1. 数据框简介
2. 数据集子集
3. 数据框使用
4. 将统计结果存储在数据框中
5. 将回归结果存储在数据框中
6. 数据框之间的连接
7. 玩转 Links
8. 相关推文
资源共享
关于我们
Stata数据处理：数据框使用教程
2022-06-05
陈卓然
7501

连享会   主页 || 推文 || 知乎 || B 站 || 在线课堂

New！ 搜推文，找资料，用 lianxh 命令：
安装： ssc install lianxh, replace
使用： lianxh 合成控制
       lianxh DID + 多期, w

 

⛳ Stata 系列推文：

☝ PDF下载 - 推文合集

 

 

作者：陈卓然 (中山大学)
邮箱：chenzhr25@mail2.sysu.edu.cn

 

 

目录
[[TOC]]

 

 

1. 数据框简介

在 Stata16 以后，Stata 开始允许使用数据框。这意味着我们可以将多个数据集存储在 Stata 内存中，并对不同的数据集同时进行处理。对于经常处理单一大型数据的人来说，他们再也不用总是 preserve restore 了，也不用再将无数个数据集合并到一起，这大大提高了数据处理的效率。为了实现上述目的，我们需要学会如何使用数据框，以及如何在不同的数据框之间建立联系。

在正式开始介绍之前，我们先简单了解一下数据框。打开 Stata16 或者更高级的版本，输入以下命令，我们发现当前的数据框是 default。这是因为在没有指定数据框前，Stata 加载的数据都会存储在名为 default 的数据框中。当然我们也可以通过命令 frames rename，来更改数据框的名称。需要注意的是，命令 frames 和 frame 可以相互替换。

. sysuse auto, clear
. frames
  (current frame is default)

. frames rename default carUS
. frames
  (current frame is carUS)

 

2. 数据集子集

如果要对 auto.dta 数据集中的几个变量进行分析，我们可以将这几个变量放入到一个新的数据框中。例如，我们需要将变量 make、price、mpg 放入到数据框 mysubset 中，我们可以运行以下代码：

. frames put make price mpg, into (mysubset)
. frames dir
  carUS     74 x 12; 1978 automobile data
* mysubset  74 x 3; 1978 automobile data
Note: Frames marked with * contain unsaved data.

. frames
  (current frame is carUS)

可以看出，我们有两个数据框 carsUS 和 mysubset，当前数据框是 carUS。如果想从数据框 carUS 转换到 mysubset，我们可以使用如下命令：

. frame change mysubset
. frames
  (current frame is mysubset)

如果想要对数据框 mysubset 进行分析，但不需要转换到该数据框中，我们可以运行如下命令：

. frame mysubset: des2

variable name   type    format    value label   variable label
-----------------------------------------------------------------------
make            str18   %-18s                   Make and model
price           int     %8.0gc                  Price
mpg             int     %8.0g                   Mileage (mpg)

. frame mysubset: summ price

    Variable |        Obs        Mean    Std. dev.       Min        Max
-------------+---------------------------------------------------------
       price |         74    6165.257    2949.496       3291      15906

当然，我们也可以采用循环的方式对全部变量逐个进行描述性分析，具体命令如下：

. frame mysubset {
.     foreach x of varlist _all {
  2.      summ `x'
  3.  }
. }

    Variable |        Obs        Mean    Std. dev.       Min        Max
-------------+---------------------------------------------------------
        make |          0
        
    Variable |        Obs        Mean    Std. dev.       Min        Max
-------------+---------------------------------------------------------
       price |         74    6165.257    2949.496       3291      15906

    Variable |        Obs        Mean    Std. dev.       Min        Max
-------------+---------------------------------------------------------
         mpg |         74     21.2973    5.785503         12         41

这个简单的小例子告诉我们，在对不同数据框进行操作时，基本语法格式为：

frame <framename> {
    some stata commands
}

 

3. 数据框使用

数据框绝不仅仅是用来提取数据子集的，我们也可以用来拷贝原始数据：

. frames copy carUS mycarUS
. frame dir
  carUS     74 x 12; 1978 automobile data
  mycarUS   74 x 12; 1978 automobile data
* mysubset  74 x 3; 1978 automobile data

可以生成一个空数据框，然后加载一些新的数据到这个数据框：

. frames create otherdata 
. frames otherdata: sysuse census
(1980 Census data by state)

. frame dir
  carUS      74 x 12; 1978 automobile data
  mycarUS    74 x 12; 1978 automobile data
* mysubset   74 x 3; 1978 automobile data
  otherdata  50 x 13; 1980 Census data by state

可以清空数据框：

. * 这两个命令等价
. clear frames 
. frames reset  

. frame dir
  default  0 x 0

如果只想清除某一个数据框，只需要输入：

. frames drop mycarUS

 

4. 将统计结果存储在数据框中

如果将 carUS 中每一个变量的均值和标准差存储在另外一个数据框中，并挑选出数值变量，我们需要进行如下操作：首先创建一个空数据框，并产生相关变量。

. cap frame drop sumstats
. frames create sumstats str15(variable) mean sd

然后，我们提取数值型变量，并将其均值和标准差存储在数据框 sumstats 中。

. * pick variables which are numeric 
. ds, has(type numeric)
. local mylist `r(varlist)'

. * loop and store information
. foreach x of local mylist { 
  2.    qui summ `x'
  3.    frame post sumstats ("`x'") (r(mean)) (r(sd))
  4. }

这里使用到命令 frame post，它的语法格式为：

frames post <framename> (var1) (var2) (var3)

在使用 frames post 的时，有两点注意事项：

  • frame post 中添加的变量个数一定不能超过数据框中变量个数；
  • frame post 本质上是 append 命令。这意味着在循环时，如果不及时清除数据框，那么 frame post 会在同一数据框中添加数据，而不是覆盖原有数据。

 

5. 将回归结果存储在数据框中

首先，我们导入数据，并估计如下方程：

lnwageit=β0+β1gradeit+β2ageit+β3ageit2+β4tenureit+β5blackit+β6southit+εitlnwage_{it} = \beta_0+\beta_1 grade_{it}+\beta_2 age_{it}+\beta_3 age^2_{it}+\beta_4 tenure_{it} +\beta_5 black_{it} +\beta_6 south_{it} +\varepsilon_{it} 

. frames reset
. lxhuse nlswork, clear
. xtset idcode year
. g age2 = age^2
. g black = (race == 2)
. xtreg ln_w grade age age2 tenure black south

接着，我们创建一个新的数据框 results，并生成相关变量。

. cap frame drop results
. frame create results str15(model variable) mean se

最后，我们将回归结果存储到数据框 results 中。

. * Random-effects model
. local varlist "grade age age2 tenure black south"
. xtreg ln_w `varlist', re
. foreach x in `varlist' _cons {
  1.     frame post results ("re") ("`x'") (_b[`x']) (_se[`x'])
  2. }

. * Fixed-effects model
. xtreg ln_w `varlist', fe 
. foreach x in `varlist' _cons {
  2.    frame post results ("fe") ("`x'") (_b[`x']) (_se[`x'])
  3. }

. * Random-effects model using MLE
. xtreg ln_w `varlist', mle 
. foreach x in `varlist' _cons {
  2.     frame post results ("mle") ("`x'") (_b[`x']) (_se[`x'])
  3. }

. frame results: list

     +-----------------------------------------+
     | model   variable        mean         se |
     |-----------------------------------------|
  1. |    re      grade    .0733589    .001862 |
  2. |    re        age    .0517477   .0026624 |
  3. |    re       age2   -.0006903   .0000441 |
  4. |    re     tenure     .025796   .0007288 |
  5. |    re      black   -.0354088    .010513 |
     |-----------------------------------------|
  6. |    re      south    -.106246   .0075266 |
  7. |    re      _cons   -.1763739   .0443129 |
  8. |    fe      grade           0          0 |
  9. |    fe        age     .052113   .0027815 |
 10. |    fe       age2   -.0006673   .0000461 |
     |-----------------------------------------|
 11. |    fe     tenure    .0215835   .0007989 |
 12. |    fe      black           0          0 |
 13. |    fe      south   -.0697603   .0111167 |
 14. |    fe      _cons    .7170634   .0408609 |
 15. |   mle      grade    .0733416   .0018278 |
     |-----------------------------------------|
 16. |   mle        age    .0517524   .0026673 |
 17. |   mle       age2   -.0006914   .0000442 |
 18. |   mle     tenure    .0259506   .0007329 |
 19. |   mle      black   -.0354719   .0103123 |
 20. |   mle      south   -.1070148   .0074688 |
     |-----------------------------------------|
 21. |   mle      _cons   -.1751722   .0441207 |
     +-----------------------------------------+

如果我们需要提取出系数、标准差、置信区间的上下界，并放在数据框 indextest 中，我们可以借助回归后矩阵 r(table) 实现。

. xtreg ln_w grade age age2 tenure black south, re
. mat li r(table)

r(table)[9,7]
             grade         age        age2      tenure       black       south       _cons
     b    .0733589   .05174773  -.00069031   .02579596  -.03540883  -.10624599  -.17637391
    se   .00186197   .00266236    .0000441   .00072876   .01051301   .00752658   .04431291
     z   39.398606   19.436806  -15.653408   35.397072  -3.3680966  -14.116102  -3.9801921
pvalue           0   3.769e-84   3.149e-55   1.89e-274   .00075689   3.023e-45   .00006886
    ll   .06970951   .04652961  -.00077675   .02436762  -.05601395  -.12099782  -.26322562
    ul   .07700829   .05696586  -.00060388    .0272243  -.01480371  -.09149416   -.0895222
    df           .           .           .           .           .           .           .
  crit    1.959964    1.959964    1.959964    1.959964    1.959964    1.959964    1.959964
 eform           0           0           0           0           0           0           0

. cap frame drop indextest
. frame create indextest str20(variable) mean sd ll ul
. local varlist "grade age age2 tenure black south"
. xtreg ln_w `varlist', re
. local i = 1
. foreach x in `varlist' _cons {
  2. frame post indextest ("`x'") (r(table)[1,`i']) (r(table)[2,`i']) (r(table)[5,`i']) (r(table)[6,`i'])
  3.     local i = `i' + 1 
  4. }
. frame change indextest
. list

     +---------------------------------------------------------+
     | variable        mean         sd          ll          ul |
     |---------------------------------------------------------|
  1. |    grade    .0733589    .001862    .0697095    .0770083 |
  2. |      age    .0517477   .0026624    .0465296    .0569659 |
  3. |     age2   -.0006903   .0000441   -.0007767   -.0006039 |
  4. |   tenure     .025796   .0007288    .0243676    .0272243 |
  5. |    black   -.0354088    .010513    -.056014   -.0148037 |
     |---------------------------------------------------------|
  6. |    south    -.106246   .0075266   -.1209978   -.0914942 |
  7. |    _cons   -.1763739   .0443129   -.2632256   -.0895222 |
     +---------------------------------------------------------+

 

6. 数据框之间的连接

数据框的连接允许我们不用将全部数据合并为一个大文件后再操作，不过 Stata 中数据框的连接暂时还不支持 1:m 型。接下来，我们将以 1:1 型的连接为例进行介绍。我们首先调入 atuo.dta 数据集，生成变量 id。然后将变量 id 存储到数据框 otherdata 中，并生成两个新变量。

. frames reset
. sysuse auto, clear
. gen id = _n
. order id
. frames put id, into (otherdata)
. frames otherdata: gen var1 = rnormal()
. frames otherdata: gen var2 = runiform()
. frame dir
* default    74 x 13; 1978 automobile data
* otherdata  74 x 3; 1978 automobile data

现在我们要将 default 和 otherdata 两个数据框按照 id 连接起来，可以使用如下命令：

. frlink 1:1 id, frame(otherdata)
  (all observations in frame default matched)
. findname
id            price         rep78         trunk         length        displacement  foreign
make          mpg           headroom      weight        turn          gear_ratio    otherdata

可以发现，我们新生成了一个变量 otherdata，这是 Stata 标识数据框连接的一个变量 (千万不要对这个变量做任何操作)。我们可以使用 frlink describe otherdata 的命令来获得连接的一些基本信息，例如何时创建，如何创建等。我们也可以定义连接的变量名，具体代码如下：

. frlink 1:1 id, frame(otherdata) generate(_link_otherdata)

尽管看上去 frlink 和 merge 很像，但是 frlink 还是有很大的优势的。例如 frlink 可以允许使用不同的标识变量名进行连接。具体地，一份数据集中标识变量为 id，另一份数据集中的标识变量为 carid，我们可以通过命令语句 frlink 1:1 id, frame(frame1 carid) 完成合并。

需要注意的是，数据框的连接是单方向的，即数据框 1 连接到数据框 2 并不意味着数据框 2 也连接到数据框 1。此外数据框的连接也不具有传递性，即数据框 1 连接到数据框 2，数据框 2 连接到数据框 3，这并不意味数据框 1 自动连接到数据框 3。

 

数据框之间的连接建立之后，我们可以使用 frget 的命令从另一个数据框中获取数据并操作。几个比较典型的命令有：

. * copy the variables as they are
. frget var1 var2, from(_link_otherdata)

. * copy and prefix the variables
. frget var1 var2, from(_link_otherdata) prefix(copy_)

. * generate a new variable
. frget newvar = var1, from(_link_otherdata)

我们也可以通过 frval 实现在一部分命令中交互式使用另一个数据框的数据。

. g newvar2 = price/ frval(_link_otherdata, var1)
. regress price mpg if frval(_link_otherdata, var1) < 0.5

不过，frval 不能直接用于回归当中，例如 reg price frvar(_link_otherdata, var1)。

 

8. 相关推文

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

 

 

资源共享

尊敬的老师 / 亲爱的同学们：
连享会致力于不断优化和丰富课程内容，以确保每位学员都能获得最有价值的学习体验。为了更精准地满足您的学习需求，我们诚挚地邀请您参与到我们的课程规划中来。
请您在下面的问卷中，分享您 感兴趣的学习主题或您希望深入了解的知识领域 。您的每一条建议都是我们宝贵的资源，将直接影响到我们课程的改进和创新。
我们期待您的反馈，因为您的参与和支持是我们不断前进的动力。感谢您抽出宝贵时间，与我们共同塑造更加精彩的学习旅程！https://www.wjx.cn/vm/YgPfdsJ.aspx# 再次感谢大家宝贵的意见！

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。more……
  • 扫码加入连享会微信群，提问交流更方便

Stata数据处理：数据框使用教程

⭐ 课程板书和答疑文档

o 选题征集，点击 此处 或者扫码填写问卷留下您的宝贵意见，感谢！

NEW！视频课堂：lianxh-class.cn

⚡ 新版 lianxh 命令：使用说明
 . ssc install lianxh, replace
 . lianxh 多期DID

⚡ ihelp：帮助文件 PDF 版
 . ssc install ihelp, replace
 . ihelp xtreg

lianxh_cn_saoma

⭕ 录播-因果推断实用计量方法
  o 60 天回放；15 位助教全程答疑
  o 嘉宾：邱嘉平教授 (加拿大麦克玛斯特大学)
  o 课纲：网页版；PDF 版，-报名-

⭕ 连玉君 · Stata 33 讲 - 免费
  o 点击观看，dofile 下载

推荐专题