Stata学习资料

2.1.2 从Excel或TXT等文档复制数据

Stata可以直接从别的文档复制数据。如果数据来自Excel可以直接复制粘帖；若数据是来自Word或TXT文档，并以Tab键分隔，也可以直接复制粘帖。

只有当数据较少的时候才可以直接复制粘帖，如果碰到大量的数据，并只需要读入其中部分变量，这种方法就显得过于繁琐。下面介绍Stata标准的读入数据的方式。

2.1.3 标准的方式读入数据

Stata有标准的读入数据的方式，这种方式可以非常方便地读入大型的数据。该方式是使用命令insheet,对原始数据要求必须为有Tab键分隔或逗号分隔的数据。

在上面dir显示的结果中，最后两个文件都是以.xlsx为后缀，表明这是excel格式的数据，下面我们就以股票交易.xlsx为例看怎样将excel数据转换成逗号分隔的数据。

首先，打开文件“股票交易.xlsx ” ，然后点击左上角的另存为，就会出现如下的对话框：

下拉保存类型框最右边的箭头

，会出现如下的菜单：

12

选择CSV（逗号分隔），然后保存。此时，excel会有这样的提示：

点击“是（Y）”。关闭excel，会出现如下提示：

点击“是（Y）”，又会出现一个保存对话框：

13

可以对文件名部分进行修改，保存你方便的文件名，为了和先前的做对比，此处继续使用“股票交易”文件名，文件名修改好后，点击保存，出现如下提示：

在点击“是（Y）”，此时出现如下提示：

继续点击“是（Y）”即可。如果刚开始操作的时候，觉得有些啰嗦，你可以这样操作，看到有提示的对话框，都点击是，就行了。

我们通过命令dir查看Stata11下面的文件，这时比先前多了个“1266.7k 8/12/10 15:08 股票交易.csv ”，这样就保存的CSV（逗号分隔）格式的文件。

14

然后通过菜单File > Import > ASCII data created by a spreadsheet操作方式如下：

点击ASCII data created by a spreadsheet，出现如下对话框：

15

在ASCII dataset filename:下面的空白处通过Browse选择要读入的CSV格式的数据操作完成后，空白出会有如下的内容：

再点击最下方的OK，这样文件“股票交易.csv”便读入到Stata里。然后将文件保存为 “股票交易.dta” Stata格式的，以备用。

文件“股票交易.csv”读入到Stata里还可以通过如下命令方式实现： .insheet using “D:\\Stata11\\股票交易.csv”

语句意思为从D盘的Stata11下面读入非Stata格式的文件股票交

易.csv，因为StataSE在这路径下，即此时的路径就是在Stata11下，所以上面的命令也可简写为

.insheet using 股票交易.csv

Stata保存的数据文件的格式为.dta，但是此格式的读取用insheet却不能读入。下面介绍.dta 格式数据的读入

16

2.1.4 .dta格式的数据读入

通过以上的操作，在我们的Stata11文件下已经存储了“股票交易.dta”。这是一个可以直接使用的Stata类型文件，如果要将此文件读入到Stata里，你可以选择在点击工具栏的第一个图标框：

，然后就会弹出如下对话

选中“股票交易”，然后点击最下方的“打开（O）”，即打开。 也可通过命令方式打开，程序命令如下： .use 股票交易.dta

此语句意思为使用文件“股票交易.dta”，因为.dta是Stata的默认存储数据的格式，所以上面的命令也可简写为：

.use 股票交易

虽然使用菜单和命令方式都可以读入数据，但菜单方式会读入全部数据，包括所有的观察值和变量，而命令方式会有选择性和灵活性。

如果只需要使用文件“股票交易.dta”中的变量v1和v2，则通过如下命令：

.use v1 v2 using股票交易

然后点击工具栏倒数第四个图标Date Editor（Browse），或输入命令bro（browse的简写）,对数据进行浏览，显示如下：

17

如果需要读入数据的前10笔，可通过如下命令实现： .use 股票交易 in 1/10

此语句意思的读入文件“股票交易.dta”的第1到第10笔数据，使用命令bro查看数据，显示如下：

在上面的数据编辑器里有的变量v1是黑色，而变量v2是红色，黑是字体代表是数值型的，红色代表字符型的。数据虽然已经输入到Stata里，但是并不符合所需数据的的形式，下面对数据进行整理。

18

2.2 删除变量和观测值

2.2.1 删除变量

在文件“股票交易.dta”中，变量v3(股票简称)和变量v4（公司中文

名）是多余的，需要删除，下面我们就来介绍怎样删除变量。

可以通过菜单Data > Variables Manager，操作方式如下：

然后会出现如下的对话框：

19

按住Ctrl键，选中变量v3和v4,再单击鼠标右键，选中Drop Selected Variables会有如下显示：

待变蓝后，左键单击，出现如下对话框：

20

然后选择是（Y）即可。

也可通过如下命令方式实现： .drop v3 v4

上面语句的意思是删除变量v3和v4。 再通过如下命令将文件保存： .save 股票交易,replace 然后在输入命令 .clear

此语句的意思是删除，删除当时Stata中使用的所以变量。

2.2.2 删除观测值

在会计中，由于金融行业的会计制度和其他的行业的不同，所以在进行实证研究时，一般会剔除金融行业的观测值。下面我们就来查看在“股票交易”数据中是否存在金融行业的，并将其剔除。

变量csrc代表行业分类，通过菜单Statistics > Summaries, tables, and tests > Tables > One-way tables，可获得变量csrc的频数分布，操作如下：

点击One-way tables，出现如下对话框：

21

点击Categorical variable下面的箭头，选择变量csrc,操作如下：

再点击OK即可。

也可通过如下的 tab(tabulate的简写)命令方式实现上面的操作： .tab csrc

在结果窗口发现变量csrc含有J，J01，J09，他们是金融行业的代码，现在删除这些观测值。

在命令窗口输入如下命令便可实现： drop if csrc==“J”

语句意思是如果变量csrc的观测值等于J就删除，Stata语句中if表示如果，假如的意思。Stata中的算术和逻辑符合如下：

== != > < >= <= = 算术和逻辑符合 等于 不等于 大于 小于 大于或等于 小于或等于 定义为 + - * ^ | & ！ 加 减 乘 除 或 和 否 通过上面的程序命令，变量csrc中含有J的观测值被删除。剩下的观测值J01和J09，你可以按照上面的命令用两步把不需要的观测值删除。也可以通过如下的命令方式一次性删除上面三个观测值：

. drop if csrc==“J”|csrc==“J01”| csrc==“J09”

删除了不需要的观测值，此时变量csrc就便的多余了，使用命名： .drop csrc

22

然后保存文件

.save 股票交易,replace

2.3 变量类型的转换

2.3.1 变量的描述

先读入数据“股票交易.dta”，如果此时你想查看数据所包含每个变量的类型，变量的标签，并包含了多少观测值等，可以通过菜单实现：Data > Describe data > Describe data in memory,操作如下：

点击Describe data in memory，出现如下的对话框：

在Variables下面的框格里最右边有个箭头，点击它选择所要描述的变量，先选择变量v1,v2,操作如下：

23

然后点击OK，在结果的窗口，出现如下的内容：

storage display value

variable name type format label variable label ------------------------------------------------------------------------------------------------------------------------------------

v1 long .0g 股票代码 v2 str10 s 年度

variable name表示变量名称，storage type表示变量类型，display format表示显示格式，value label表示取值的标签，variable label表示变量的标签。

上面菜单的操作，用命令des(describe的简写)同样可以实现： .des v1 v2

此语句的意思的描述变量v1,v2的基本情况。

如果在如下对话框：

24

Variables下面的框格里什么都不填，直接点OK，Stata默认将所有的变量都描述出来，结果窗口显示内容如下：

Contains data from 股票交易.dta

obs: 16,820

vars: 4 13 Aug 2010 21:46 size: 504,600 (99.0% of memory free)

------------------------------------------------------------------------------------------------------------------------------------ storage display value

variable name type format label variable label

------------------------------------------------------------------------------------------------------------------------------------ v1 long .0g 股票代码 v2 str10 s 年度 v6 float %9.0g 回报率 v7 double .0g 总市值

------------------------------------------------------------------------------------------------------------------------------------

第一行 Contains data from 股票交易.dta意思数据来自于股票交易.dta这个文档。obs:16820,表示观测值是16820个，vars:4 表示变量有4个，后面的日期表示最后一次修改数据的日期，size: 504,600 (99.0% of memory free)表示数据占有504600B内存，还有99%的内存是可用。 此菜单操作同等于如下命令：

25

.des

从结果窗口的显示可以看书，变量v2的类型是str10,代表是意思是字符型，最长的字符长度是10。

下面我们就来看怎样将字符型变量转换为数值型变量。

2.3.2 将字符型变量转换成数值型

通过前面的分析，我们已经变量v2是字符型，现在将v2转换成数值。首先，列示变量v2的前5笔观测值，看其含有哪些字符。使用菜单：Data > Describe data > List data，操作如下：

点击List data，出现如下对话框：

26

在此窗口Variables下面的框格里点击最右边的箭头，选择v2变量。切换到by/if/in/窗口，在Use a range of observations 前面的方框里点击下，会出现√，然后在From：后面填入1，在o:后面填入5，如下对话框：

点击OK。在结果窗口有如下的显示内容：

+------------+ | v2 | |------------| 1. | 1991/12/31 | 2. | 1992/12/31 | 3. | 1993/12/31 | 4. | 1994/12/31 | 5. | 1995/12/31 | +------------+

上面的操作也可用如下的命令方式实现： . list v2 in 1/5

语句的意思列示变量v2的第1到第5笔观测值，命令list是列示的意思。 根据上面的显示结果可知，变量v2含有字符“/”,下面开始对变量v2进行转换。

使用菜单的步骤是：Data > Create or change data > Other

variable-transformation commands > Convert variables from string to numeric，操作如下：

27

点击Convert variables from string to numeric，出现如下的提示框：

在String variables to convert:下面的框格里，点击最右边的箭头，选择变量v2,并在Create new numeric variables named:下面的框格里输入产生的新变量名date，然后点击Remove these characters前面方框，会出现√，在Remove these characters下面的框格里填上/，操作的显示如下：

28

点击OK即可。

上面的操作也可通过如下命令的方式实现： . detring v2,generate(date) ignore(“/”)

上面语句的意思是忽略字符型变量v2中的/生成一个新数值型变量date。detring是将字符型变量转换成数值型变量的意思，generate（可简写为gen）意为产生一个新的变量，ignore是忽略的意思。

此时，再des所有变量下,会发现多了个新变量date，它的类型是数值型的。这样变量v2就不需要了，删除变量v2，再保存以备用。操作如下： . drop v2

. save 股票交易,replace

如果在要转换的字符变量里没有特殊字符（如/,%,$），可使用如下的程序命令来实现字符型的转换： .gen 新变量=real(旧变量)

此语句的意思是将旧变量的所有字符都转换成数值型的新变量。用此语句是值得注意的是，任何非数字的表达都会转换成缺失值，仅当数据没有字符的时候，才使用该功能。

前面对不需要的变量和观测值进行了剔除，并将变量都转换成了数值型变量。下面继续对数据进行处理，以符合最后使用数据的需要。

29

2.4 生成日期

打开股票交易数据，列示变量date的前5笔观测值，结果显示如下：

+----------+ | date | |----------| 1. | 19911231 | 2. | 19921231 | 3. | 19931231 | 4. | 19941231 | 5. | 19951231 | +----------+

此时的变量date，虽然是数值型的，其观测值19911231意思是1991年的年底，但是会计中很多实证研究并不需要这样累赘的年份，我们只需要1991。我们可以通过如下的程序命令来实现所要的操作： .gen year=int(date/10000)

此语句的意思是产生一个新变量year,它是这样定义的用date除以10000然后取整数，19911231除以10000等于1991.1231，再取整正好1991，就是所需要的年份。int是整数型，在此语句中意为取整数。

类似的方法如果我们需要月份，可通过如下的程序命令实现: .gen month=int((date/10000-year)*100)

还可用同样类似的方法提取天数。现在股票交易数据有了需要的年份，删除不需要的变量date,然后保存。 在变量窗口你会发现，新生成的变量year没有标签，下面给新的变量year填上标签。

30

2.5 给变量添加标签

数据股票交易中变量year其代表年份的意思，虽然这个变量容易明白其意思，但有时变量多时或是变量名不是用英文替代时，对于变量所代表的含义会难以分辨和理解，所以为了方便使用，需要给变量贴上标签。下面就来看怎样给变量year贴上年份这个标签的。

若通过菜单的方式是：Data > Variables Manager,操作如下：

点击Variables Manager，出现如下对话框：

先用鼠标选择year,然后在右边的Valuable Properties下面的Label框格里输入年份，操作如下：

31

点击右下方的Apply即可，最后将此对话框关闭。 也可以通过如下程序命令的方式实现上面的操作： .label var year 年份

此语句的意思是给变量year贴上标签年份。如果再输入如下的命令变量的标签就会自动删除： .label var year。

2.6 修改变量名称

打开数据股票交易，它包含四个变量v1,v6,v7和year,可以发现变量名v1没有变量名year方便使用，下面就对变量名v1,v6和v7进行修改，运用的菜单路径是:Data > Data utilities > Rename variable具体操作如下：

点击Rename variable，会出现如下的对话框：

32

点击Existing ariable name下面框格里箭头选择变量v1,然后在New

variable name下面的框格里输入新的变量名gpdm，操作如下：

点击下方的OK即可。

上面的操作也同样可以通过如下的程序命令方式实现： .rename v1 gpdm

此语句的意思是将变量v1重新命名为gpdm。用同样的方法将变量v6和v7重新命名为return和mv。

33

变量名修改好了，由于股票交易文档在接下来整理中会和其它数据进行合并，所以要先对其变量和进行排序。

2.7 变量和观测值的排序

2.7.1 变量的排序

有时为了方便变量的使用，会将一些常用的变量排在前面，或有对变量进行合并时，一般都会把合并的参照的变量排在最前面。对变量的排序通过菜单方式的路径是：Data > Data utilities > Change order of variables，操作如下：

点击Change order of variables，出现如下对话框：

34

点击Variables to reorder下面的框格最右边的箭头，会出现一个下拉菜单，是各个变量的名称，按照你需要的先后顺序点击各个变量，框格里就会按你点击的顺序显示出各个变量，如下所示：

然后点击OK即可。在变量窗口显示的变量的顺序就会按照你要的需要

排列，上面的操作可用如下命令方式实现：

.order gpdm year return mv

此语句意思是按照所列示的变量顺序排列。

如果你想把某个变量比如变量year移到变量return的前面，可以这样，菜单的路径是：Data > Data utilities > Change order of variables，操作如下：

点击Change order of variables，出现如下对话框：

35

点击Variables to reorder下面的框格最右边的箭头，会出现一个下

拉菜单，选择要移动的变量year，然后选中Place variables to reorder befor specified variable 此时它下面的框格会变蓝，然后点击框格里的箭头选择变量return,操作填入如下：

点击OK即可。此操作用命令方式如下：

36

.order year,before(return)

此语句的意思是将变量year移到变量return的前面。

另外，如果你只想把某两个变量的顺序调换下，用如下的命令可实

现：

.move 变量1 变量2

此语句的意思是交换变量1和变量2的位置。

2.7.2 观测值的排序

排序是指对要排序变量的观测值进行升序（或降序）的排列。要排序的

变量可以是一个也可以是多个。下面就对变量gpdm和year进行排序。使用菜单的路径是: Data > Sort > Ascending sort,操作如下：

点击Ascending sort，出现如下的对话框：

37

点击Variables下面框格最右边的箭头，选择变量gpdm和year，如

下：

点击OK即可。上面的操作可用如下命令方式实现： .sort gpdm year

此语句的意思是对当前的变量进行排序，先对变量gpdm按升排序，

再同一个gpdm的下对year按升序排序。值得注意的是，如果观测值中存在缺失值，会被排在最后，因为缺失值被认为是无穷大。最后保存。

用dir浏览stata11下面的文档，发现另外一个Excel的文档“财务

数据.xlsx” ，用对“股票交易.xlsx”数据处理的方法对此文档进行整理。得到新的文档“财务数据.dta”。下面对两个文档进行合并。

2.8 合并数据

合并数据分为纵向合并和横向合并。横向合并意思是增加变量，根据关

键变量进行将副档的文件合并到主档，如果主档（合并是当前打开的）和副档（当前未打开，但要合并到当前文档的）中有相同的变量名，副档会被住档替代；纵向合并意为增加观察值，主档和副档的变量名大部分相同，合并后相同名的变量的观察值增多。

2.8.1 横向合并

在d盘的Stata11里已经整理好了两个备用的Stata类型的文件：“财

务数据.dta”和“股票交易.dta” 。这两个文件都包含变量gpdm和year,现在对按照这个变量来合并，这两个变量也就是所谓的关键变量。操作如下：

38

.use 财务数据

意为打开文件“财务数据.dta”。 .sort gpdm year

意为对关键变量gpdm和year排序。在对文件进行合并的时候，一定要

先排序，否则Stata不能执行。

.save财务数据,replace

意为将文件保存，如果有相同名的财务数据的Stata文件则替换。

.use 股票交易

意为打开文件“股票交易.dta” .sort gpdm year

意为对关键变量gpdm和year排序。现在两个数据的关键变量都已经排

序好下面对数据进行合并，将“股票交易.dta”做为主档，“财务数据.dta”做为副档。

使用菜单方式的路径如下是：Data > Combine datasets > Merge two

datasets，操作如下：

点击Merge two datasets，出现如下的对话框：

39

在Main窗口下Type of merge方框下有五种选择：

（1）One-to-one on key variables此句意为如果在主档和副档中的

关键变量都只唯一的表示一个观察值，比如：变量gpdm中的1和year变量中1998这两个值能够唯一的表示一个观察值，而如果只选择了gpdm做为关键变量的话，gpdm中的取值为1的有19个观察值，这时就不用one ,就用many。下面是One-to-one on key variables应用的举例：

gpdm 3 3 3 主档 year 1992 1993 1995 gpdm 3 3 3 3 return 0.3829 0.3029 + -0.268

gpdm 3 3 3 副档 year 1992 1993 1994 ib 74146960 1.17E+08 1.31E+08 横向合并档 year return 1992 0.3829 1993 0.3029 1994 . 1995 -0.2682 ib _merge 74146960 3 1.17E+08 3 1.31E+08 2 . 1 横向合并后，在合并文件的最后一列会自动生成系统变量，Stata默认名

为_merge。_merge只有三个取值，为1时代表合并档的观察值仅自于主档，副档没有匹配的观测值，比如上面股票代码是3，1995年的观察值只有主档有，副档没有，所以_merge

40

值为1。为2时代表合并档的观察值仅来自于副档，主档没有匹配的观测值比如上面合并档股票代码为3的公司在1994年的观察值，只有副档有，所以_merge值为2。3时代表观察值主档和副档都有，比如上面合并股票代码为3的公司在1992和1993年的观察值，主副档都有，所以_merge值为3。

（2）Many-to-one on key variables(unique key for data on disk)

意为主档的关键变量有多个相同的观察值，而副档的关键变量每个观察值只有一个。例如：

主档 gpdm return 3 -1.2207 3 -0.2682 4 -0.8826 4 -0.3546

+

副档 gpdm ib 3 74146960 4 7942800 5 1.20E+08

_merge 3 3 3 3 2

gpdm 3 3 4 4 5 合并档 return ib -1.2207 74146960 -0.2682 74146960 -0.8826 7942800 -0.3546 7942800 . 1.20E+08 （3）One-to-many on key variables(unique key for data in memory)意为主档的关键变量每个观测值只有一个，副档的关键变量的有相同的观察值。这个和Many-to-one想似，例如：

副档 gpdm ib 3 74146960 4 7942800 5 1.20E+08

+

主档 gpdm return 3 -1.2207 3 -0.2682 4 -0.8826 4 -0.3546 _merge 3 3 3 3 1

gpdm 3 3 4 4 5 合并档 ib return 74146960 -1.2207 74146960 -0.2682 7942800 -0.8826 7942800 -0.3546 1.20E+08 .

（4）Many-to-many on key variables意为主档和副档的都有相同的

观测值。这种合并不同数据的合并往往存在些问题，所以这种方式一般不采用，如果你的数据存在此种合并方式建议修改成1:m或m:1的合并方式。

41

（5）One-to-one by observation意为一对一的观察值的合并，并不

属于配对合并，此处从略。

下面继续合并进行“股票交易.dta”和“财务数据.dta”的合并。主档“股票交易.dta”和副档“财务数据.dta”的关键变量是gpdm和year,这两个变量都唯一的表示一个观察值，所以选择第一合并方式。在Key variables下面的框格里点击最右边箭头，选择变量gpdm和year。在Filename ofdataset on disk下面的框格的右边点击Browse，出现如下对话框：

选择财务数据，然后点击打开（O）。此时，Stata合并的对话框的填入如下：

42

点击OK即可。在结果的窗口显示如下：

Result # of obs. ----------------------------------------- not matched 581

from master 408 (_merge==1) from using 173 (_merge==2)

matched 16,412 (_merge==3) -----------------------------------------

上面Result表示合并的结果，# of obs表示有多少观察值，not matched（没有匹配的）有581个，其中from master（来自于主档的）有408个， from using（来自于副档的）有173个，matched （匹配的）有16412个。

也可用如下命令的方式实现上面的操作： .merge 1:1 gpdm year using 财务数据.dta

此语句使用文档财务数据按照关键变量gpdm 和year进行一对一的合并。下面通过命令对数据中没有匹配的进行删除，命令如下：

.drop if _merge!=3

此语句的意思是如果变量_merge不等于3的，则删除。

43

.drop _merge

删除变量_merge，因为此变量现在已变的多余，然后通过下面的命令保存

.save 合并的数据,replace

2.8.2 纵向合并

打开Stata，使用dir查看在，Stata11里所包含着“公司治理和

Cscore2008.csv”和“公司治理和Cscore2009.csv”这两个的文件，现在要把这两个文件合并成一个新的包含2008和2009数据，即对这两个文件进行纵向的合并。首先将这两个csv格式的文件运用前面介绍过的方法转换成.dta的格式，命令方式如下：

.insheet using 公司治理和Cscore2009.csv .save 公司治理和Cscore2009,replace

用同样的方法将“公司治理和Cscore2008.csv”转换成“公司治理和Cscore2008.dta”。下面将此新建的两个.dta 格式数据进行纵向合并。

纵向合并的菜单路径是: Data > Combine datasets > Append datasets 操作如下：

点击Append datasets，出现如下对话框：

44

点击Filename of files on disks下面框格右边的Browse，出现如下的对话框：

45

本文来源：https://www.bwwdw.com/article/h9vr.html