粉丝1206获赞7336

同学们大家好,欢迎来到 stat 数据分析入门课程,我是车水老师,本节课我们来讲一下面板数据的处理, 主要分为三个部分,第一部分是如何声明面板数据,第二部分是面板资料的统计,第三部分呢是将非平衡面板数据处理为平衡面板数据。我们首先来看一下如何声明面板数据, 类似于声明时间序列数据的方法,我们用呃 xt set 来声明面板数据,然后后面加上呃洁面的 声明变量以及时间序列的声明变量。当然在九随塔九点零以上的版本中呢,我们也可以用 tsat 来声明面板数据,但是为了区分和啊时间序 进行区分的,我还是建议大家用 tst 这个啊命令来声明面板数据,然后后面先加啊洁面声明洁面的这个变量,后加声明时间序列的变量就可以了。 然后呢,我们再来学习一下如何将重复的样本删除,因为在这个声明面板数据的时候,我们这个洁面变量和时间系列变量,他们两个合起来是需要唯一的确定某一行的数据的。那如果说 呃,比如说在某一个时间时间下面,我对应了两个相同的这个洁面,比如说我两个相同的公司以及两个相同的年份,我同时出现在了某一个这个数据里 里面,那我用这个公司代码以及年份来声明时间序,他就是不可以的,因为这个,所以他他就识别不了了,也不能做后续的面板分析了。所以我们需要先将这个重复的样本删除,然后我们要 使用的命令呢,就是 dopecake, 这个就是重复的意思,然后照就是删除啊,然后再加洁面和时间序列这两个变量,然后后面加一个 furse 的选项就可以了。我们用 ccta 来演示一下, 我们还是先保存一下 好,我们引用一份网网络上的 pic 数据。 嗯,怎么这么慢呢?重新引用一下。 好,那我们来看一下他的 id 呢,是猪的 id, 然后位可能是时间,他的这个位可能是重量,嗯,第一行的数据呢,就代表 第一头猪在第一周的重量,第二行呢代表第二头不是第一头猪在第二周的重量, 然后呢第一头猪呢,有九周,他的重量分别是怎么样给他记录下来?然后第二头猪呢?从第一周到第九周,他的重量是怎么样给他记录下来?然后第三头猪他第一周到第九周,这样呢就是一个,呃,面板数据。面板数据的意思呢?就是 这个洁面,这个是洁面,然后这个是时间序列,然后洁面,每一个洁面和每一个时间序列他俩对应起来,就可以唯一的确定出某一个观测值。比如说一一,那我就代表第一个,嗯, 第一个个体的第一个时间,然后二二呢就代表第二个体的第二个时间,以此类推。是这样这个意思。 那我们要做面板数据处理之前呢,需要先声明面板数据,所以我们用 xt set 来声明面板数据。第一个呢就是我们他的洁面变量以及 id, 第二个是他的时间区别变量, 他就会告诉你,嗯,你这个他这个洁面的变量呢是 id, 然后时间序列的变量呢是 week, 然后他告诉你是呃非常稳健的这个平衡,也就是说这个 平衡面板数据就是从呃每一个个体第一周的第九周的数据都是有的,没有确实值, 是这个意思。然后呢,如果说有重复的样本怎么办?我们需要先用,先用这个 dope kiss, 比如说我们来,我们来,嗯,就是改造一下这个样本啊,比如说我把第一行呢变成第一头猪,第二个周 就是把这个,把第一行的这个 wake 把一改成二,那我们来 第一行,这个我们之前说过就是这个杠,嗯,那就代表就代表当前的这一行,他是一,就是代表第一行的数据呢? 我把这个 vc 本来是一,把它改成改成二,那我们就发现就是 id 和 vc 他无法唯一的确定某一头猪了。比如说我现在说 id 是一, vc 二呢?我可能是第一行的数据,也可能是第二行的数据。那这个时候我想再声明我的面板数据 怎么可不可以呢?我们来试一下,发现他就不可以了,因为他说这个时间序列和洁洁面他们两个无法唯一的确定某一个观测值是有重复值的。那这个时候怎么办?我们需要用这个九 kkstrop 这个命令 jupics, 照意思就是将重复的这个贯彻值删掉,然后先要填啊洁面的变量,再填时间血液的变量,然后记得在后面加一个 fus 选项,也就是强制删除其中一个。好,他说删除了一个点亮,我们来看一下,就发现刚刚本来是有两个吗?现在已经删,删掉了其中一个。那我现在看一下能不能用来声明面板数据呢? 可以的,但是跟刚刚这个结果就不一样了,这个位可能刚刚是一到九,现在也是一到九,但是这个 id 就是这个面板数据呢,说刚刚是非常本贱的平衡面板,现在呢就是非平衡面板数据了,因为第一头猪他只有 八周的数据,而不是所有的猪都是九周的数据,所以呢,现在就是非评论面板数据。好,我们再来学习一下面板资料的统计。 面板资料的基本描述呢,用 xtd describe 的意思就是 xt 前面加一个 stxt, 意思就是对面板资料的基本统计,然后面板资料的形态呢?用 xt pantry 这个 pantry, 这个呢,我们之前也学过,就是用 miss pattern 那个 命令来看一下缺失值的形态。我们现在呢,来看面板资料的形态,我们用 xt 排头,我们一个一个来看,先看 xtd, 好,他就会告诉大家呢,一共有几个 啊?洁面数据,四十八头猪有九周,然后呢,这个,嗯, n 是四十八, t 是九, n 就是洁面 t 是时间序列这个意思。然后呢, 呃,说对于这个 t 的分布,也就是说对于时间序别这个电量的分布呢,他最小值是八,最大值是九,这个八九就是这个大 t 的这个意思。 然后为什么有这么多 t 呢?就第一头猪的 t, 他是 t, 一等于八,第二头猪的 t 呢,是 t, 二就等于九,是这个意思,就是后面的猪他 t 都是九,所以呢才出来一个 ti 的分布, 然后他告诉你呢,有百分之有,这个一共有四十八头猪,有七十四十七头猪呢,他的面板形态都是一一一,意思呢就是说每一周的数据都是有的,但是其中有一头猪呢,他的面板形态呢是点点,就是代表缺失值, 意思是第一,第一周的数据是缺失,然后后面八周的数据是有的,就是这意思来,所以说 xtds 这个命令呢,就是用来来描绘这个面板数据的形态的。 好,我们再来看一下第二个命令,就是 xt pantern, x t pant 呢,他是要生成一个新的变量, x t pent, 意思就是说你要生成一个新的变量,这个变量的 呃这个变量的内容呢,就是他这个变量。如果是呃你是平衡的面板数据的话,比如说是这种,就是九个时间序列都有的话,那你的判断呢?就是呃九个一。如果你是第一个, 第一周是确实值,后面全是一的话,那,那你比如说这个第一头猪,他的判断呢就是点一一一,然后其他猪的这个判断就是形态呢,就是九个一这样子的。 所以我们用这个 xp 呢,就是来生成一个新的变量,这个新的变量呢就是来记录他的这个形态的,所以我们来生成一个新的变量,叫做呃,开就做,就做屁屁吧。然后 生成之后呢,我们来看一下这个屁屁是什么样子的, 就是呃有四百二十三个观测值呢,是呃就是九个一,也就是说他是平衡的面板数据, 其中有八个观测值呢,他是呃其中有八个观测值,他是点一一,我们来看一下这个样,类似于他意思就是说第一头猪这些是第一头猪的观测值,他的呃这个面板形态呢,就是 第一周没有值,然后面八周都有值这个意思。然后后面的这些猪呢,他的这个形态都是九个全是一,所以我们生成一个新的值呢,就是来记录他的面板形态的, 然后这个电量它有什么用呢?就是它可以帮助我们去筛选,比如说我想留下九个一全有的,那我就可以加银行命令,就是 keep a 这个 pp 等于九个一。那如果我 运行的这一条命令呢,那第一头猪的这个观测值就都被删掉了,我们只保留了这个呃权,就是每一 每一周都有竖直的这些猪的这个观测量。所以说我们平时可以用这个 xcpat 这个 命令啊,来统计面板资料,同时呢也可以用它来生成这个平衡面板数据,然后处理为平衡面板数据的方法呢?除了刚刚那种之外,还有另一种就是 s balance, 这个呢,它更简单,比如说我一共,是 啊,那个 t 呢?一共是一到九,嗯, x t 拍 balance 呢?就是,呃,我要把它处理为平衡面板,然后后面再加一个选项,我的选项呢是,比如说我要保留 从 t 到从 t, 从一到八的数据,那我后面的润值呢,就是一八。如果我只想保留二到五的数据呢,那我后面就是二五,我们来试一下,比如说我只想保留二第二周到第五周周的数据。 xc, ba balance, ranch 二五,我们来看一下 错 balance, 好,他提示呢是说二百三十九个观测值被删掉了, 我们现在来再来看一下我们的这个样板形态。 好,现在的面板形态呢,就跟刚刚的不一样了,还是有 四十八头猪,但是呢这个周只从第二周到第五周了,而且现在呢,每一个猪呢,它的形态,面板形态都是一一都是非常平衡的面板数据,不信我们可以用这个 xdbzzidv 来看一下。 现在呢是非常平衡的面板数据了,所以用这个 xp balance 呢,我们就可以一键把它生成一个呃平衡面板数据,而且可以选择我要 嗯那个面板数据的时间序列,他的范围是非常方便的。好,这就是本节课的内容,我们学习了如何声明面板数据,如何删除重复样本,以及如何统计面板资料和如何将这个非评的面板数据处理为平衡面板数据。

哈喽,大家好,今天是二零二二年一月二号,祝大家元旦快乐呀。那么今天这期视频呢,就是很多人一直催我的关 关于动态面板模型 gmm c 的操作。嗯,其实他的官方名称呢,是广义,据估计 原理就是回归,其实就是一种高级一点的回归吧。那么为什么要使用这个方法,和谁使用以及注意事项呢? 大家可以再去搜索学习啊,学问很多,这里我就直接教大家啊,实际的比较简单的 set 操作步骤是保证新手也可以看得懂,可以做出结果来,但还是建议呢,大家在使用这个模型之前呢,一定要了解一定的呃, 基础知识,比如什么是内生变量,外生变量,工具变量是相关等各类问问题。 嗯,如果不太懂,也没有时间学,就建议使用。嗯,最小二乘法呀,或者是固定模型这类比较简单的回归。 那么废话不多说,接下来就直接跟着我一步步操作吧。嗯,首先呢,我们还是打开我们最常用的一个教学数据,也就是我卫生费用的相关面板数据。呃,仍然是实际外是因变量,然后自变量是 x 一到 x 七, 那一般我们都比较常用,取对数之后的数据进行回归。嗯,如果是小于一的数呢,我们通常会建议可以转换为百分比,千分比,那么保证数值大于一。 那么原始数据的处理方式有很多种,大家可以自行选择。那么在做回归之前呢,我们一般 都会先做一个基础的一个相关性的分析。嗯,这里我把代码放在右边,就是方便大家观看啊,我们直接复制过来,然后回车键我们就看到相关性的分析就出来了,那么这块比较简单,我就不过多讲了。嗯,接下来呢, 我就直接开始我们的动态回归啊,先安装我们要用的秘密,我们现在最常用的 gm 呢,是 xtab 二,就是这个秘密,安装秘密还是 ssc in store 好了,我们安装好了这个呢,我们就开始呃,使用具体的一个例子来给大家教学示范啊。那么我先把这个语法粘贴过来,然后给大家讲解。呃,这个都是什么? 首先呢,前面 s t a b 二我们就不讲了,然后后面呢,请跟的是音变量外,实际我的是实际卫生费用,那你们的是什么?就先放在先放音变量外,你想放什么?取对数,呃, 拆分后的,或者是取对之后的形式啊,那你就变一下就行了。然后后面呢,就是把音变量的之后一节作为一个字变量放在模型后面,然后这两个放完,后面的 x 一到 x 呢,就是一系列的解释变量啊,比如说你的主要解释变量是 x 一,你的控制变量呢是 x x x x x x, 或者是 c 二 c 三 c 四,那你们就要把它全部都放在后面就可以了。那么这一部分呢,基本上就是固定不变的,要变也只能是变数据的形式,比如是否取对数呀,是否那个呀,那么 对号后面的都是可以调节的。嗯,那么这里呢, i 点一什么意思呢?就是 gm, 我们知道是自动控制了省份啊,也就是个体差异,如果你还想要控制时间,那就加上这个命令就可以了, 那这个也是可加可不加的。那么 gm m 和 iv 里面怎么变量怎么放呢?嗯,我这里是假设哈,假设我的 x 一是严格的外升变量, x 二是前置变量, 但是不不完全外伸,那么 x 三呢?是内伸变量,然后我们一般就会把 x 一放在这里, x 二 x 三就放在 gm 里面。那么这里具体反正放电量是多少放多少个变量,嗯,都是可以调节的。文献里面经常会把音变量的滞后一节放在 iv 里。 嗯,其他呢?非严格的外身变量就放在 gm m 里面。嗯,建议大家可以参考以往文献都是怎么放的啊?研究目的不同的可能放的面变量都是不一样的啊,这里我们我后面还会再提的。 那么后面这个参数呢, low level eq 就表示的就是呃,差分的 g m m 就是 dfres g m, 因为系统默认的是 system, 嗯,所以我们这里加入这个设置呢,就是代表我们做的是差分。然后我们按回车键 就可以看到我们就出现了啊,前面的回归结果,还有一些自相关检验和过度检验的结果,那么检验结果如何如何看呢?等我把命令讲完了,我再给大家分析。 那这是一个比较简单的一种形式,然后我们在这个形式上进行一定的更新。 嗯,接下来呢,我们经常刚才说了系统,呃,系统自带的是系统 gm, 那我们经常用的就是两部系统的 gmm, 我们只需要在后面这个参数,嗯,把它删除,更改为两部系统 gm 参数设置就是 t w o s t two stab, 然后因为两步估计比一步估计呢,就是容易呃,低估回归叙述的标准误差,所以我们一般加 too stab 就要加 robust, 呃,这两个也算是半捆在一起的感觉。然后这个,呃按回车键,我们就做的是两部系统 gmm, 我们可以看到明年输入输入之后他后面会有提示的。呃,看这里动态面板模型,两部系统 gmm, 我们可以放掉。 我上面的一个秘密啊,这里写着动态面板估计,然后一步的插分的 gmm, 那么接下来呢,我我们再在这个的基础,这个命令的基础上再进行一定的更新, 这种呢是比较常见的。嗯,那我们还可以看到。呃,这里的 gm 的变量里面呢,我们可以呃更新,比如说 gmm 的面料,我们可以设置一个之后下,嗯,通常呢会在后面, 嗯,在家里都好。一定一定要是英文输入下哈,然后 leg, 然后再括号也要是英文输入下的。呃,比如说二三这样子,那证明你的 leg ab 表示什么意思呢?就是把 x 三 xx 三呢?嗯,进行那个,然后再作为工具边上放进去,那么这里的这里的二三就是你放任何数字都可以,但必须是整数,然后那我们的二和三分别就代表最近和最远的最后接触,那么这两个接触你是可以呃 任意换的,并不代表就一定要是二和三。我就我就举个例子,然后呢在整个命令的后面呢,我们还可以加各种加各种参数,比如说我们家镂空赛的,就是我这里写了,呃, 就是不要缠住下,比如说减少工具变量的个数,我们就在这个 jm 里面,这里在这个逗号后面再加个 claps, 呃,比如说创造工具变的方式变换一些,我们就在这个后面命令的参数后面再加入这个单词就可以了。 嗯,那这里具体的各种加餐术呢?在我的知乎和 b 站里面,嗯,都有更加一个详细的一个文字介绍啊,大家可以自行的去学习,如果有什么不合适的地方,也欢迎大家批评尺寸。嗯,那么在视频里面呢,我就给大家介绍比较常见的命令形式。 那么命令讲完的接下来还有一个很重要的步骤,就是如何看结果呢?嗯,那我就以现在这个命令,呃呃,输入进去,然后给大家解释一下结果怎么看。 我们看这个命令输入进去了。嗯,我做的是两部系统的 gm 比较常见的一种形式。 那前面的就是一个简单的一个回归系数表格,那这里大家我就不过多介绍了,也就是回归系数标准 这只 p 值百分之九十五的可信区间,那一般来说,应变的之后一节,这里一般都是应该是显著的。嗯, 那接下来我们看后面的检验怎么看呢?呃,第一个就是 a r 检验, a ar 检验呢,就是一个字相关的检验,是检验脑脑动向的差分是否存在一阶和二阶字相关啊,保证这 m 的一致。估计一般而言呢,都会存在一阶相关,一阶 相关就是 a r 一,一般都必须是显著的,也就是存在呃,一届的字相关。那么二级的字相关呢,一般是应该是拒绝的, 所以最好是大于零点零五。呃,最好的情况是大于零点一,但是我们一般呢认为大于零点零五也是可以接受的,那这里如果 a r 二也 a r 二的批值也是小于零点零五,也 是啊,小于零点零五的话,我们可以检验 a r 三,那么检验 a r 三的语法呢?就是在呃刚才的这个密对, 刚才的这个命令基础上的后面再加一个呃,加一个 a r a r test, t e s t t test, 然后括号三就可以了,我们只要在这个后面再加上一个 a r。 哦,打错了, a r 太子三就可以出现 a r 三的值,你看,我们可以看到这边就出现了 a r 三的值,如果 a r 二实在是一直小于一点零五,我们可以再进行呃三阶相关,嗯,我们看一下,呃,就就要用三阶以及更高阶作为一个工具变量,所以我们在后面 再进行 a r 三 tes 就可以了。但是最好最理性的情况肯定是 a r 二,拒绝是最好的, 那么 a r 自相关检验讲完了,接下来就是呃后面的这个萨根检验和黑 n 检验,那这两个呢?都是过度检验,嗯,那么这这一种过度检验他的原甲设呢?是工具变量是有效的,那么 所以说 p 不显著,不拒绝原假设,也就是 p 只要大于零点零五才是说明工具变量是有效的。嗯, 所以说,呃,但是我们一般也是要呃萨根减压和黑 n 减,要大于零点一以上就是最好的,但是同时也不要等于一,嗯,等于一一般也是不合适的。嗯,一般我们应该是在零点一到零点二五之间最合适,但是由于一般 都很难通过,所以大于零点零五我们都算是合适的。那么至于这两个值,呃,我们是报告哪一个值呢?嗯,你可以自己选择,也可以自己领域里面的文献确定,也就是根据文献确定,那大部分时候可能都是哪个通过了,就报告哪一个吧, 我们可以看一下上面的,嗯,比如上面的这个黑色检验是通过的,然后三个检验是不通过的,那我们可以报告 a r 二和黑色检验,对吧?所以大家可以灵活的去处理。 最后呢,我想给大家说的就是,嗯,可能刚刚开始做动态面板模型的同学们经常会遇到,就是不管我们,呃,怎么调节,就是怎么调节内身边 外身变量,还有包括调节这里的工序变量啊,他的之后,他的这里的之后结束呀, 可能都做不到,可能都做不到就是满意的结果,要么就是三根检验,四检验不通过, 要么就是系数一个也不显著,然后我们拼命在网上搜索答案应该怎么解决,那么这里我就把也把我的时间经验给大家分享一下啊。 首先呢,我们就是要相信自己,只要你设定的这个模型是在一定的,呃,理论基础之上的变量也是比较正常的数值,就是文献中经常会用到的一些变量,你的动态模型就一定会成功的没有通过, 可能是你的模型设置那么暂时不适合你的数据情况,那么 gm 可以调节的地方是很多的,你都可以去试验一下, 就除了前面是比较固定的,后面这些都是可调节的,而且前面这个这种变量的形式,原始数据的形式也是可以改变的,所以你们要有一定的耐心,然后多多调试。 那另一方面可能就是因为动态模型的检验很难通过,所以很多时候哈,我们都被动的只能选择以结果为导向去调整我们的模型,就会觉得这个动态模型吧,就可能只是理论上比较成功,那么实际操作就有点鸡肋。嗯 嗯,可能听起来比较高大上,所以用的人还蛮多的。嗯,那么大家就自行体会吧。那么今天这期教学视频就到这里结束了,因为我,呃,给大家讲完了,我想出去过节了哈。呃,如果对大家有所帮助的话,呃,希望你们点赞关注 支持一下吧,然后祝大家节日快乐,谢谢大家。

大家好,欢迎来到斜塔数据分析入门课程,我是车水老师,本节课我们来学习一下如何在斜塔中导入或导出数据。 嗯,我们主要学习三个部分,第一部分呢是手动输入的方法,第二部分是表格粘贴或者使用菜单栏来导入。呃,第三部分呢是使用四 a 卡密令, 在学习到高阶的时候呢,我更推荐大家用贼塔命令来导入或者导出数据,这样的话呢更方便和快捷,也更灵活。 好,我们首先先先学习如何手动输入,主要用的一个命令呢呢是因铺子这个命令,然后在输入的时候,第一行首先要输入我设计的这个变量名称,比如说 xy g, 我要 设计这三个变量,然后呢在下面再输入我要输入的这个数据,然后输入之后最后一定要记得要写摁的,然后这个时候贼塔才知道你的这个输入已经完成了,我们用贼塔来 尝试一下,首先双击打开,然后呢打开度文档,嗯, 先可以忍一下,然后我们要输入的时候还记得刚刚那个命令呢,是叫阴铺子,然后记得我上节课说过,在要用一个杜文档的时候,如果你之后后续还要想在 修改或者在查看的话,一定要记得先保存一下,比如说我保存到这里我的名字呢是输入, 输入和输出数据, 然后呢就可以了,嗯,这个时候我要输入的时候,我比如说我的三个变量名称,分别叫 xy 和 c, 然后下一行填第一行的数据,我随便写一下,比如说一二三一三四,然后第二行是二三 四,然后第三行三四四,然后最后。呃,如果这就是我要输入的全部数据的话,一定要记得写一个。嗯的,这个时候贼他才知道啊,你这个数据已经输入完了,还记得上节课我们说过,呃,全部 一次性的执行杜文档的快捷键呢,是 ctrl d, 我们来使用一下。好,这个时候你的数据就已经输啊,输入进来了,来浏览一下,就可以看到现在的数据。 嗯,如果你之后还要用的话,那一定要记得保存一下,比如说保存的命令呢,就是 f, 然后再 填你的文件名称,比如说我的这个文件名叫音铺子点 dta, dta 就是呃, c 塔数据的默认格式,我们来运行一下,然后他这个红色的提示呢,意思是 这个音铺的点 dta 已经存在了,就说明这个音铺的点 dta 有一个同名的文件,那怎么办呢?我在后面要添加一个 replex 的选项,意思就是替代之前的 这个数据,那我们来运行一下。好,这个时候呢,他就告诉你这个音铺的点 dta 已经成功的保存了。好,这就是手动输入的方式。 如果说我要再引用一下这个保存好的数据呢,我们直接用 yos 就可以了。 yos, 比如说我先清除一下,清除一下,这个时候这个数据框里面已经没有数据了,那我要再引用一下刚刚的音铺子呢,直接用音铺子 就可以了,来试一下。好,这个时候呢数据就已经在引入回来了,我们来学习第二种方式,就是从三号表格中 粘贴或者使用菜单栏,比如说,呃,如何?我们先学习用菜单栏吧,在这里呢有一个文件,我们打开有一个音铺,然后他可以导入不同的类型的文件,比如说 excel、 cs, 呃,什么 tst 都可以,我们主要学习 excel, 这个也是我们最常用的。在这个里面呢,我们先要找到这个路径,比如说我要找一个在这个里面的 oppo, 这个数据打开,然后记得要勾选第一行,第一行的意思呢是第一行的, 呃,数据是要设置为变量,比如说你看我这个第一行的呢,他是变量名称,而不是数据,所以说导入进来的时候要把第一行设置成变量名称, 然后第二个选项的意思是呢,导入进来的数据是字符串型,把它设置成字符串型,我们导入进来的数据呢是竖直型的,而不是字符串型的,所以我们就不选第二个选项,只选第一个,然后 ok, 然后他说刚刚,呃,你如果执行这个的话,那你的数据就会被替换,意思就是你之前的数据就不会被保存了, 因为刚刚那个数据已经被保存过了,所以这个是可以的,我们就导入进来了,我们来看一下。好,这个数据已经进来了,那 学会导入之后呢,我们同时也要学会用菜单栏如何导出,比如说这里有一个 sfrt, 然后呢他可以导出成不同类型的数据,比如说一下 scsv 啊, tst 都可以,我们主要学习如何导出成 excel, 这个时候呢要 这里面他会让你选择你要导出的变量的名称,以及变量的哪一列的变量,就是不是所有的变量都需要导出的话,你可以选择其中的几个变量,比如说我要 导出这几个变量,然后呢你要导出的路径要选一下,比如说我要导出到桌面,然后我的 文件呢就是 oppo 音 pro, 然后我要导出的类型就是伊斯奥的文件,那我保存一下点。 ok, 那这个时候我看一下我保存的这个桌面已经有了这个伊斯奥文件了, 这个时候呢我就已经成功的导出了。呃,好, 我们学习如何使用表格粘贴的方法呢?就是我们先要找到这个 excel 的文件和这个 aoto 打开, 然后如何粘贴呢?就是我们先 ctrl a 全选,然后呢在 ctrl c 来复制,复制之后打开。嗯, sita。 因为之前的时候这个表格里面是有数据的,所以我们首先要把之前的 数据给他清除一下,我们用颗粒然后选中执行,那这个时候呢,这个表格里面已经没有数据了,那我把刚刚复制的数据啊粘贴进来。还记得上节课说这两个按钮是不一样的,第二个按钮呢是 以指读的方式浏览数据,是不能对数据进行修改的,所以我们只能用点击第一个浏览数据的这个按钮来粘贴。我们这个时候呢 选 ctrl v, 然后他跳出来的这个提示呢,意思是你的第一行要呃把它设置成变量名称,而不是数据。 嗯,我们选择是第一行呢,确实是变量的名称,然后这个时候呢数据就导入进来了,这个就是用一下粘贴的方法。 然后第三种方法呢是使用 siti 命令来导入和导出,比如说我导入数据刚刚已经,嗯,用过了一个 yus 的方法,我们再来使用一下,比如说现在这个数据呢,我先保存一下 shift, 然后执行,他说这个 out 已经。嗯,保存好了,那我要用引用的时候呢,又是 就可以直接饮用了。嗯,还有如果说你饮用的这个数据呢,不在你当前的目录下呢?你一定要把这个 数据的全部,呃,全部的那个路径都要表示出来,比如说我要引用的是这个路径下面的一份数据,那我就需要把这个所有的路径都给他写出来。然后如何导出数据呢?我们用贝塔 out 这个命令导出成 excel 文件。当然如果我们导出的是 dta 的话,直接用 sif 就可以了。刚刚那个命令如果用如果想导出 excel 的话,我们用 dotelax, 然后逗号后面添加选项,我要导出保存的名称呢?是嗯,号词的零一。比如说然后呢你要导出的格式 excel 的话,你就用 excel represexcel, 然后他就导出好了。这个时候你直接点击这个 out 零一点 xml 就可以打开你刚刚的这个数据了,这个就是你刚刚的导出的数据。如果说你想导出的格式呢?是 word 也是可以的,直接把 后面的以 sorryps 改成沃尔德瑞佩斯,这个时候呢 就导出好了,我们点击一下这个点啊, tf 就是我们刚刚的数据,你就可以对他们进行后续的操作了。好,这就是本节课的内容,我们主要讲了三种 导入和导出的方法,分别是手动输入,表格粘贴或者使用菜单栏,以及使用菲塔的命令。

大家好,我是马红梅,今天我要和大家分享的内容是基于 state 的面板数据实状分析。 首先我们来看一下什么是面板数据。面板数据指的是在一段时间内跟踪同一组个体的数据,它既有横截面的维度, 又有时间维度,是同时在时间和洁面上取得的二维数据,又称时间序列与洁面混合数据。比如说一个时间维度为三的编版数据,就如这个表所示。 那么我们来看一下洁面数据、时间序列数据和面板数据之间的区别。这三幅图呢,是老友记里面几名演员的不同时期的照片。呃,首先看第一幅图,第一幅图就是这些演员 在一个时间点上的状态,那么这个第一幅图它代表的就是洁面数据。然后再看第二幅图,第二幅图是这个演员他在不同的时间上 的状态,那么这三幅照片构成的数据就是时间序列数据。最后一幅图呢,是这些演员每一名演员在 不同的时间上的几个状态过程的呃,这个结果,那么这个数据它就是面板数据。 然后我们看一下面板数据的分类,面板数据通常分为三类,第一类是短面板数据和长面板数据,当个体数大于时间维度的时候,就成为 短面板数据,否则就称为长面板数据。我们拿这个面板数据的呃图为例,这张图呢,有六个演员,也就是 n 等于六,然后 每个演员他有三个状态,也就是时间维度 p 等于三,这个时候 n 大于 t, 所以这个数据是短面板数据。第二类是动态面板数据和静态面板数据,第三类是平衡面板和非平板非平衡面板数据, 接下来是面板数据的优缺点,然后面板数据模型可以分为非观测效应模型和混合回归模型两类。非平衡效应模型指的是存在不可观测的个体 效应模型,否则就成为混合回归模型。在这里可以举个例子, 比如说我们要研究气候因素对粮食产量 的影响的话,那么我们只研究气候因素对粮食产量的影响。但是对于一些土壤数据,还有一些农业措施数据,这些数据我们是观测不到的,那么呃,观测不到的这些就这些变量呢?就可以 把他们叫做不可观测的数据。那么我们如果针对这个问题去构建变版数据模型的话,这个模型就是非观测效应模型,然后这个非观测效应模型就 要分为固定校园模型和随机校园模型。 固定效应模型当中又可以分为单向固定效应模型和双向固定效应模型。其中单向固定效应模型它指的是只考虑个体效应,不考虑时间效应。 那么什么是个体效应和时间效应呢?个体效应指的是用来捕捉不随时间变化的个体之间的差异,可以用来克服遗漏变量的问题,比如说不随时间变动的个体特征变量有性别等等。 时间效应指的是解决不随个体变化,但随着时间变化的遗漏变量问题。比如说我们要捕捉经济周期以及宏观经济变化的时候,这个时候就是时间效应, 然后双向固定效应模型指的是同时考虑个体效应和时间效应这样的面板数据模型。 我本次实状分析是对美国十个州一九六三到一九九二年香烟消费量数据及进行面板数据分析建模。 它涉及到以下六个变量,第一个变量 loinc, 它是人均香烟销售量的对数。 lon p 是实际香烟价格的对数。 loin p, m i, n, 它是相邻州最低香烟价格的对数。 long by 是人均可支配收入对数。 state 是周一二十年, 然后我们看这个里面它有十个轴,也就是 n 等于十,然后这个年份算出来是三十,所以这个面板数据是长面板数据。然后我们要是把它导入到 state 的话,可以用到下面这两行代码。 然后在建立面板数据模型的时候,我们首先要判断他是固定效用,要用到固定效用模型呢还是随机效用模型呢?这个时候我们要进行豪斯曼检验, 这个检验的原假设是随机效应模型是正确的。以下是 skate 代码, 这个代码运行出来的结果是这样的,可以看出来 p 是小于零点零五的,所以我们要选择 拒绝原假设,所以要建立固定校园模型。然后,嗯,接下来进行建模。考虑到香烟销售量 和每个周的情况还有时间都可能是有关系的,所以我们考虑建立双向固定效应模型,这个是建立的需求函数。 然后是一些理论,当,呃,对于短面板数据来说,由于时间维度比较小,信息比较少,所以不能讨论 找动向是否存在自相关。这个时候一般假设短面板数据的找动向是独立同分布的,但是对于 场面版数据来说呢,由于时间维度比较大,包含的个体信息比较多,那么这个时候我们就需要考虑扰动性的一方差和自然关性, 然后他的呃这个一方差和自相观包含这三种情形。首先是组建一方差,也就是每个个体的方差是不相同的, 第二个是主界主内自相关,第三个是截面相关。 对于这两种现象,处理方法有以下两种,首先是呃,第一种是用普通只有二层方法去 细数,然后只对他的那个标准误差进行矫正。第二种是对呃异方差或者自相关的情形进行假设,然后用广义对二乘法去估计。 然后接下来我们进入到一方差和自相关检验这个步骤当中。首先检验组内一方差 原假设是不存在主内异方差,这个是代码,代码的运行结果是批小于零点零五,所以要拒绝原假设,说明这个面板数据中是存在主内异方差的。 接下来是主内自相关检验,原假设是不存在主内自相关,这块少打一个固字,不好意思。 然后结果也是小于零点零五,说明这个密码数据存在之内一次相关。接下来是洁面相关检验, h 零同样是不存在洁面相关,然后运行的结果还是小于零点零五。 然后在这一块,嗯,检验结面自相关的话,可以用两个代码,下面的这个代码同样也输出的结果是小于零点零五,也说明存在界面自相关。 接下来就是模型估计部分,首先呃只建立这个 o l s 模型, 这个模型它先 现在是不考虑组内预防差或者是次相关的。然后从这个模型的结果来看呢,有一些周 的呃虚拟变量很显著,说明存在这个个体固定效应,说明粥和粥之间的香烟销售情况是存在差异的。 然后这个时间效应部分它是不显出的,因为 p 等于零点一九大于零点零五了。 然后接下来要建立的是面板叫账标准物, 然后运行的结果呢?这个回归系数和前面的这个方法系数是相同的, 但是从这个标准固这第二类的数据上来看,标准固是要小一些的。下一种方法是仅解决组内自相关的可行广义最好二乘法。 嗯,在这一块假定扰东向服从 a、 r、 e 这个分布。 然后第一个方面是考虑存在组内自相关情形,要求各组的字回归系数是相同的, 这个是他运行的结果。然后第二组是考虑自相关,但是允许自相自回归系数不同。 然后可以看出来,考虑组内自相关的话,和和刚才的这个估计结果是有很大差别的,而且这 两种方法由于考虑的方面不同,所以结果也存在差异。从 iphone 来看的话,后面这个方法要比前面的这个好一点。 接下来用到的方法是全面的,可行广义做二层方法。首先考虑呃组组建一方差,还有自相关以及洁面相关,这些都考虑在内, 但是字回归系数是相同的,它的运行结果如下。然后右边的这个考虑的是各组的字回归 系数不同的,这种情况同样也能看出来,这两种方法结果也是差异很大的。 接下来对这些模型进行比较,用到的是这行代码输出的结果中包括各个模型的估计系数,还有 r 方,由于后两种方法他没有 r 方,所以这块是空白的。 然后从这个表中可以看出来,各个模型结果是不相同的,要选择哪种方法去估计我们这个面板数据模型的话, 取决于对组间异方差,组内自愿观还有洁面相关的检验结果。然后前两种方法, 前两种方法中第二个方法是呃结果最稳健的, 然后全面的可行,广义最有二成方法,也就是后两种方法是最有效率的,中间这两种方法 呃稳的稳健性,还有效率都是呃处于中间这个档次的。然后对于这次的这个例子来说,由于这三种都是存在的,所以我接下来选择用 第五个模型去进行建模,这个是输出的表达式,可以看出来实际香烟价格的对数会 抑制人均香烟销售量的对数,从这个系数来看,他这个影响是非常显著的,他只每增加一个单位, 人均香烟销售量对数就会减少零点三六三个单位,然后后边这两个变量会促进这个人均销售量对数,但是中间的这个就是相邻中最低香烟价格的对数, 他这个系数不显著,而且值非常小。后边的这个人均可支配收入对数,他每增加一个单位,会导致人均香烟销售量对数 增加零点五幺零点五一二。这么多 以上就是分析的全部内容了,谢谢大家。
![stata超详细实证分析命令
👊企业-年份的面板数据实证--stata超详细命令
Ps:如果回归结果比较好建议还是使用控制企业和年份的双固定效应模型
⭕️下面详细讲解大部分文献对于企业-年份的面板数据的做法,控制行业+年份(更容易显著)
✅数据导入
use filename.dta,clear
✅数据处理1%缩尾
winsor2 var1 var2 var3,cut(1 99) replace
✅描述性统计,用下面这个命令可以把所有变量一起输出到word
outreg2 using statistic,word replace sum(log)
✅相关性分析
logout,save(cor) word replace:pwcorr_a var1 var2 var3, star1(0.01) star5(0.05) star10(0.1)
✅基本回归-控制行业+年份
如果行业和年份是数值型变量
reg 被解释变量 核心解释变量 控制变量 i.年份 i.行业
如果行业和年份是字符型变量
xi:reg 被解释变量 核心解释变量 控制变量 i.年份 i.行业
✅结果输出
reg 被解释变量 核心解释变量 控制变量 i.年份 i.行业
est sto r1
outreg2 [r1] using result,word replace tstat bdec(4) tdec(2) keep(被解释变量 核心解释变量 控制变量)
✅分组回归-这里怎么分都行就举一个非常简单的例子,按照国有非国有划分,假设SOE变量取1为国有取0为非国有
reg 被解释变量 核心解释变量 控制变量 i.年份 i.行业 if SOE==0
est sto r1
reg 被解释变量 核心解释变量 控制变量 i.年份 i.行业 if SOE==1
est sto r2
outreg2 [r1 r2] using result,word replace tstat bdec(4) tdec(2) keep(被解释变量 核心解释变量 控制变量)
✅稳健性检验-可以找一个类似含义的被解释变量或者核心解释变量的替换指标进行一次以上回归,如果还是一致显著那么就是结果稳健
#stata #毕业论文 #实证分析](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/d337bb8a8d80c72d2c6abd651c465597~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2110478400&x-signature=o87D5c3N7fb4TxmAmQcwQd2JwEg%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=20261120044141C49226FA3094D6BDB5F1)

哈喽,大家好,那么最近收到私信表示面板数据我们都知道做简单的固定效应模型,但是具体的命令又有好几种,然后大家可能有点稍微的分不清楚,那么这期视频就把最常见的几种代码给大家分享一下,希望对大家有所帮助。 然后对于面板数据呢,我们最常用的就是这四种方法,嗯,总体来说这四种方法都特别简单,只是每一种就是稍微有一点点需要注意的地方,那么这里给大家简单的解释一下。那么 呃,然后我的这个数据仍然是我常用的一个面板数据的一个教学示范数据,然后就是个体是 province, 然后年份是 e, 然后后面是 y x c x 三这样子的一个数据。那么第一种命令呢?我们主要是 呃通过,如果要做双向固定的固定效应模型,一般是通过引入虚拟变量来代表不同的个体,可以取起起到和固定效应这个组类估计一样的效果, 那么区别就在于我们要引引入虚拟变量来代表不同的个体,那么这种就就称之为简单经典的一个呃,最小二成虚拟变量方法 through lsdv, 那他们的优点就是可以对个体, 也就是可以对个体进行一个抑制性的估计,那么缺点就是如果你的个体 pro, 我的是 province, 一般不会大,就是固定的,如果大家是公司啊或者是银行啊什么的,就是在嗯,特别大的情况下,可能会要引入特别多的 呃,虚拟变量,那么自由度损失太大了,可能会超出 stator 所决所允许的解释变量个数,那么可能就 这,那么这可能就是他的一个缺点,那优点呢?就是他对数据格式是没有要求的,他是横截面数据啊,面板数据啊,都可以使用的。 那我们接下来先跑一下第一种结果,但是第一种结果你如果做面板数据,你要控制时间和个体的话,就只能通过这种加入虚拟变量的方式而来进行控制, 所以他的结果,所以他的结果会报告一大串串那种虚拟变量的回归结果,你看我有多少个个体就得包包多少个虚拟变量的结果,一儿也是的。然后你看, 如果你这里的,呃,我的,呃,如果你这里的个体很多的话,那么可能会很多很多跑下来,呃,如果如果特别多,那可能 会超出他解释的个数,所以,嗯,很大的话,那么这个命令就不太行啊。这是第一种比较简单,我把结果保存一下,等会一起导出来对比看一下。 嗯,第二种呢?我们用的很少,那么第二种命令是对第一种命令的一个优化,它,它对数据结构也没有要求,嗯, 他唯一对他改进的就是指,就是 i 点 promise, 就 i 点个体, i 点 id 这种。因为我们有时候在回归中控制很多虚拟变量,但是又不想生成, 呃,这么多的,生成这么多的虚拟变量的时候,不想报告虚拟变量的回归结果,那么我们就可以使用这种,使用这种命令,那么这种命令就是可以更快的汇报这种更简洁的结果,那么他的局限就是这个,额不,字儿里面包含了这个分类变量,是只能加 一个变量的,如果你是要估计是要进行双向固定效应,或者是更高维度的固定效应的话,那么还是得使用这个 idea, ear idea 什么的方式来映入一个序列的变量。 但是我现在写的这个代码跟 d 中的代码是等价的,结果其实是一样的, 那么这是第二种情况,我们也把它保存一下。你看这里,我把 year 把 province 说错了,加入这个 oppo zero 里面进行控制歌词, 把个个体进行控制的时候,他就不会报告易产川的这种虚拟变量的回归结果。所以在 n 很大的话,我们可能就不用第一种,就用第二种 mini 比较方便一些,那么接下来是第三种。嗯,第三种呢,是我们最最最 常用的,因为这个是呃 state 的一个固定效应的一个官方的命令,那么是最为纯正的吧。应该这样说,它是一种组类的估计量,但它要求的必须是针对面板数据,因为它是 x t, 它是针对面板数据的。所以我们在使用这个命令的情况下,前提下一定要先定义呃 个体维度和时间维度。 我的个体是 province 的,年份是 year, 我们先要进行个体和时间维度的一个定义, 那我们一旦在这个固定效应后面加上这个 f e, 呃,不是这个回归效应,加上 f e 就表示使用固定效应组类估计的方法。如果这里是 r e 呢?就是随机效应,那这 这个代码呢?因为我们如果加了 f 一,就是使用固定效应足类估计,那么这个代码是默认我们是控制了个体了,所以这里不需要再用 idid, provinceididid 或者是 idid。 呃,什么什么?呃,就是你的个体的变量名来进行控制你的个体,因为这个命令 这个 mini 是只要你这里加了 f 一,它就自动是控制了个体的,这种固定效应是自动控制了个体,大家一定要记住,所以这里不要再加 i 点 i 点 id, i 点 province 什么的。但是呢,如果我们要控制时间的话,我们还是要通过引入虚拟变量 i 点 e 而来表示不同的时间。 嗯,这种是这种方,这种固定效应呢是通过一种呃泥叉变换消除了不同个体的组间差异,保留了每个个体的一个组类差异,所以这种方法我们一般称为组类估计,这种是一个 组类的估计,那么需要主要的。呃,需要注意的是,就是同一个个体不同时间的扰动项可能相关,所以说我们也可能存在一定存在一定的组类字相关,所以我们还需要使用以每个个体为剧类的一个剧类稳健标准物,也就是后面的后面的这个操作, 剧类文件标准为个体为剧类。然后我后面发现我每个代码后面都都进行了这个操作,因为我为了让四种尽可能的一致嘛。然后接下来我们跑一下这个最纯正的一个固定效应模型, 它这里也不会报告你的个体的一个虚拟变量,因为它是直接自动控制了个体的,所以这里只需要用 i 点 e 来引入虚拟变量控制年份就可以了。 然后我们可以把这个回归结果保存一下。嗯,接下来要要分享啊,文字, 文字,算了,讲完了之后再拍他。然后第四种命令是一个多维的固定效应模型,因为有的时候我们需要控制一个多个维度,有时候我们的个体 可能会先分城市,再分区域,再分什么或者是银行,呃,先分先是具体的银行,然后再分一定的行业 或者是公司,把,公司也会通过某一个指标进分,再分一定的行业什么的,所以这里有时候会有个 industry, 或者有个什么区域的划分就是,嗯,所以我们会,所以我们就叫多维固定,他除了他不止可以控制时间,个体还可以控制更 高维度的,这是它一个最大的一个优点。但是在我的这个,呃,我的这个面板数据里面,我没有这个更高维度的需求,所以我这里就是还是以 ear province 来进行控制。就是我这里强调这个命令就是为了想告诉大家它是可以进行多维固定的。如果我们还要 对更高一个维度进行控制的话,那么这个固定效应模型是,呃最方便的,那他们的他的 运行速度也比上面的命令都要高一些。但是呢,这个命令是一个外部的命令,所以我们执行这个命令的时候,嗯,必须要先安装一下,也就是 s s c in store 安装一下。 那安装这个命令的时候,有的人会说会出现一定的报错,然后报错的时候他下面不是会进行一个提示吗?你点进去看的话,你会 会发现他还需要再安装一个辅助工具箱就可以了,就点击一下就可以了。那这个命令就是多维的固定效应,我这里是没有更高维度的一个需求,先把它删了。 嗯,这个就是多维固定效应,然后它跟与前面的 mini 相比呢,它不会不需要使用 ident province, ident year 挨一点 province 挨点也或者挨点什么来引入虚拟变量,那他会方便很多,而且也不会报告呃,就是易缠穿的一个虚拟变量回归结果,所以他总体这里都比较简约, 比较好看。上面的话都会报告很多的虚拟变量的结果。因为我这边我的数据量不大,所以你觉得这些虚拟变量对你的结果什么的没什么影响,但你如果数据量很大的话,你就会发现一定的不变性的。 那我觉得这种 mini 是前面的一个 mini 的一个更高的优化哦。接下来我们把这个 mini 也保存一下, 然后接下来我们把这四个 mini 一起导出来,看一下这四个 mini 的一个估计的差别。 a step mini mini 结果导出这个我有教学视频的,我们我们 a step 四个 mini, 然后用表格用 reg 一来进行表达,然后后面这些参数的话,大家学习的话可以看我另外一个视频。 然后因为我里面有些变量都报告了虚拟变量的结果,所以我这里只知道除了 x 一二三对外的一个回归结果的一个结果汇报。 然后我们把四个结果导出来,点击一下, 我们看到这个结果导出来了,然后我们看一下这个结果。首先呢,我们看到这个回归系数基本上都是一致的,是没有什么差别的,因为我做命令的时候我就会尽量把,呃,尽量就是保持一致, 嗯,就是在等价的方式上进行这个代码的一个变换吧,然后他们的回归系数基本上是一致的,没有什么变化,变化的唯一的就是这个标准物,标准物可能会略有差异, 我们可以看到二三这两种标准物是一模一样的,因为这两个估,呃,这两个估计结果的标准物是一致的,因为这两个命令背后的估计方法是 特殊的那种混合的 ols, 也就是最小二乘法,所以他们两个的那个呃结果是等价的回归,连标准物都是一致的。那么一和四的标准物呢? 呃,也是一致的,因为他们两个人,他们两个命运的背后是组类的,一个估计是一个固体效应的一个估计结果,所以一四等价,二三是等价的,但是,但是标准会稍微有点差别,倒也不太有影响。 那么最后再把这四个命音给大家讲一下呢,就是强项,重点就是 这三个。第四个命令是一个多维的固定效应,我们需要呃对多个维度进行控制的话,又先又先选择第四个,又先选择第四个命令, 然后再强调一下,第一个命令是 state 的一个官方命令,它是自动控制个体的,所以有时间需要时间固定效应,需要引入时间虚拟变量进行控制,但是个体是自动控制的,那么这两种命令呢,都是一个最小二乘法的一个回归结果。 嗯,他对于这种第二种情况,是个体和时间都需要通过引入虚拟变量的方法进行控制,那他相对来说就会速度,运行的速度会比较慢,但是他会汇报详细的一个虚拟变量的结果, 那么它是可以控制一个虚拟变量,它是可以,呃,就是它相比于第二种情况的话,它是可以汇报一个更简洁的结果,如果你的 n 很大的话,然后你可以考虑试一下使用三, 没有说哪个命令最好。嗯,但是你这个二三是不挑数据的,它是横截面数据也可以的,那么意思都是针对一个面板数据的,尤其是一,所以大概就是这四种模,呃,大概,哎,我这么讲的被我自己把我自己绕进去了呢, 反正以上就是这个四种固定效应模型的一个简单的一个讲解。嗯,希望对大家有所帮助。那么我们自己在日常的写论文什么的,一般用的比较多的都是一和四,如果是面板数据的话,如果是很简便数据的话,那就是二和三, 那么在横截面数据中优先使用二和三,横截面数据中 n 比较大的话,我们就使用三,那么如果是面板数据,我们优先选择一,然后如果是面板数据中,我们需要对多个效应的多维固定,就除了时间、个体还有更高的一个区域进行需要控制的话,我们就使用四, 简而言之就是上面的这些。嗯,那么今天这期视频就到这里结束,大家如果还有问题的话可以在评论区留言,嗯,谢谢大家。

大家好,欢迎来到 sita 数据分析入门课程,我是车水老师,本节课我们来进行第一节 sita 的简介, 主要包含三个部分,分别是熟悉随他的界面,熟悉随他的基本设定以及设置我们自己的工作目录。首先我们来进行第一部分,熟悉一下随他的简界面, 所以他的界面呢,包括四组窗口,两个菜单栏以及一个 输出结果窗口。四组窗口呢,分别是历史代码窗口,密令栏窗口,变量栏窗口以及数据性质窗口。在此基础,在此基础上呢,我们要学会如何浏览数据 和使用度文档。我们来打开斜塔,实地操作一下。双击打开, 我们发现,呃,最先映入眼帘的呢是中间这一部分,它是我们的结果输出窗口。呃,四个窗口呢,分别是 历史代码窗口,是最左边的这一列,比如说我在命令窗口进入一行命令之后呢,在左边他就会出现这个历史记录,如果我双击这历史记录的某一行,他就会重新再运行一次。 第二个窗口呢是命令窗口,我们可以把塞塔的指令呢在这里面建入,然后按回车就可以执行。第三个呢是变量窗 窗口,在右上角,我们可以在这里呃看到每一个变量的名称以及他的标签。第四个窗口呢是性质窗口,在右下角我们可以看到这份数据的名称,标签。呃,数据类型以及 嗯,变量的个数和观测值的个数以及这份数据的大小等等。然后两个菜单栏呢,在最左上角呃,用菜单栏我们可以进行一些基本的统计分析,做图,导入,导出数据等等都可以。 然后呢第二行呢是我们平时用的比较多的,比如说打开文件保存,嗯,然后打开读文档,浏览数据等等。嗯,在 基础上呢,我们来学习一下如何浏览数据。我们主要用的是这两个按钮, 这样单击就可以出现我们的数据,然后第二个按钮也是一样的,他们两个的区别呢就在于第一个按钮可以修改数据,比如说我第一个是一,第二个是二,呃,这个技术上 如果我想要修改的话呢,我打开,比如说我想把第一个数据变成零,那我就直接可以是零 就可以了。但如果我用这个第二个浏览数据的窗口呢,我想把它这个数据再变一下,就不可以这样直接改了。 所以在平时的使用过程中呢,我更推荐大家用第二第二个指令,它类似于指读,呃,这样呢,我们可以减少我们嗯,误误操作导致的数据的变化。然后 接下来呢,我们要学会使用杜文档,杜文档呢,就是这个类似于幕布一样的按钮,我们单击可以打开,在这个里面我们可以写入我们的命令,然后呃选中纸, 点击这个三角形就可以运行。克里尔的意思呢是清除数据,那我们就会发现这里面的数据刚刚进入的数据已经没有了。呃,相比于运用这个命令栏呢,相 我更推荐大家用杜文档,因为杜文档呢,我们可以随时的修改保存,以及和合作者同时使用的时候,我们可以把我们的写过的杜文档发给对方,然后在对方呢在你的杜文档基础之上再进行 修改呀,运行之类的都是可以的,这样就更方便更有嗯,修改的余地和更有操作性,也对我们的合作有一些有很大的帮助。嗯,比如说我们 来举个例子,如果我想浏览一下系统的数据呢?我们用 ccuse 这个命令,比如说系统有一份数据叫做 out, 嗯,我们可以 选中,然后点击这个三角形运行一下,就发现我已经把这个,呃一九七八年的机动车的数据 已经掉入进来了。是这个,那我们就可以发现呢,在看右上角可以看到变量的名称和标签,右下角可以看到这一份,嗯,变量的名字, 呃,数据的名字以及数据的标签,然后观测值的个数,嗯,变量的个数都是可以看得到的。好,我们 现在呢来看一下随他的基本设定。呃,因为刚刚开始了解一个软件的话,我们要呃把它设计成我们 喜欢的样子,我们如何设置呢?在 id 的这个里面呢,最下面有一个 praprans, 我们打开这样的 praprans, 我们就可以设置我们这个界面的, 呃显示的属性,比如说这个这个里面有主题,是标准主题,或者是呃什么经典的主题都是可以的,比如说我用标准主题点击 ok 就可以了。呃, 然后呢,第二个我要说的是要学会嗨老婆功能,可以让我们的效率事半功倍。比如说有一个命令叫做三木 s, 是用来做描述性统计的,但是呢,我不知道这个三木 s 是什么意思,那我就要在前面 加一个嗨,然后呢,嗯,直接回车来执行一下这一份,这个代码就可以出来了,他就会跳出来一个嗨,要普文档,告诉你这个三 ms 的命令是用来干什么的,他首先跟你解释这是一个用来做描述性统计的命令, 然后告诉你这个秘密应该怎么用。呃,首先进入三木 s 或者是 su, 就代表了三木 s 这个单词,然后 后面呢加入你的,嗯,变量的名称,后面再加 f 选项,应选项括号呢代表嗯,可加可不加是, 嗯,可以根据自己的需要去加的,然后可以加一些选项,然后有哪些选项呢?后面都会给你列出来,然后呢在后面他会 告诉你用菜单栏呢如何实现这个功能。呃,然后后面呢会给你举一些例子,让你更深刻的来理解这个命令。 所以说如果遇到一些不会使用的命令的时候呢,我们一定要学会使用哈尔普文档,然后也要学会如何阅读哈尔普文档。好,第三 部分呢是设置我们的工作目录,首先我们要来看一下当前的工作目录,用 p wd, 用 p wd 这个命令来实现。 没车,我们就发现当前的工作目录呢是地盘下的四件套。呃,那如果我想改变我的工作目录该怎么办呢?我用下面这一个命令 cd, 然后呢再把我的想要进入的目录在 写进来,比如说我想进入的目录呢是 f 盘。好,那呃,我已经设置到 f 盘,我们来验证一下,用现在的 p wd 发现呢当前的工作目录呢是 f 盘了。呃,还有一个呢是要查看系统的目录,用 casd 啊, diydl 呢,就是 draxdrax, 就发现呢有,所以他呢有六个文件夹,然后分别的系统的路径在哪里?我们如果想改变其中的一个呢?啊?当然是 都是可以改的。我这里演示一个,比如说我想改变这个 plus, 他的路径用 cs 镜。 啊,我想改变 plus, 所以我要把 plus 加进来。然后你想改到哪一个路径?比如说我想改到 fpard, 比如说我想改到地盘的四件套 的 a 度下面的 pass。 那执行一下就可以了。那我验证一下我这个改成功了没有?再用一下 cs, 然后呢就发现我的 plus 已经到了我刚刚设置的这个目录下面了。好,这就是本节课的内容, 我们学习了 cta 的界面、 cta 的基本设定,以及如何设置我们的工作目录。

今天的话我们只要讲一下如何将一份宽面板数据转化为长面板数据,宽面板数据就是咱们这种可能经常下载到的数据,就是变量和年份都在同一行,但是我们想得到的长面板可以用来做回归分析的数据,是变量在行的上面,然后 年份在裂上面,这样的话我们就需要用到一个蕊 ship 树,蕊 ship 就是改变的意思,改变它的形状的意思,浪就是转化为场面板长的意思。然后后面的话输入我们需要转化的变量, 然后再写上我们固定不变的一个量,就是我们的康锤是我们个体,他是固定不变的,然后这一页的话就是我们后面的年份,把它给提取出来之后就放在年份的上面,这样迷回车, 一回车我们把这个英文的,然后他就这样就可以进行了一个转化,我们可以看一下结果,这就是我们转化后的数据,他是非常规整的,看都是按从小到大从首字母顺序排列的 国家,然后年份,然后这他的变量值都非常的规整,这就是我们进行一个转化的步骤,如果大家喜欢的话就点个关注,谢谢。


大家好,欢迎来到塞塔数据分析入门课程,我是车水老师,本节课我们要讲的内容是相关性检验以及差异性分析。 相关性检验呢,我们主要讲用皮尔森相关系数做数据之间的相关性检验,然后差异性分析呢,也就是我们经常用的两样本均值体检验。我们先来看相关系数检验, 相关系数检验呢,有两个命令,第一个呢是 colulate, 然后第二个呢是 pwcorr, 然后他们的使用方法呢,都是直接在命令的后面加入要检验相关系数的变量名称,嗯,然后这个变 量的个数是没有限制的,多少个都可以,也没有。呃,是否是连续变量或者分类变量的限制? 然后,嗯,使用完这个相关系数之后,我们再来学习一下如何将结果导出,非常的方便快捷。好,我们用随塔来操作一下, 打开度文档,然后还是要记得先保存一下 相关信检验。好。嗯,我们来调用一份 数据,我们今天来调用一下,嗯,我们还调用我们之前比较熟悉的吧凹头,然后我先 ctrl d 运行一下 samurais, 我发现啊,这些数据,那我要计算这些数据之间的 p 二三相关系数呢,那我用第一种方法用 correct, 然后直接在后面加入变量名称,比如说第一个是 press, 第二个是 mpg, 嗯,第三个是二一 p 七八,然后再加一个,比如说 weight, 就或者 nice, 我用这个做一个示范,好,运行一下,然后他就会出来 这个 p 二三相关系数的这个表格非常的快。然后第二个命令呢,跟这个很类似,但是它前面的命令呢是 pwco 二二, 然后我们发现这两个表格其实是一样的,但是这个 pwcr 他相比于 covene 他有一定的改善,就是他在后面可以加一些选项,比如说,呃,我可以加一个显著性的选项, 就可以标出来显著性来试一下。好,这个他就会在下面呢,在每一个相关系数的下面标注这个相关系数的批值,就很 很清晰的看到这个相关系数他是否显著。然后还有一种方法呢,是直接在后面加,就是我不想显示这个相关系数的批值,我想显示他的呃 是百分之一的显中性水平显著还是百分之五还是百分之十,通过加星星来显示。比如说 如果批值小于小于零点零五的话,那我就在后面加一个星,那我所以这个后面的选项应该是四二,后面括号 号里面是零点零五,来运行一下,发现就是添加新号的这些, 那他代表的是系数在百分之五的显著性水平下显著,比如说这个零点九四六零是为和烂之间的 p 二三相关系数,然后他的批值呢是零点零零零零,是小于零点零五的,所以他后面带了一个信号, 就是这个意思。在平时的使用中呢,我们通常的情况下会用这个 pwc o r r。 好,然后我们来学习一下如何将这个这个表格的结果导出,当然我们可以直接这样全选,然后复制,但是那样的话,嗯,就是粘到卧的里面, 可能他就会很乱,不太不太好。我们来学习一下如何直接导出我们用这个 logos 这个命令,然后他的使用方法呢?是啊, logos, 然后逗号, 然后后面的选项呢?是要保存保存的名称,比如说我起的名字是 c y, r, 然后后面如果你要保存成 word 格式呢,就在后面加点 docdoc, 就是 word 的后缀,然后面再加一个 word replace, 然后 冒号,后面加我们刚刚的那个检验相关系数的语句就可以了。 logos, 然后逗号, 然后取一个名字,比如说我叫 c o r r d o c, 然后我要保存的格式呢?是 words, 然后冒号,然后现在我们要换行,所以用三个斜线来换行,第二行呢就写这个还扶持过来,我们来运行一下。 好,这样的话呢,我们这个结果就保存在这这里了,直接点击这个蓝色的就可以。 好,我们就发现了这个,呃,相关系数矩阵就已经输出到卧的里面了。 然后还有一种导出方法呢,是直接用啊, as, 这个在之前也是讲过的,然后在后面直接添加我们要做的这个命令就可以 啊,这里就发现,哎,等会后面再加一个 replace 的选项,因为他可能和之前的一起合并。 好,这就是我们的那个相关系数矩阵图,皮尔塞相关系数,那这两种方法都可以很好的导出, 我们平时呢用哪一种都是可以的,都比较方便快捷。然后第二 个第二部分,我们来学习一下如何做良药本。嗯,君子体检验 主要的命令呢,就是这个 t test, 这个就一目了然吗?我们要做 t 检验,所以就 tit test, 然后他使用的方法呢?就是 t test, 后面加要检验的变量名称,然后后面的选项呢?是 啊,两个样本的分类,分类标准,比如说我要检验已婚和未婚这两个,嗯,样本中的工资差异,那我们就要写 tetes, 然后 工资逗号,他的分组的类别呢?是已婚这个变量, 我们来引用一下那份工资的 for you。 好,那我想看就是不同的,呃婚恋状况,那他的工资有没有显著的差异?我们用 t test 位置,然后后面是 by marry 来看一下。 好,他呢,他就会给出,呃,因为 mary 的这个变量有两组,他给出两个组别中的,嗯,观测个数,嗯,均值标准差,标准物 标准差,然后百分之九十五的致信区间,然后呢,我们要关注的是最后一行,就是两个均值之间的差值, 然后他的原假设呢,是差值等于零,就是这个值等于零。然后贝则假设呢?有三种,第一种,贝则假设是单边检验吗?就是 这个均值,这个差值小于零。第二个倍则假设是差值不等于零。第三个倍则假设是差值大于零。然后我们平时可以用这个中间这种,也可以用后面这种, 那么我们看批值是否小于零点一,或者是否小于一点零五就可以知道,那这个原甲设是否要被拒绝,这就是 t 检验。那如果我想知道,就是 呃已婚和未婚这两组情况,这两个组别中啊,除了工资,我还想知道他们之间啊,我再看一下别的别的, 比如说除了工资之外,我还想知道这两个组别中的年龄是否有显著的差异。那我能不能在 tits 的位置后面直接加入一个 h 年龄这个变量呢?我们来试一下, 发现不行,他说你定义的这后面跟的变量个数太多了,所以我们就是知道这个 t 太子后面他只能加一个变量,那如果我想知道两个变量的差异怎么办呢?那我们就用第二个命令来执行。第二个命令呢 就是太体态爆粗,然后后的他的作用呢是可以检验两个以上的变量在不同类别下面的,呃,均值是否有差异,他的使用方法呢?就是后面跟上你的, 嗯两个以上的变量,然后面选项呢是,嗯不同组别的分类标准, 比如说我想知道 ttpo, 我想知道不同外面状况下工资以及年龄的差异,那我就后面跟上工资和年龄,然后再加选项。失败 运行一下就发现呢,这一就他两个变量的差异都 会给出来。这一这一组呢是单身的组别,这二这一组呢是已婚的组别,那他会给出 两个组别的均值,然后最后一列呢是两个组别均值的差值,然后这个星号呢代表显著性水平,我们现在不知道这个星号就是还是百分之几的显著性水平,我们可以再加几个变量进来。 you're all great, 呃,还有奥尔斯这个工作小时数,然后经验这么多,我都想知道他们的差异,这样呢我们就可以看出来了,就是三 一颗星呢是百分之一的显中性水平,一颗星是百分之十的显中性水平。嗯,比如说最后一行 totespens, 他在单身这一组的均值是十二点九二,在已婚这一组的 啊,均值是十二点三二零,然后他们的差值也就是第一组减减去第二组的差值是零点六,那这个差值呢?在百分之一的显著水平他下他不为零。所以说 啊,我们就可以的是结论说单身组和已婚组,他们两个组别的 经验是有显著差异的。好,所以这就是啊,显著性差异他的做法。这就是本节课的内容,我们讲了皮尔森 相关系数的计算以及导出,以及讲了如何用随他做均值体检验。

每天一小步成长,一大步厚积薄发,打开知识的大门。哈喽大家好,我是 kid 老师, 那么专题一呢,我们已经通过两个课时来给大家介绍了一下我们 state 软件,还有计量经济学里面的一些 基本的一些概念。那么今天呢,我们就进入第二个专题的学习,那么这部分呢,主要是给大家再详细一点, 描述和介绍一下 stata 操作界面,以及 kate 总结的一些常用也是比较实用的一些啊,数据处理的语句 技巧。那么这部分呢,预计呢也是通过两个课时的呃时间来给大家 介绍。那么下面呢,我们就进入今今天的第一个课时,那么第一个课时呢,主要是给大家讲一讲这个 state 的一个操作界面。昨天呢,呃,在这个 呃在上一个课时里面呢,我们给大家介绍了一下 c 塔的操作界面,当时比较简单的,那么今天我们稍微把它介绍的更加全面一些。 好呃,这就是我们 data 的一个界面,这个呢在我们上节课呢,也已经给大家介绍过几个重要的 呃功能。那么首先呢是给大家介绍一下这个 do file, do file 呢是 data 里面的命令集合文件,在编程语言中呢,就称之为脚本 scripts, 那么是只为达到某一分析目的进行的数据读取,数据处理分析等的命令的集合。那么在编程语言里面呢,如果呃相当于甲把的话,那么我们在脚本 的语言里面呢,我们另外还有一个就是呃对象或者说类,或者说称之为函数文件,就是专门写一个函数,那么在我们这个脚本里面呢,可以通过函数调用的方式来啊,直接 把这个我们之前封装好的这么一个函数,呃把它的功能给引入到这个脚本里面,那么这个功能呢,一般来说在 stata 里面不会呃设计的太多,当然它具备这样 一个功能,但是他在 state 里面应用的时候不会涉及的很多。那么如果说在我们之后给大家介绍的这个 met lab 的呃基础课程里面呢,可能会涉及到呃这种函数 的一些设置的方法,那么我们这里呢,就先稍微略过一下,另外一个呢是我们的数据浏览的窗口,那么待会呢,我会把这个例子翻出来给大家演示一下。 好,我们先呃打开这个 stata 来看一下,那么可以给大家介绍的这个是 呃 state 十四的版本,那么目前 state 呢,应该是出到十五的版本了,呃它有一些新的模块,呃,比如说这个可视化的模块,还有一些比 比较新的一些模型会在更新的版本里面出现,但是我们目前的做研究分析而言的话,十四的版本基本上已经足够了。 呃,那么 state 呢?还有一个经典的版本是 state 十二的版本,那么这个版本呢,也是呃很有代表性,但是呢,呃十二跟十四的版本它有一个最大的区别啊,就是可以在做持证分析的时候有一个最大的区别呢, 主要是在于这个呃 csv 格式读取的时候,呃他读进来呢,他可能会有一些乱码的情况出现, 就比方说,呃在如果要在 data 十四里面运用应用这个 csv 格式的话,呃,因为这个 csv 格式实际上它是 tst 文本的格式,那 那么他要保证他另存为一个是呃 u t f 杠八这么一个编码的话,那么在 state 十四里面,他才能呃正确的识别这个中文的编码。那么 如果不是 u t s 杠八的话,那么在 stata 十二里面,它是可以正常的识别,但是这两种识别的格式它是不能兼容的,就是在 stata 十四里面, 它识别不了非 utf 杠八的中文的格式,然后呢,在 data 十二里面,它不能识取识别到 utf 杠八的这么一个 呃中文的编码,所以呢,大家在处理这个呃 c s v 格式或者说 t s t 格式的时候呢,一定要注意这一点。好, 那我们这面呢,都回到这个 state 十四的界面里面。呃,那么我们看到呢,左上角就是我们非常常见的这种工序栏,呃, file 了, edit 了,呃,比方说我们要 导入数据的话,其实这这里有一个 import 这么一个命令,你可以看得出来,它可以导入 excel 的。呃, csv 的 csv, 其实呢,它就是文本的格式,也就是我们平时看到的记事本的格式 啊,或者说 taste data in 固定的格式。呃 size 的,呃,一些数据的导入都可以啊,这里有很多很多可以选择的一些数据格式 啊,然后 addy 呢?就是呃,这里,呃,我看你刚安 装的 state 十四呢,它可能不是这种黄黄字,绿色字体,还有黑色底色的这种,那么它要改它的这种设置呢?在这里 ethic 里面的 reference, general preference, 一般呢,他应该是 standard, 然后把它改 classic 啊, keep 呢,比较习惯这种风格,所以选择了这种一直都用这种 好 data 里面呢,包括有,呃描述,统计啦,呃,还有就是生成变量,就是我们待会都会说到这些菜单操作,所以说啊,其实 data 呢,它是 兼容了有菜单操作和命令操作两种功能的一个软件, 所以呢,有时候你不知道那一行代码怎么写, 你也可以在这里翻一下。呃,比方说我这样想要实现什么功能,我可以在这里翻一下,那么,呃,你操作完之后呢,他会有一行代码在这里显示,那么你就知道他的这种你想要达到这种菜单操作,你是怎么样通过一个命令的方式来实现? 比方说绘图的,呃,各种类型的图都可以在这里选择,然后统计的,你看呢,这里有没有。 呃,相信回归模型的很多都有,其实它相当于就是我们平时用的 spas 的那种, spss 那种操菜单式的操作,但是呢,我们在用 stata 时候一般不用这个菜单,我们要用 呃命令,要用语句来实现我们的操作。好,呃,比方说,呃, 这个就是打开的读法,昨天也有简单的介绍一下。这里打开啊,比方说我们把这个课程二的代码导进来。好,这里面我没有写太多啊,我就就看一下。比方说第一行 cd 这一行就是读取这个数据所在的文件夹路径。好,读取完了。 然后呢,第二步呢,是 use use 啊,这个名称的数据,它是 d t a 格式的,如果是 d t a 格式,可以用 use 这个命令, use 这个命令,然后 clear 好,我们就可以把这个数据已经读取进来了。看到没有?刚刚这里还是空的,现在呢,就已经有了,呃,全部的变量名称,还有他们的 label, label 呢,就是对这个变量名呃来做一些 啊描述,就是让你知道更清晰的知道这个变量名的含义是什么啊?我们一般在,那么我们在做分析,在下面全部的命令里面呢,用的都是 name 这一行这个变量名,后面这个 label 呢,就是作为我们看了解知道这个变量的一个情况。 好,那么下面我们就看看怎么样数据导进来了,怎么样查看数据。就是也是这一行里面的,这里有两个按钮,一个是 data editor, 一个是 data 呃 bros 的, 呃,这种这种模式,这两个有什么区别呢?首先第一个 edit 呢,就是它可以修改的这么一个数据,就是你打开以后,它里面数据是可以修改的,可以修改的啊,比方说这里的 三,你看它是可以直接修改的,但是我们呢一般就比较少用这个,尤其是读取数据这种方式的话,我们一般都是用这个 pro 这种方式,就是呢它只能看,但是它改不了,比方说我要改为一是改不了的,看了也没有反应的 好,所以我们再呃把这个数据读起一下,就恢复到刚才的这个这个数据的格式没有被修改过的 好。然后我们在命令里面怎么样来查看数据呢?就是这个 bros 缩写啊,可以缩写,就是呢 set 里面有一些呃语句,它是可以缩写的,有一些是不行, 那我们之后再会给大家介绍一下哪些可以,哪些不可以,按照这个浏览数据就可以,他本来是 bros b r o w s e bros, 就这个 这个 bros, 但是我们呢在这里呢可以把它简写为 b r bros 简写,那我们选中这一行,点一点这个运行的按钮,那他就会把这个数据的窗口把它展示出来 啊,就是这个全部的数据都能都能查看得到啊,就是一共有五百二十六的样本容量,然后每个变量都可以在这里看得到,然后这里呢, 呃,这个数据窗口的右右边上方的是他的呃变量的一个一个汇总表,下面的是每个变量,你点中他,他会显示他的一些属性。那么如果我们想要查找变量,很多时候想要查找一下数据,那么可以在这里这个 filter 里面去找,他是会支持这种模糊 匹配的,然后我们查一下 b 秒啊,看到没有,我们输入 f 一,他就会把这个这些有 f 一的一些变量把它找出来了,包括他 f 一呢,把 label 里面的内容也搜索了,所以我们就可以把有一个 如果要想要很多变量的时候,可以通过这种方式来查找。好嘞,然后我们呢这里呢也可以输入我们的一些常见的命令,当然如果说有一些比较重要的命令,我们还是建议你在直接在读文件里面去啊, 来记录下来。比方说我们讲查看一下数据格式啊,我们这里就可以把呃每个变量它的呃变量的类型,然后它的长度,然后还有它的 label 都展 是出来,但我们也可以在这里输一样的,一样的结果表示我们输一个描述统计的一个结果啊,让他把全部变量的描述统计结果都展示在这里 一样的,但是如果说,嗯,我还是建议大家养成这个习惯,就是有什么呃命令需要做分期的话,都是在这个度文件里面去进行,因为他也很方便,他可以选中一行运行,也可以选中多行来运行, 所以尤其是有一些变量的处理的语句,还必须要在读文件里面去进行,这样才能够把这些命令记录下来,然后点一下,他是会运行选中的语句都运行一遍,然后把这个回 归结果展示出来,都可以都是这样的。好,我们下面回到这个呃语法基础里面。 呃语法基础呢? stata 的一个固定的常见的一个语法结构呢,是这样子的,就首先是一个函数名,然后是有变量的话,就跟着变量或者说变量的列表 啊,这就是前半段,主要的就是说函数是啥,呃做什么操作?对谁做操作? 然后 if 跟 in 呢?它是呃两个限定的一个范围,如果是 if 的话就表表示呢?后面我可以加一定的条件来限制,我只对其中某一个部分的数据来呃做一些操作。呃,如果 是用 in 呢?它可以指定,比方说前十行的这个记录 做这个,呃做这个函数的处理啊,他是这么,然后掰呢,他是作为分组的变量,就括号里面跟的是分组的变量,比方说我们要分成男女,那么这是一个分组的变量,比方说东中西部,这又是一个,呃分组的变量 啊,那么 by 里面是可以分组来做,呃这个函数想要做的一个一个操作,然后还有其他的一些选项,那么其他的选项就很多了,就不同的函数他会有不同的选项。 好,那简单的讲一讲下面这三条命令啊。呃,比方说 generally nuweer new valuable 等于 valuable, 一,除以 valuable 二,那么这个 generate 呢,就相当于是生成一个新的变量,我们昨天也有大概给大家介绍介绍过一下哈 generate, 那么它这里呃有一个下滑是什么意思呢?就可它它有一个缩写,就是呢,当你要生成变量的时候,你不需要把这个 generate 这是这么长的一个字母都写出来,当然写出来也可以,但是呢也可以缩写 g, e, n 三个字母就可以了。 卷一个变量,你想要生成一个新的变量是什么?然后一个等号,等号呢,在任何编程语言里面他都是复制的符号,就说他把后面的这个结果复给这个 新的一个变量,那么这是一个生成变量,这一个这一行代码有 summaries, 这就是这就是做一个呃描述统计, 描述统计呢,我刚刚也给大家展示一下, suv 就写三个字母,他也可以出来一个结果,但是如果只写 suv, 他是把这个数据集里面全部的变量的描述统计,他都会做出来。但是呢,如果这里面 跟上后面的这些,呃,变量名称,变量列表了,那么跟跟几个,那么它就只对跟着这一堆的变量做描述统计。然后 if 刚才讲的,呃,它是有这种限定条件的, group 啊, group 就第一组的 group 两个等号,记住在编程语言,呃,一个等号是表示副值,两个等号才是表示的,是逻辑的判断,这里呢就判断如果 group 组等于第一组的,就第一组的这些这些这 这些变量,我才会把它做一个描述的统计好。然后下面呢就是呃,比方说我们查这个,这这种呢是属于啊 回归啊,简单的相信回归 regress, 它也有一个缩写,就 i g 啊 regress, 你把它全写也可以, i g 也可以。那么第一个呢是被解式变量,然后面这一堆呢都是解释变量或者说控制变量, 其实在这在回归里面呢,解释变量跟控制变量它的位置在这种函数里面它是相等的, 就大家处于平级的状态,只不过我们在分析的时候我们会有所侧重,我们关注的是解释变量,然后控制变量只是作为一个呃模型的消除一定的遗漏变量的问题而存在 啊。然后逗号后面就跟着有一些选项,比方说我们采用稳健标准物的方法来估计这个回归模型,那么后面呢,就跟着一个 robust 啊,简写也有简写,它是用一个 are 来表示。 好这一段呢,我们昨天也给大家介绍过,简单再回复一回顾一下,比方说 cd 告诉他读取的是这个数据及文件他的路径,然后 use data clear, 就是把先把目前的 呃内存的数据先清空,然后把这个 data set 这个数据读到这个 data 的数据空间里面,这样就是刚刚讲到这个生成变量,他一个缩写,缩写呃新变量。 vr 二等于 a 除以 b if 就是条件限定了 b 不等于零时候的 做这么一个复制的操作。然后呢,如果 b 等于零的怎么办呢?就把这个 vr 二的值把它修改一下, replace 就修改修改 vr 二等于零,如果 b 等于零的时候, 然后把这个 vr 二做了一个描述的统计,然后保存为新的一个数据集,叫 data set 二 replace, 就是如果在这个文件假如间有一个同名的话,那么就会把它覆盖掉。 好,那么今天专题二的第一节第一个课时呢,就讲述到这里,感谢你坚持学习完本课时,希望你学有所获,我们下期再见。

我们来看线图,那线图呢是表示时间序列数据趋势的图形,它的主要作用是用于展现随时间变化的一种趋势,适合的数据类型呢?有这个时间序列数据,还有数字型数据。那么下面我们看一个案例, 从两千零七年到二零一四年青山区农林牧区业发展的情况。那么针对这样的一个问题的话,我们按照统计学的方法去分析的话,我们就是按照流程走,首先收据数据, 呃,然后我们录入 spss, spss 去处理数据啊,执行命令,然后我们分析得到结论。那么这样的一个问题的数据呢?我们可以通过,呃 统计年纪的茶道啊,所以我们这个数据收集,我们是通过间接的方式去收集, 我们打开我们的案例的文件,这就是我们搜集到的数据时间啊,呃,产值啊,这个数据录的话,我们就直接录录就可以了,录录录就可以了,这个因为有没有几个数啊, 那么下面呢,我们呃对我们搜集到的数据呢进行处理啊,处理,我让 spss 去执行命令啊,出结果啊,出行的话,我们这个线图啊,我们点击出行就罪画框 线图, 简单啊,这样注意啊,我们这里这个看用哪一个啊?

大家好,欢迎来到 say 谈数据分析入门课程,我是车水老师。本节课我们来讲一下类别变量的分析。主要分为三个部分,第一部分是类别数额统计,第二部分是 分组统计量,第三部分是图式分组统计量。首先我们来看一下类别数的统计,我们主要学习两个命令,第一个呢是 distinct, 它的作用是统计非重复值的个数。第二个命令呢是 x group, 它可以生成交叉类别变量。 嗯。然后具体这两个变量的差别呢,我们用 ct 来看一下,用例子来帮助大家理解, okay。 然后我们引用的呢是妇女工资的 那份数据, 还是我要先把这个读文档保存一下,叫做 lay 好,嗯。首先我们来看一下有哪些变量,他是类,是离散变量,也就是分类变量。 这个优点就是是否加入公会?是。然后这个 s m s a 也是,是不是 s m s a, 然后种族,职业啊,以及婚姻状况, 这是行业。 然后是不是大学毕业生。比如说我们来挑两个比较稍微不那么复杂的,比如说我想看一下, 我想看一下一共这个 occupy, occupation 这个我这个数据里面一共有多少种职业。那我就可以用 distinct 后面加 occupation 哦。它这个结果的意思呢,就是说 occupation 这个变量一共有两千二百三十七个观测值,其中不同的类别呢,有十三个。 当然这个 distinct 它可以对类别变量这么做,也可以用连续,也可以对连续变量这么做。比如说这个,嗯, h 年龄,它是一个连续变量,那我依依然可以看出来是这份数据里面它 还有多少种不同的年龄。 distinct age。 好,这样就出来了。再比如说看一下多少种种族, 他说一共有两千二百四十六个观测值,然后其中有三个不同的种族。好,这个是这个是 distinct 这个命令。那如果我想在这个基础上知道,呃,不同的种族同时不同的 职业有多少,就相当于是这两个变量的交程类别有多少。那我这个时候呢,就不能用 distinct 了。那我们来试一下可不可以用 distinct, 比如说让我用 distinct 后面添加 raise 和 operation, 嗯,记错它。这个呢,它的结果呢,就还是两个变量分别算不错,不能生成那个 嗯,交叉类别。那所以这个时候呢,我们就要求助于第二个命令,也就是 x group。 它的使用方法呢,就是 x group 后面加 你要生成交叉类别变量的两个变量,或者三个以两个以上吧。然后后面呢,再生成新的这个变量名称,后面括号里面写。比如说我想生成这个不同的种族和不同的职业,他们的交叉变量 x group, 后面要添 x group, 要生成新的变量名称 race。 然后这个时候呢,我再用 distinct, 嗯,看一下这个教程变量的类别, 而且他告诉我们呢,就是生成的新的变量,他的观测值呢,有两千二百三十七个,然后其中有二十九个不同的类别。 那我们就可以发现呢,在对于这个种族呢,有三个不同的类别,然后职业呢,有十三个不同的类别。那他们的教程呢,一定那就是三乘以十三啊, 三十九个不同的类别。所以呢,用这个 x group 呢,也可以实现这个作用,就是我可以直接看出来这个交程变量,它的类别呢,是有二十九个。然后呢,我们再来详细看一下。比如说我把前二十个给它列出来, rest 二一 好,我们就可以发现啊,这个嗯,比如比如说这个第一行呢是十九,然后 race 是黑人,然后他的职业呢是 operate operative。 然后呢,我们发现比如说这个第七行和第八行,它的这个教程项都是二,然后 同时这个种族都是 white, 然后职业呢,也都是这个管理者。那所以我们就知道呢,就是这个 c 塔,它自动呢给不同的类别标了号。比如说第一种情况呢,是白人和这个啊, technical 技术者这种这种类别,那它呢就是第一个第一个类别,然后呢,白人和管理者呢,这个种是第二个类别,那它这个教程项的值呢,就是二。所以我们在嗯 生成这个教程项之后呢,因为后面的 reads ok 变成他们的教程起来,有十三乘三三十九种不同的类别。所以前面的这个教程项呢,他也是有三十九种不同的类别,而且一到三十九,每一种类别都 都给它详细地标了号。所以这个呢就是 x group。 它这个命令它的作用好,我们来学习一下如何 计算分组统计量。我们主要学习这个三个三种方法。第一个呢就是 by sort, 然后后面加 some。 就比如说呃,我要计算不同种族下工资的和,那我就要用 by sort, 因为我是根据这个种族来分类的,所以用 by sort, 然后 加冒号,然后面再加上你要嗯计算的这个变量,以及你要计算的统计量。我们来试一下。 我想计算不同种族下 eye sorts race, 然后报号不同种族下的工资。比如说我先不加 加这个工资,不加统计量,我们看一下他可不可以运行,他发现不行,所以在工资前面我们一定要加。你是要计算工资的什么?比如说我要计算他的均值 meanwage of, 那我要计算 some, 可以了吧?哦,是可以用 some, 不可以用 me。 就是呃,这样的呢 话呢就是呃冒号后面的这个 sam 呢,是用来嗯做描述性统计的,而不是说我要计算它的和这个意思。所以刚刚我们就可以看出来后面它要加的内容是什么。就是对于不同的 种,不同的种族,我们来做嗯工资这个变量的描述性统计。 好比如说这个白种人呢,他的工资观测值有多少,均值是多多少,然后标准差最小值,最大值。如果说我们不不分类的话,我们应该是很熟悉的,他是这样的, 是只有这一行。就是对于整体的数据进行描述性统计。如果说我想分类进行描述性统计呢,前面要加把 solt, 然后加你要呃分类的这个变量,然后再加冒号,后面还是照常。然后我们来看第二,第二种方法呢,是用 tab set 嗯,然后它前面呢?还是用 by sort, 然后加上你要分类分 分组的嗯分组的这个变量,然后后面再加 tabset, 比如说 by third race。 这样可以吗?试一下。就他会给出不同的种族下面的均值。这种就是如果说你什么都不加,那他默认的就是给出不同种类下 不同分组下这个公司的均值。如果,如果我不只想要知道均值,我还想知道他的呃标准差最小值最大值怎么办呢?我们后后面需要添加选项 就是 stats 逗号 stats, 我想知道它 到几个观测值,然后均值均标准差最小值最大值 这样的。然后呢?如果我不只想要知道不同呃种族下这些描述性统计量,我还想知道不同种族同时呃 不同呃同时那个就是已婚未婚那种的交叉项目,应该怎么办呢?要在后面再加一个的已婚的那个变量名称。 我那我要这样的话,我就是嗯,已婚未婚有两种两种情况,然后种族有三种情况。那我那我这个命令之后呢?那我啊,描述性统计应该是有三乘二六种情况 下的。这个工资的描述性统计应该是这样的。我看一下是不是没有 marriage some are married 好,你看,这应该出来的是六种,二三四五六。就是第一种呢,是白种人单身, 然后白种人已婚,黑种人单身,黑种人已婚,其他人种单身,其他人种已婚。是六种情况,六种情况下我工资的这个描述性统计。所以这个呢,我们就把它称作叫叫做双层的 统计量。我们因为是用了两种分类的情况, 然后三层也是可以的。比如说我嗯,不仅想知道不同种族不同同一状况下的统计量,我想知道在此记录上再加一个是否是工会成员统计量怎么办呢?我们可以在后面加一个嗯,拜优念。 当然我先试一下能不能在这这个的情况下直接再加一个用点也是可以的。就是嗯。 优点呢,它有两种情况,然后 race 有三种, mary 的有两种。那所以最后的分组的情况呢,是三乘二乘二十二种情况下的这个工资的统计结果,这是三层的统计量,然后三层统计量。 那我们还可以用呃另一种表达方式就是把这个 you 念添加到后面去 bye uni。 看一下结果一不一样就发现它是。结果是 这样的,就是 union 呢,它在每一个表格里面再分了两行,然后大体的这个分分类是 六种,就是二乘三乘二六种。然后在每一种小的分里面他再分。这个优点是否是工会成员,这样呢,看起来就会比较整齐一点。 那我来试一试,看看能不能前面是 rise, 后面加两种分类, 这样就不可以了。 所以它这个结果呢,是说 by 后面呢,只能加一个变量。所以我们可以在前面这个 bysore 后面添加很多个分类别变量,但是在后面的 by 后面只能添加一个类别变量,一定要记住这一点。然后我们还有第三个命令呢,是用 table, 嗯, table 呢,它的使用方法呢是 table 后面加嗯 要分类的变量 race married 和 union。 然后呢,在逗号后面添加我要计算的嗯变量,以及计算的统计量分别是什么? 微博人民币 好,这个呢是 c, 就是 calculate。 我要计算的比如说是工资的均值,就是我要计算不同的种族,婚姻状况,是否工会成员。这十二种情况下 啊,我的工资的均值分别是怎么样的?好,结果就是这样的,看起来就是非常的紧凑。所以这个呢它嗯,这个变量名称叫 table 嘛。所以它出来的结果就是像一个表格一样的,它给出了 啊,这十二种情况下,他的工资的均值的情况。比如说第一个值呢,他就是代表的白种人,同时单身,同时又不是工会成员的这种分类。这种类别下,我的工资的均值是什么样子的? 那我还可以计算,嗯,别的吗?我还可以计算,比如说这个工资的 和也是可以的。就是这种看起来非常的紧凑,就比较美观。 好。然后我们要学会用图式分组统计量。我们主要学习两种,第一个是柱状图,第二个是呃,香型图。我们来看一下怎么怎么画哈。就是柱状图的 graph, 然后后面加柱状图的, 嗯,这个名称叫 bar。 然后你要记,然后再加要图示的那个变量名称,比如说 which, 然后后面再加嗯分类的变量,比如说我要按照是否已婚来分类,然后同时如果 我想再加更多的分类变量的话,我会还可以再加 over。 别的分类变量,我们来试一下啊。我要看均值, 然后后面添加我的。呃,这个分类变量,我要看不同种族下的工资。 画图点半就出来,这是白种人,黑种人, 其他人中,因为我没有告诉他我要计算工资的什么。然后他的呃,默认值呢,就是工资的均值。 那如果这里我不想知道工资的均值了,我想知道工资的标准差,那能能不能行呢?后前面要加一个括号,我要看 s, d 也是可以的。那这个时候呢,我就看到了,就是不同类别下面他工资的。嗯,标准差。分别是什么样的?那我不仅想知道不同种族下的,我还想知道不同。 呃,不同不同婚姻状况下的。那我后面需要再加一个这个选项, marry 的 也可以。这个呢,就是因为种族有三种情况,这个婚姻状况有两种情况,所以一共呢是有六种情况。比如说第一个柱子,它表示白种人单身,黑种人单身,其他人种单身。 这是分别三个柱子。然后第四个柱子呢,是白种人已婚,第五个是黑种人已婚,第六个是其他人中已婚。六种情况下不同的。这个。呃,工资的标准差。如果我后面再加呢,比如说是否是工会成员, uni 也可以。它就是有十二种情况,然后分分成这样。这就非常的美美观了。 好,那我们再来看一下如何用香型图。香型图的话跟这个的意思是一样的,只不过把这个前面的这个 bar 改成 box 来试一下哈。 还是之前这个把它变成 box s d, 它不可以做这个 好。这还是就是十二种情况,然后十二种情况每一个的详情图。比如说第一个情况呢,它是单身同时, 呃,非工会成员同时蓝色的吗?他是白种人,白种人单身,非工会成员。这一组的 啊。香型图是这个样子的,然后他的离群值是这样分布的。这样的话我们就可以看到就是每一每一个种,每一个类别下面他的中位数,然后最小值,最大值以及离群值,他的分布是怎么样的。就这个图还是相对来说是非常美观的。 好,这就是本节课的内容,我们学习了类别数的统计,呃,分组统计量以及如何图式。分组统计量。这个内容还是比较关键的,大家一定要学会。

大家好,欢迎来到赛塔数据分析入门课程,我是车水老师,本节课我们来学习一下如何在赛塔中浏览和查看数据。 主要分为三个部分,第一部分是查看资料的结构,第二部分是学会使用变量标签,第三部分呢是学会搜索变量。首先我们来学一下如何查看资料的结构,再调用一份 数据。之后呢,我们首先要学会查看数据及和变量的结构,我们用 discome 这个命令来进行。 其次我们要学会用 sorrys 这个命令来呃描述变量的统计量。然后呢,我们要学一下如何用利索来列出数据,尤其是列出我们在某一筛选条件 下的一些数据。我们来用塞塔实地操作一下,双击打开塞塔,先打开度文档,我们还是要延续我们那个优良传统,先保存一下度文档。 好,我们先调用一份系统数据 ccutoto, 然后呢这份数据就已经进来了,我们用。呃,首先要来查看资料的结构呢,我们用 disco app 这个命令 来看一下结果,选中,然后我们可以看到呢,这个结果是 非常的详细的,他首先告诉你说这一份资料的,嗯,路径,存储路径以及 观测值的个数,变量的个数,呃,数据的大小,数据的标签,以及每一个变量的名称,存储类型,存储的形式,以及每一个变量的标签都会很详细的列出来。然后呢还告诉你, 嗯,这个排序的方式是根据什么方式,根据哪个变量排序的,然后这个就是第四块。然后呢你们要注意就是第四 对前三个字母呢就完全可以代表迪斯科,这个随他就可以识别了,比如说我运行一下的跟这个迪斯科这个结果是完全一样的,所以我们可以直接简写成第四, 这个呢,我们要学会用三 mruss 来描述变量的统计量,三 mls 来运行,看一下结果啊, 好,他就会给出呢每一个变量的名称,观测值的个数均值标准差,最小值,最大值,所以是,嗯,非常直观的。然后呢我们还有 学会后续加一个低太偶的选项,我们来看一下结果。好,这个呢就是他给 每一个的变量的结果呢,都给出的非常详细。比如说我们来看 plus 这个变量,他除了给出观测值的个数均值标准差这些信息之外呢,还会给出比如说方差啊, 偏度风度百分之一,百分之五,直到百分之五十,百分之七十五,百分之九十五、九十九,这些每一个的分位数都会给出来这个命令呢,就是可以帮助我们更好更深入更详细的来 了解每一个变量他的分布。嗯,然后这个三 pls 的简写呢就是萨姆,然后后面这个 dtrl 的简写呢就是 d, 所以说如果我们进行萨姆 逗号 d 的话,也可以让实现完全相同的这个结果,所以我们在之后的,嗯,之后在使用 ctrl 的时候呢,可以直接用萨姆就可以完成这个萨姆尔 s 的这个功能。然后第三个呢,我们要学会用历史列 出数据,比如说用利索列出这个 pos 数据,那我来看一下结果就发现呢,他把每一每一 每一个观测值 plus 分别是多少都列出来了,然后哪一行都列出来了,那如果这个类似的这个命令呢?它关键的 作用呢?是用来筛选我们某一个,嗯筛选条件下的数据,比如说我想知道价格小于四千的啊,分别是哪些行?价格分别是多少呢?后面我们要加一个 f, 呃条件 flis 小于四千 非常的方便的,就说我们来运行一下,他就会告诉你,呃价格小于四千的这个这些价格分别是哪些? 然后这个价格分别是多少,分别是哪几行?都非常的详细,那后面呢我们还可以添加别的变量,比如说 mpg 这个变量, 那在这个条件下呢,我们都来给他列出来,我们就可以看到价格小于四千的呃价格,以及 mpg 他们分别的对应情况,以及分别是哪些行,所以这个类似呢是也是非常的方便的。 然后我们来学习一下如何使用变量标签。首先呢我们要学会给这个样本添加标签,用刚刚那个 ds 这个 命令的时候呢,我们可以看到这一份的标签呢是人家已经给定的一九七八奥特曼 bata。 然后这个时候如果我想添加自己的标签呢?我们怎么办呢?我们要用的是 vivo, 我们要给变量添加标签,所以后面是贝塔。 然后你要添加的标签的名称在这里写出来,如果是中文的话,一定要用英文引号里面添加我们的中文字符,比如说我想添加的标签呢是汽车价格, 好,我们运行一下,然后这个时候呢我们再来看这一份资料,就发现了 这个时候这个资料的标签已经变成了汽车价格,而不是刚刚的 pro, 而不是刚刚的这个一九七八奥特曼 flax。 然后其次呢,我们要学会给变量添加标签,比如说之前的这个 pos, 呃的标签呢?他就是 pls, 嗯,这些标签已经定义好了,如果我想定义我们自己的标签, 说,呃,如果之前的数据他没有标签,我想自己设置一个标签,怎么办呢?我们要用 vivo vr, 然后呢先写我们的变量名称,比如说 plus, 然后再写我要添加的标签的名称,比如说价格, 这个时候就执行完成了,然后我们再来迪斯科拉比一下,就发现呢,这个 pos 的标签已经变成了我们刚刚设置的价格, 嗯,如果要是给分类变量添加标签呢,就稍微麻烦一点,比如说这个 r e p 七八这个数据,我们先来看一下这个标签这个变量的详细情况。四 m d, 我们先活学活用一下,我们可以看到呢,其实这个变 他是一个分类变量,我们如果更直观的看的,我们可以用黑色勾染,就是 直方图看一下这个数据。好,我们 可以更直观的看到,其实这个数据呢,他就是一个分类变量,但是呢,数据里面他并没有给出这个一二三四五分别代表的是什么。那我们可以自己设置一个对应的标签, 那包 dfad fy 就是定义的意思,嗯,我们设置这个标签,我们先给他取一个名字,就是专为佩尔, 然后比如说设计一,一的意思是好,二的意思是, 嗯,两三的意思是中。 还记得上节课我们讲如何断行呢,就是在后面加三个斜杠,然后四的意思呢?是 在定义这个之前呢,我们 来看一下这份数据里面他原本有的标的那个分类变量的标签有哪些? 我们先跳到下一个环节,下一个呢是标签管理,我们要学一个雷波 book 这个命令来查看类别。我们现在先来看一下原本的雷波 booc 的类别一点,看一下,发现呢 有一个变量有这个标签,也就是呃,这个方瑞这个变量,他的零呢代表的是国内,一代表的是国外。那这个时候我来 运行一下我刚刚设计的这个标签。好,已经定义完成了,定义完成之后呢,我要给二 pp 七八这个变量添加我的这个标签,怎么办呢?我要用 vivo, 嗯, vivo yleos 加变量名再加标签名的形式来设计,就说 vivo yous 先加电量名就是二一批七八,再给他连接上我刚刚设计的这个标签瑞佩尔, 然后来运行一下就给他把,就给这个 i e p 七八这个变量,嗯,连接到了安装,就相当于把这个标签和这个 i e p 七八连起来了。那我们来 现在来再来看一下啊现在的标签 abbox, 就发现呢有两个变量都有了标签,这个呢是之前的,那 那个风瑞那个变量,这个呢就是二一 p 七八这个变量,我们的变那个标签名称呢是瑞佩,然后呢一二三四五分别代表的是好量中差、较差,就是我们刚刚定义的这个。 好,我们还要学习一下如何删除标签,嗯,直接用 lebogle 删,然后再添加你要删除的那个标签名称,比如说是, 那我们这样就可以删除了啊。删除之后呢,我们再用猎豹扑克来看一下当前的这个标签,发现呢只有否认这个变量有标签了,因为我们已经把人拍了这个标签删掉了。 好,最后一个部分呢,我们来学习学习一下如何搜索变量,嗯,比如说在这个数据集里面,我们来搜索一下, 嗯,用 loger 这个命令,我们来搜索一下这个 prus 这个变量是否存在,我们来运行一下就发现呢他是存在的,然后呢给出了这个变量的 名称,嗯,存储类型,然后形式标签都是有的。在这么一份就看起来变量比较少的这个数据集里面的播放,这个命令看起来就是,嗯, 不那么必要。但是如果说我们用的是成千上万个数据,或者说非常多的电量的名称的话呢,这个露福尔的这个 命令呢是非常的有效的,可以让我们查找这个数据集里面他是到底是否包含 这个电量。好,这就是本节课的内容,我们学习了如何查看资料的结构,如何使用变量标签,以及如何搜索变量。

大家好,欢迎来到 stata 数据分析入门课程,我是车水老师,本节课我们来讲一下如何使用 stata 来识别以及处理离群池。 主要分为三个部分,第一部分是离群值的识别,第二部分是缩尾处理,第三部分是结尾处理。缩尾处理和结尾处理呢,是处理离群值的两种 非常常用也是非常有用的方法,我们来具体学习一下。首先是离群值的识别,我们有两种识别方式,第一种呢是画香型图, 第二种是使用 adjacent 命令,然后画香型图的命令呢是用 graph box 后面添加要画的那个变量的名称 就可以了。然后 adjacent 这个命令呢是,嗯,直接在 adjacent 的后面要加上你要识别的那个变量名称就可以。好,我们来用 sata 实地操作一下, 首先打开 state, 打开杜文档,然后我们调用一份系统的数据,还是要首先首先先把这个杜文档保存一下, 叫离裙值得处理。 ctrl b 运行好。呃,比如说,我想知道, 嗯,这个,比如说这个价格,这个变量呢,它的均值是六千一百六十五,最小值是三千二百九十一,而最大值呢是一万五千九百零六,就比这个均值大很多很多,而且它的 标准差呢是两千九百四十九,也是非常大的,所以我们就可以猜测他可能有一些利群值。嗯,那我们用香型图来画的话呢,就是用刚刚说的 graph box, 然后面直接加 呃,变量名称 price 就可以了,我们运行一下看一下。 好, 这个是啊,香型图中间最中间这条线呢是中位数,然后,呃, 这这个箱子的上上端和下端呢是上下四分位数,然后,呃,最上面最上面的这个横线和最下面的这个横线呢,是上边缘和下边缘。如果我们的数据分布在上边缘的 和或下边缘以外的话呢,我们就认为这些数据是离群值。那我们可以很明显的看到,其实这个 price 这个变量呢,是有很多的离群值的。 然后这个香型图呢,还有一种功能就是可以看到,嗯,不同分类下的林群值得分布。就比如说我想知 知道这个 foreign, 它是一个分类面料,在我想知道国内和国外的呃,不同种类下的汽车价格它的离群值的分布状况,那我可以直接在后面添加一个 嗯, by foreign 的选项, by 就是类别的意思 foreign, 然后运行一下 就可以看到,就是对于国内的这这一组来说呢,它的离群值更多,也分布的更广。对于国外的这一组 啊,样本来说呢,他的离群值相对就少那么一点。那我们就可以从这个箱型图里面看到啊,这个离群值的分布,以及他在不同种不同组别下的分布状况。 好,我们还有第二种,呃,识别离群指的方式呢,就是用 adjacent 这个命令,这个它的英文里面的含义是匹零的意思,那我们来使用一下,看一下结果会是什么样的。 adjacent price。 好,他出来的结果呢是,嗯, 低于 adjacent, a lower adjacent and upper adjacent。 意思呢就是说,呃,在 我们的上边缘以上的值和下边缘以下的值,就是上边缘的那个边缘值是八八一四,下边缘的边缘值是三二九一,也就是意味着说如果我的样 本呃的价格低于三二九一或者高于八八一四呢,就意味着它是离群值。 嗯,然后呃用这个命令的话呢,我们同样也可以知道不同种类下的离群值的分布,后面也是加 by, 然后加入你的分类变量,比如说 foreign, 那我们就可以看到,就是对于国内的这一组汽车来说,低于三二九一 或高于八八一四就是离群值了。而对于国外的这一组来说,低于三四三七四八和高于九七三五啊,他才是离群值。 所以跟跟我们用香型图的那个结果是一致的,因为因为国刚刚香型图里面国外的那个他在上边缘以外的离群值也是分布比较少的吗?说明大部分的离群值是分布在这个国内这一组的,跟 这个是一致的。好,识别了离群值之后呢,我们就要对离群值进行处理,我们有两种处理方式,我们首先来讲第一种缩尾处理,缩尾处理的含义呢就是, 嗯,将边缘值给他,缩到边缘值我们的边缘之内。我们来用一下这个缩尾处理的命令呢,是 visa 这个命令,然后它的使用方法呢是 后面加入你要缩的那个变量名称,然后再加生成新的变量名称的选项,然后再加你要缩尾的比例。比如说我要呃双边百分之一的缩尾,那后面就是 p, 这个 p 代表 person, 他有就是比例 零点零一,如果你要百分之五的缩尾就是 p 零点零五,如果是百分之十缩尾,那就是 p 零点一,我们来用一下试试看。嗯, visa, 我要将 price 这个命令 缩尾进行,呃,生成一个新的变量,叫做 price 杠 w w 就是 winter 的意思,然后缩尾的比例呢是百 分之五,运行一下好,他就缩回来了,那我我怎么能知道他缩回来之后是什么样子的呢?我们来画一个脂肪图看一下。用这个 two way, 我们首先来看一下缩尾之前的直方图是什么样子的, 是这样的,我们就看到呢,就是左边这一些,呃,其实是没有的,最小值是三千二百九十一, 我记得,嗯,对,最小值是三千二百九十一,所以这边是没有的。但是对于这边呢,你就发现他的脱尾的现象是特别严重的。 那我们来看一下缩尾之后的图位。 还记得之前说,嗯,画图的方式, instagram 运行一下, 这个就是看不太清,所以我们用颜色来给它标标记一下,后面加一个 color 的选项,那我要用绿色 就能分出来了,就是这个绿色的呢。是,呃,这个变量,也就是说缩尾之后的变量,那我们就 可以发现呢,缩尾之后的这个,嗯,样本的分布呢,他更更接近于中间,他就没有这个特别离谱的这些数据了,就是相当于把这些啊离群值给他缩到中间来了这个意思。 然后对于左边的一些值也是这样的, 好,这个如这个呢是双边缩尾,如果对于这份数据来说,呃,我的这个下边缘呢,是三二九一,但是我数据的最小值也是三二九一,说明这个下边缘这边我是没有离群值的。如果我只 只想说,呃其中的一侧的话,那我需要在这个 winter 这个 命令之后呢再添加一个选项,就是比如说我只想嗯,对上圆圆所谓,那我要加一个 high only only, 那我就回生成一个新的边梁叫,比如说 h。 然后呢我们再来看一下嗯,上边缘缩尾之后的样子, 就看到左边是一样的,就是没有进行缩尾处理,但是右边呢就把利群值给他缩回来了。是这样的,所以我们要根据自己的 啊变量的分布状态来选择我缩尾的比例,以及缩尾的是上,嗯,是双边缩尾还是单边缩尾,还上缩尾还是下缩尾这样, 嗯,我们来讲第三部分就是结尾处理,如果说这这个离群值我不想要了,那我就可以直接把它结掉,然后我们用的命令呢是这个一杠 p c tyle 这个命令, 然后呢后面要加上结尾的这个比例,比如说我想啊上下百分之五都给它截掉,那我就要后面加一个 person tire, 后面加五上五下九十五,这个是比例。 然后我们来试一下 p c 啊 rice, 呃,嗯,行,好,那我们运行一下就可以, 好,他就已经运行好了。呃,那我们现在来再来看 price 有什么变化呢? 它跟之前是一样的,没有什么变化。那我们需要呢返回一下我们的分位数值, 需要一起好返回,返回之后呢,这个的意思就是,嗯,上 边的百分之五的那个节点是三七四八,也就是小于三七四八的那那些样本数他占了整体样本的百分之五,同理大于一万三千四百六十六的样本数量占了总体样本的百分之五, 所以这个就是嗯,上下百分之五的那个节点,所以我们如果想结尾的话,就需要把小于这个下百分之五的数据和大于上百分之九十五的这个数据删掉,所以我们叫 job 一下,然后面添加一个呃条件, if price 小于呃 r r 一, r r 一呢,就是代表, 呃,是这个三七四八这个数啊,就是代表的百分之五的那个节点, if price 大于这个代表的是上百分之五的那个节点二二。好, 那这样呢,我就把这个上下百分之五的数据给它解掉了。 哦,这就是连上百分之五、下百分之五的数据,分别是三七四八一、三四六六,和这个的意思是结果是一样的。 好,这就是我们讲的缩尾处理和结尾处理。本节课呢我们主要讲了三个方面,第一方面呢是 h 值得识别, 第二方面呢是离群值的处理,包括缩尾处理和结尾处理,这个是这两种处理方,方法呢是非常常用的,大家一定要记住。

大家好,欢迎来到赛塔数据分析入门课程,我是车水老师,本节课我们来讲的内容是数据的合并, 主要分为三个部分,第一部分是将数据进行横向的合并,第二部分是将数数据进行纵向的合并,第三部分呢是将数据进行横纵变换。 嗯,具体的我们来分开来讲一下。首先是横向合并,我们要学习两个命令,第一个 smarts, 第二个是招人拜,第一个呢用的场景 比较多,因为它可以实现三种合并方式,分别是一对一合并,一对多合并以及多对多合并。那么这些到底是如何操作的呢?我们用 来演示一下。 首先打开 stat, 然后打开度文档,这个先要保存一下度文档。 嗯,好,我们来看看一下 virtue 的帮助文档, 你发现他可以实现一对一合并, 多对一合并,一对多合并,多对多合并,然后他的使用方法呢,就是先写妹,然后再写你的合并方式,一对一多对一呢就是 m 比一,如果一对多呢,是一比 m, 多对多呢是一 m 比 m, 然后后面填写你的呃变量名称,然后再填写你要和 啊哪一个文件合并的另一个文件的名称,后面添加选项。然后要注意的呢是这个呃变量名称呢,是我们用来识别两个数据唯一确定的关键字,比如说我要 啊执行一对一合并的话,那我要合并的那个关键字是哪个变量,那这里的啊为二就是哪 哪个变量,或者说哪些变量,我们来看一下例子, 我们看一下啊,这里有两个数据,几 web use auto size, 然后还有 web use auto expense。 那我先来看一下第一份数据,他是这样的,第一个呢是 make, 也就是他的型号吧,然后第二 这个呢是重量,第三个是第三个变量是长度,我们呢先把这个数据保存一下 一好,然后呢我们引用第二份数据, 嗯, 先可怜一下 the expense, 好进来了,这个呢第一第一列呢是型号,第二列是价格,第三列是 mpg, 我们就发现这两份数据,它的这个 make 这个 变量呢是有重合的地方,那我可以将 make 相同的这些变量给他合并起来,那合并之后我们就知道我们想要的数据的模样呢?是第一列是 make, 第二列呢是刚刚那个数据 里面有的 wait 和 nice, 然后还有两粒呢是这个 price mpg, 这个是我想要的结果, 而且我们发现这个麦他是嗯可以唯一确定某一行的数据的,所以我们要用一比一,就是一对一的这样来合并, 直接用二尺,然后填我们要合并的方式一对一,然后我们唯一识别的关键字呢是 make, 然后我们要和哪个 数据合并,那我们就要邮进后面加二尺一点 dta 看一下,结果 发现他合并好了,然后他给出的结果呢是没有合并,没有匹配上的数据,有一个匹配好的数据呢,十五个在没有匹配上的数据里面呢。 啊,这个数据来自于当前数据的是零,来自于被使用的那个另一个数据是一,也就是意味着说这个没有匹配上的数据,他只 只存在于最硬的那份数据,也就是只存在于妹儿只一这份数据,而不存在于当前奥特 xs 这个数据,好,从这里呢我们就可以看出来,就是完全匹配的数据有多少个,然后来自于当前数据有多少个来自对方数据有多少个是一目了然的。 这个我们来看一下结果,好,这样就匹配好了。这对于第六个变量呢,就说明 prayspg, 就是当前这份数据,没有这两个数据,只有对方有。在合并的时候呢,我们可以根据这个合并的状况,我们进行一些膳食啊,替补之类的操作, 然后这是一对一的合并。如果说我这个关键字呢?嗯,比如说当前数据有 may 可可以唯一的确定某一行,但是对方数据呢?嗯, make 就是有很多是重复的数据。行,那我就可以用一对多来合并,同理呢,我们可以用多对一或者多对多,根据我们的数据的长相,他是什么样子的来合并就可以了。 我们接着带来看一下第二种方法呢,是装一半,我们还是可以先看一下帮助文档, 要告诉您是可以合并两个组别,那我们直接来看例子吧。 不用,我们直接用刚刚这个例子,用装一半来合并 看一下就可以了,我们还是先用这个, 这个是第二份数据,那我如果用中音拜和另一个合并的中音拜, 哦,他这个变这个命令的使用方法呢?是中音拜,然后后面添加你的关键字,我的关键字是 make, 然后 us 一,这样好,我们就合并好了,就可以看到这样 到合并,但是这个和刚刚那个合并的结果是有什么不同呢?他只合并了两边都有数据的 啊,这个观测值,也就是说如果,如果,嗯,对于刚刚这个妹他的结果来说,这个没有匹配上的数据呢,对于装一半他就直接给他删掉了。所以呢,我们在实际使用的方式方, 所以我们在实际使用的过程中呢,就是要根据自己的 嗯,自己的要求来选择。我是要油妹纸还是装一半?我个人的话比较推荐油妹纸,因为他的更灵活,就是一对一,一对多,多对一都可以实现。我们来 看一下纵向的合并,纵向合并的命令呢是喷的,然后使用方法呢是喷的,然后直接直接添加 using, 就是直接添加你要合并的对方数据的名称就可以了。然后 后面啊,好,我们来试一下, 我们还是先看一下帮助文档, 他就是用来追加合并数据的,然后使用方法呢,就是 ipan 的 uc 直接添加你的,呃,文件名,就后面添加选项就可以了。我们来看一下例子, even 一吻,我们看来看一下一数据是这样的,就是第一行呢是数数据,第二行呢是一吻他的二倍吧,然后我们把这份数据先保存一下。 safe 一吻, 我们来调取第二份啊, 让我们看一下这是,嗯,前五个基数。 好,这个是 number 和奥的,刚刚那个是 number 和疑问,然后呢,我想把这两份数据就是纵向的合并起来,相当于呢,就是 number 刚刚的那个 number, 他在他的后面给他排上来用一下,看一下, 现在是 out, 然后我们用 a panda using even, 哦,好了,我们来看下结果,这样呢,他就是这个相同的变量呢,我们在后面给他追加,然后不同的呢,我们啊就 在不同的变量列上面列出来,这就是判的他的用法以及他的作用,对于两份就是有相同变量的数据来说,判的他是可以这样纵向追加的。 好,我们再来看一下数据的横纵变换。数据的横纵变换呢,他用的命令是 re shake, 他用他有两个使用方法,第一个呢是把一个很宽的数据,把它变成长数据,第二个呢是把长数据变成宽数据, 然后类似于一次药里面的转制,但是他呢又有一些不一样的地方,而且更加的灵活,我们来看一下。 好,这里就给出了一些例子人士,他的作用呢是用来转换数据,从宽的宽数据到长数据,或者是从长数据到宽数据,然后长数据呢是这样的,就是 i 和这 i 呢代表的是你的, 嗯,类似于 id 就是你的唯一识别吗?然后这呢是第二个类似于,比如说时间或者年份一样的,然后后面呢是你的嗯变量, 然后变成宽型呢,就是你的 id 可以唯一的识别某一行,然后这个就把它就把它理解成为,比如说时间,时间呢是根据是根,在这个变量的后面呢就变成了这种宽型的,这是不是个面变量呢?这个命令呢,它可以实现 从这两这两个状态之间的转换,然后他的使用方法呢是比如说我现在是长的这个形态,那我要把它变成宽的形态呢?瑞士后面就要加外,外的就是你要变成什么形态,后面就要加什么形态, 如果你要变成长形的,后面加浪,然后再加你要嗯转换的变量,然后后面呢要添加一个选项,是 a 和 j, 然后 a 呢就是第一列的这个 ij 呢?就是第二列,这个 j 就是类似于啊你的 id 和时间这样子的。 然后我们来看一下栗子, 这是从网络上下载的一个一份数据, 我们下载好了我就发现它是一个宽型的数据,我们来扫一下吧。 嗯,发现有一个 id 有三个不同的 id, 然后呢有性别,然后 inc 和优异这两个变量呢?他有共同的特点,就是他的 后面的这个后缀是一样的,八十八零八一八二八零八一八二,那我想把它变成呃,长型的数据,就是我最后。