以看出数据十分位数 (Quartile) 的分布情况。

. ssc install eqprhistogram, replace //下载外部命令
. help eqprhistogram //equal probability histogram

. sysuse auto, clear

. eqprhistogram price, ///
     bin(10) plot(kdensity price)
Figure 7
Figure 7

3.5 命令 5:spechist

命令 spechist 可选用不同方法确定矩形的个数/宽度。

. ssc install spechist, replace //下载外部命令
. help spechist //可选用不同方法确定矩形的个数/宽度

. sysuse citytemp, clear
spechist tempjuly, me(all) ///
kden copt(imargin(small))
* 画出所有方法对应的图形
Figure 8
Figure 8

3.6 命令6:marhis

命令 marhis 可用于分析边际效应。注意该命令仅适用于分析以下三种变量: (1) 任意连续变量; (2) 两个连续变量的交乘项; (3) 连续变量和类别变量的交乘项; 注意:交乘项必须使用因子变量的语法格式。

. ssc install marhis, replace //下载外部命令
. help marhis 
* to produce predictive margins and 
* marginal effects plots with histogram 
* after regress, logit, xtmixed and mixed 

. sysuse "nlsw88.dta", clear
reg wage i.industry c.hours##i.union
marhis hours, cate(union) // 连续变量和类别变量的交乘项
Figure 9
Figure 9

如何分析边际效应,可参如下推文:

3.7 命令7:bihist

命令 bihist 可以用来绘制双变量双向直方图。

. ssc install bihist, replace //下载外部命令
. help bihist 

. sysuse nlsw88, clear

. bihist wage, by(married) ///
    tw(color(navy)) ///
    tw1(color(maroon))
/*
by(married): 以婚姻状态 (married) 分组,绘制工资 (wage) 的双向直方图。

tw(color(...)) tw1(color(...)): 分别设置上下矩形的颜色。
*/
Figure 10
Figure 10

3.8 命令 8:byhist

命令 byhist 可以用来绘制双变量单向直方图。

. ssc install byhist //下载外部命令
. help byhist

. sysuse nlsw88, clear
. byhist wage, by(married) ///
    tw1(color(navy)) ///
    tw2(color(maroon))
/*
by(married): 以婚姻状态 (married) 分组,绘制工资 (wage) 的单向直方图。

tw1(color(...)) tw2(color(...)): 分别设置左右矩形的颜色。
*/

![Figure 11]!(https://fig-lianxh.oss-cn-shenzhen.aliyuncs.com/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy8xODM3ODkzOC04NjEzMjkxMDVjYjZmOGMxLnBuZw)

4. 进一步美化图形

4.1 如何呈现透明的直方图

在多个图形重叠出现时,设定图形的透明度非常实用。举个例子,假设你在绘制两个变量的直方图时,发现两个直方图有重叠部分,该怎么办呢?

如果我们不设定透明度,直接绘制两个直方图,则图形显示如下:

. sysuse "nlsw88.dta", clear

#d ;
. twoway (hist wage if union==0, 
   frac color(eltgreen))
       (hist wage if union==1, 
   frac color(eltblue)), 
   legend(label(1 "union") label(2 "Non-union"))
   title("错误示范") ;
#d cr
Figure 12
Figure 12

你会发现上例呈现的图形很丑,蓝色直方图几乎覆盖了下方浅绿色直方图。为了得到更好的图片呈现效果,我们可以设定颜色的透明度。这可以通过两个方法来实现。

第一种方法 是,通过选项 fcolor(none) 设定颜色的透明度。

#d ;
. twoway (hist wage if union==0, 
     frac lcolor(gs12) fcolor(gs12)) 
       (hist wage if union==1, 
     frac fcolor(none) lcolor(black)), 
       legend(label(1 "union") label(2 "Non-union"))
     title("第一种方法");
#d cr
/*
fcolor(...) 设定矩形的填充颜色。
fcolor(none) 表示无填充颜色。
lcolor(...) 设定矩形的轮廓颜色。
*/
Figure 13
Figure 13

第二种方法是,通过选项 color(...%#) 设定颜色的透明度。 注意该选项仅适用于 Stata 15 及以上版本。

. sysuse "nlsw88.dta", clear
#d ;		 
twoway (hist wage if union==1, 
   frac fcolor(black*0.3)
   lcolor(red*0.3%100)) 
       (hist wage if union==0, 
   frac color(green%40) 
   lcolor(black)), 
   legend(label(1 "union") label(2 "Non-union"))   
   title("第二种方法");
#d cr
/*
color(color%#), # 的数值越小,透明度越高。
fcolor(...) 设定矩形的填充颜色。
lcolor(...) 设定矩形的轮廓颜色。
*/
Figure 14
Figure 14

4.2 如何在同一幅图绘制多个垂直直方图

本小节的灵感源自一个知乎问题:想知道这种类型的图是用什么计量软件做出来的?。本小节的代码虽然不能完全解决这个问题,但希望能提供一些思路,供大家参考和指正。

由于没有该问题的原始数据,故使用 Stata 软件自带的数据文件 nlsw88.dta 进行模拟。该数据包含了 1988 年采集的 2246 个美国妇女的资料。 本小节将针对 种族 race、职业 industry 两个变量进行绘图。

. ssc install mdesc //下载外部命令
. sysuse "nlsw88.dta", clear

. keep industry race 
. labelbook //查看文字-变量对应表
/*
人种:
1   white
2   black
3   other
行业:		   
1   Ag/Forestry/Fisheries
2   Mining
3   Construction
4   Manufacturing
5   Transport/Comm/Utility
6   Wholesale/Retail Trade
7   Finance/Ins/Real Estate
8   Business/Repair Svc
9   Personal Services
10   Entertainment/Rec Svc
11   Professional Services
12   Public Administration
*/

mdesc //检查变量是否有缺失值
drop if industry == .

bysort race industry: gen n_race_ind = _N
bysort race: gen n_race = _N
duplicates drop race industry, force
gen ratio = n_race_ind/n_race 
// 分人种后,计算每个行业的占比

sort race industry
// 发现人种为黑人和其他时,有的行业缺失
// 补上缺失行业,便于画图时共用 y 轴
drop n_*
save temp.dta, replace
replace race = 2 in 1
replace industry = 2 in 1

replace race = 3 in 2
replace industry = 1 in 2

replace race = 3 in 3
replace industry = 2 in 3

replace race = 3 in 4
replace industry = 6 in 4

replace race = 3 in 5
replace industry = 10 in 5

keep in 1/5
replace ratio = 0 

append using "temp.dta"
sort race industry
erase temp.dta

*-第一个直方图的辅助图
. graph hbar ratio if race == 1, ///
    over(industry, ///
    label(grid glpattern(dash))) ///
    ylabel(,nolabels grid glpattern(dash)) ///
    ytitle("race: white", placement(left)) ///
    saving(fig_11.gph, replace)

*-第一个直方图
. graph hbar ratio if race == 1, ///
    over(industry, ///
    label(nolabels grid glpattern(dash))) ///
    ylabel(,nolabels grid glpattern(dash)) ///
    ytitle("race: white", placement(left)) ///
    saving(fig_12.gph, replace)

*-第二个直方图
. graph hbar ratio if race == 2, ///
    over(industry, ///
    label(nolabels grid glpattern(dash))) ///
    ylabel(, nolabels grid glpattern(dash)) ///
    ytitle("race: black", placement(left)) ///
    saving(fig_2.gph, replace)

*-第三个直方图
. graph hbar ratio if race == 3, ///
    over(industry, ///
    label(nolabels grid glpattern(dash))) ///
    ylabel(,nolabels grid glpattern(dash)) ///
    ytitle("race: others", placement(left)) ///
    saving(fig_3.gph, replace)

*-图形合并
. graph combine fig_11.gph fig_12.gph ///
    fig_2.gph fig_3.gph, ///
    col(4) iscale(*0.8) imargin(zero)

此时图形还并不完美,需要借助 graph editor 手动编辑,如下图所示:

Figure 15
Figure 15

锵锵锵, 最后成果图如下:

Figure 16
Figure 16

5. 其它相关命令

  • help tabplot // SJ 16(2): 491--510 外部命令安装:ssc install tabplot, replace

  • help hist2 // Histograms with more options 外部命令安装: net install hist2, replace

  • help marginsplot // 分析边际效应

  • help twoway__histogram_gen // 具体介绍参见 SJ 5(2):280--281

6. 相关链接和推文

相关推文

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 因果推断, 空间计量,寒暑假班等
数据清洗系列 游万海 直播, 88 元,已上线
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-主页知乎专栏,300+ 推文,实证分析不再抓狂。
  • 公众号推文分类: 计量专题 | 分类推文 | 资源工具。推文分成 内生性 | 空间计量 | 时序面板 | 结果输出 | 交乘调节 五类,主流方法介绍一目了然:DID, RDD, IV, GMM, FE, Probit 等。
  • 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

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