GiI THIU PHN MM x LY s LIU STATA

Sử dụng log file: Nếu bạn muốn ghi lại tất cả những gì bạn làm? Chúng ta sử dụng log file. Logfile chứa các câu lệnh và bảng kết quả, không chứa biểu đồ, đồ thị. Để mở một log file: Từ menu vào File – Log – Begin hoặc gõ trực tiếp log using ten_log tại dòng lệnh. log using filename , append replace text|smcl Đuôi mở rộng của log file: .log; .smcl; .doc Đóng logfile sử dụng câu lệnh log close

Trang 1

TRUNG TÂM NGHIÊN CỨU CHÍNH SÁCH VÀ PHÁT

TRIỂN

GiỚI THIỆU PHẦN MỀM XỬ

LÝ SỐ LIỆU STATA

Trang 2

Quản lý số liệu trong Stata

 log using filename [, append replace [text|smcl]]

• Đuôi mở rộng của log file: log; smcl; doc

• Đóng logfile sử dụng câu lệnh

 log close

Trang 3

Tạo dataset

• Một vài câu lệnh trong phần này: use, browse, edit, format,

generate, list, merge, append, replace, save, set, sort, tabulate,

label, keep, drop

– Mở một data hệ thống: sysuse Ten_data_hethong

– File đã có sẵn (File  Open) hoặc dùng lệnh (use, clear)

– Sử dụng dataset trên mạng: webuse

• Lưu dataset với save và saveold (dùng cho các version 8,9)

 save [filename] [, save_options]

• Xem dữ liệu (browser)

 browse [varlist] [if] [in] [, nolabel]

Trang 4

Trang 5

Tạo dataset

Sử dụng dataset trên mạng

webuse lifeexp : Sử dụng lifeexp được lưu tại http://www.stata-press.com/data/r10

Trang 6

Trang 7

StatTransfer

Trang 8

– tab: Các giá trị trong số liệu cách nhau bởi tab

– comma: Các giá trị cách nhau bởi dấu phẩy

– delimiter( “char”): Chúng ta có thể xác định kí tự trong số liệu

– clear: xóa số liệu trong bộ nhớ

– [no] names: mặc định tên biến là dòng đầu tiên Nếu bạn xác định

no thì ngược lại

Trang 9

insheet (tiếp)

Để biết được loại file dữ liệu định dạng theo

cách nào  gõ type “tên_file”

Trang 10

odbc

Các bạn sử dụng câu lệnh odbc cho excel

odbc load, dsn("Excel

Files;DBQ=d:\Book1.xls") table("Sheet1$")

File  Import  ODBC data source  chọn MS excel (chọn đường dẫn đến file excel)

Trang 11

Quản lý số liệu trong Stata (tiếp)

Biến

Một số quy ước: độ dài tối đa của biến là 32 kí tự, nhãn để

mô tả biến có độ dài tối đa là 224 kí tự

Tạo biến (generate)

Gán label và value label cho biến?

Trang 12

Biến

Có 2 cách gán giá trị và label của biến

 Dùng menu

 Dùng giao diện dòng lệnh

Trang 13

Biến (dùng menu)

generate q1= (Tạo ra biến q1 và gán cho

biến q1 giá trị missing )

Gán nhãn cho biến: Data Labels  Label variable

Trang 14

Biến (dùng menu)

Label values  Define or modify value labels

Trang 15

Biến(dùng menu)

Bây giờ, khi đã định nghĩa một tên nhãn giá trị (yesno), chúng ta phải gán cho một biến nào đó? (q1)

Vào Data  Labels Label Values  Assign value label to variable

Trang 16

Biến( giao diện dòng lệnh)

 Thao tác với tại dòng lệnh

label variable q1 “Bạn đã lập gia đình chưa?”

label define yesno 1 “yes” 2 “no”

label values q1 yesno

 Nếu chúng ta muốn thêm nhãn giá trị cho biến q1,

ta làm như sau:

label define yesno 8 “don’t know”,add

 Nếu chúng ta chỉnh sửa nhãn giá trị cho biến q1, ta làm như sau:

label define yesno 8 “No Responding", modify

Trang 17

Một số thao tác trên biến

Mô tả cấu trúc dữ liệu hoặc biến ? (describe)

des varlist

Để đổi tên biến: rename old_var new_var

Muốn xóa một biến trong Stata? (drop hoặc keep) Ngược lại với drop là keep

drop var1 [var2….]

drop if var1 >=15

Trang 18

Cấu trúc của file dữ liệu

Một ai đó đưa cho chúng ta một dữ liệu mà không có bảng hỏi, chúng ta muốn kiểm

tra cấu trúc dữ liệu, các khoảng giá trị của biến, các nhãn của biến, các nhãn của giá trị

Trang 19

Chuyển biến kiểu số sang chuỗi và ngược lại

destring: chuyển biến kiểu chuỗi (kí tự)

sang biến kiểu số

destring [varlist] , {generate(newvarlist)|replace}

[destring_options]

tostring: chuyển biến kiểu số sang kiểu

chuỗi

tostring varlist , {generate(newvarlist)|replace} [tostring_options]

Ví dụ: sử dụng số liệu destring1.dta, tostring.dta

Chúng ta có thể cộng 2 hay nhiều biến string được với nhau

Trang 20

Trang 21

Ví dụ: Muốn lấy phần dư của 5 chia cho 2

display mod(5,2)  kết quả bằng 1

Kết hợp lệnh gen với các hàm toán học

ví dụ: gen phandu = mod(5,2)

Trang 22

Trang 23

Trang 24

#/l(last): từ vị trí # đến cuối

Ví dụ:

list q1 1/10  hiển thị giá trị của q1 từ vị trí 1 đến 10

Trang 25

egen

Là hàm mở rộng của generate

Cú pháp

egen [type] newvar = fcn(arguments) [if] [in] [, options]

Ví dụ: Tính tổng thu nhập ngoài tiền công, lương từ câu 12a đến câu 12e (muc4a.dta)

 Bạn dùng help egen tại dòng lệnh để tìm hiểu thêm các option của lệnh egen

Trang 26

Mã hóa lại biến

Chúng ta cần mã hóa lại biến Ví dụ biến q1 được gán với nhãn giá trị là yesno (recode)

Trang 27

Mã hóa lại biến

 Một câu hỏi đặt ra là chúng ta muốn recode

biến theo khoảng giá trị của biến đó? ta làm

như thế nào?

biến mới là newage và nhãn giá trị new_age

recode age (0/17 = 1 “Dưới độ tuổi lao động”) (18/65=2 “Độ tuổi lao động”) (65/105 = 3

“Ngoài độ tuổi lao động”), pre(newage)

label(new_age)

Trang 28

Mã hóa lại biến (Bài tập)

Dùng số liệu VHLSS06 (phần thông tin chung) muc1a.dta

Câu hỏi:

 Tính tuổi thành viên(indage) từ năm sinh

 Giới tính của chủ hộ (hhsex)

 Tổng số con (hhchild) của chủ hộ

Trang 29

Quản lý bộ nhớ

Mặc định Stata thiết lập bộ nhớ là 10MB, nhưng nếu dữ liệu của bạn lớn hơn 10MB thì sao? (set mem kich_cỡ) – set mem 120m

Muốn màn hình kết quả hiển thị tất cả kết quả mà không

có more? set more off  Câu lệnh này rất được hay dùng trong dofile

Trang 30

Một số ép kiểu dữ liệu

Hàm int(), float(), string(). chúng ta muốn ép từ kiểu

dữ liệu này sang kiểu dữ liệu khác  Vậy nó khác gì với các hàm chuyển kiểu như destring() và tostring()?

Ví dụ: display int(3.45)  kết quả sẽ là 3

Khoảng biến: var1-var5 (var1 var2 var3 var4 var5).

Bạn cũng có thể dùng các kí tự ?, * để thay thế cho các

kí tự; ví dụ: var* - sẽ tìm tất cả các biến bắt đầu bằng var.

Trang 31

Nối số liệu

Nối 2 hay nhiều file dữ liệu stata (append hoặc merge)

Nối 2 số liệu theo observation (case) ta sử dụng append

Nối 2 số liệu theo biến ta sử dụng merge (chú ý khi trước khi sử dụng lệnh merge thì cả 2 số liệu phải được sắp xếp – lệnh sort)

Trang 32

Nối số liệu (append)

Cú pháp:

append using filename [, options]

options:

keep(varlist)  Chúng ta có thể chỉ nối một số biến cụ thể từ

số liệu using được xác định trong varlist, nếu không có xác định keep thì mặc định là tất cả các biến sẽ được nối.

Sử dụng 2 số liệu even.dta và odd.dta

use Đường_dẫn_đến số liệu odd.dta

append using Đường_dẫn_đến_số_liệu even.dta

list  Hiển thị kết quả sau khi nối.

Trang 33

Nối số liệu

Trong lệnh merge số liệu master là trong bộ nhớ, còn số liệu using là dữ liệu để merge vào.

merge [varlist] using filename [filename ] [, options]

Mặc định tạo ra biến _merge nhận 3 giá trị

 1 Quan sát chỉ có trong số liệu master

 2 Quan sát chỉ có trong số liệu using

 3 Quan sát có cả trong master và using

Merge bạn có thể quan hệ 1-1, 1-nhiều, nhiều nhiều

Trang 34

merge using “Đường_dẫn_chứa_file_odd.dta”

Ở đây, file even.dta là master file, còn file odd.dta là using file

Ví dụ 2: sử dụng biến để nối ( thường là biến id)

Trang 35

Nối số liệu

Ví dụ 3: merge 2 số liệu province và merge province (master)  chúng ta sẽ nối theo biến procode

Trang 36

Tạo số ngẫu nhiên

Tạo dữ liệu ngẫu nhiên và mẫu ngẫu nhiên

Một số hàm:

 uniform() tạo số ngẫu nhiên trong khoảng (0,1).

 set obs rownum: thiết lập số observation cho một dữ liệu

 set seed số_bất_kỳ: có tác dụng biết số ngẫu nhiên đó lần sau.

 sample: lấy số liệu ngẫu nhiên từ dữ liệu sẵn có sample có 2 dạng là chọn theo %; sample n(phần trăm) và chọn theo số lượng; sample n, count

Trang 37

Trang 38

Sử dụng biến hệ thống

Trong stata còn cho phép hiển thị dữ liệu của một ô cụ thể trong dữ liệu

Biến hệ thống _n còn có ứng dụng trong dữ liệu dạng series Nếu chúng ta có dữ liệu

hàng ngày về giá của một cổ phiếu cụ thể

trên thị trường chứng khoán với tên biến là open Như vậy, chúng ta muốn tính giao

động giá của ngày hôm sau so với hôm

trước:

sysuse sp500

gen difopen = open – open[_n-1]

Trang 39

Bài tập

 Lưu lại nhật kí làm việc của mình

 Thêm nhãn, nhãn giá trị trong bảng hỏi

VHLSS2006 phần số liệu muc4a (thu nhập) cho

các câu m4ac1a, m4ac1b, m4ac1c, m4ac2,

m4ac3, m4ac10b Từ đó tính tổng thu nhập (câu

11 + câu 12f + câu 21 + câu 22f + câu 25 trong bảng hỏi)

 Sử dụng số liệu muc1a, tạo một biến reg8 (phân thành 8 vùng) từ tỉnh; 1 "Red River Delta" 2

"North East" 3 "North West" 4 "North Central

Coast“ 5 "South Central Coast" 6 "Central

Highlands" 7 "South East" 8 "Mekong River Delta"

Trang 40

Mô tả thống kê

Các lệnh: summarize, tabulate, tabstat,tab1, tab2

Mô tả thống kê với các biến liên tục

Xử lý các giá trị missing và ví dụ

Bảng tần suất và bảng tương quan quan 2 tabulation)

chiều(cross-Export dữ liệu

Trang 41

Mô tả thống kê với các biến liên tục

Để mô tả thống kê với biến liên tục ta sử

dụng lệnh nào trong Stata?  summarize

Trong lệnh summarize: chỉ tính bị các

observation không có missing Sẽ loại bỏ các observation có giá trị missing

bysort kết hợp với summarize Để tính

summarize và tách theo biến rời rạc

summarize kết hợp với if

Trang 42

Mô tả thống kê với các biến liên tục (tiếp)

Ví dụ: muc4a.dta, tính tổng thu nhập trung bình, theo ngành nghề làm việc (câu 10a)

Kết hợp bysort với sum

bysort m4ac10a: sum tongTN  Chia theo ngành nghề

Kết hợp if với sum

sum tongTN if m4ac10a ==4 & m4ac10b==1 

Mô tả tongTN theo kinh tế NN và là cán bộ công chức

sum tongTN if m4ac10a ==6  Mô tả tongTN

theo kinh tế tư nhân

Trang 43

Mô tả thống kê với các biến liên tục (tiếp)

 tabstat: cung cấp cho bạn mô tả thống kê theo ý muốn của bạn.

Từ ví dụ trước: ta muốn hiển thị mean, sd, median, variance, n tabstat m4ac11, sta(mean sd median variance n)

Trang 44

Mô tả thống kê với các biến liên tục

(tiếp)

 tabstat kết hợp với by

tabstat m4ac11, sta(mean sd median variance n) by

( m4ac10b)m4ac10b mean sd p50 variance N

tabstat m4ac11, sta(mean sd median variance n) by ( m4ac10b) missing

 Chúng ta có thể định dạng lại số liệu bằng lựa chọn format

tabstat m4ac11, sta(mean sd median variance n) by ( m4ac10b) format(%9.1f)

Trang 45

Xử lý các giá trị missing và ví dụ

Có 27 giá trị missing có thể có trong Stata,

mặc định giá trị missing là dấu chấm(.)

Còn lại là 26 giá trị missing trùng với 26 kí tự trong bảng chữ cái nhưng có dấu chấm ở đằng trước(.a, b, c,… )

Các giá trị missing trong Stata được coi như

các số vô cùng lớn

Trang 46

Xử lý các giá trị missing và ví dụ(tiếp)

Ví dụ: chúng ta muốn tính tính summarize (mô tả thống kê) với dữ liệu auto, ta tính

mean của biến price, theo rep78

sysuse auto summarize price if rep78>3  kết quả bảng 1.1 sum price if rep78>3 & rep78 <  Kết quả bảng 1.2

Variable Obs Mean Std Dev Min Max price 34 6073 2315.435 3748 12990

Variable Obs Mean Std Dev Min Max price 29 6011.37

9 2055.312 3748 11995

Bảng 1.1 Bảng 1.2

Trang 47

Bảng tần suất 1 chiều

Để mô tả các biến rời rạc

Cú pháp: có 2 câu lệnh cho chúng ta lựa chọn

tabulate varname [if] [in] [weight] [, tabulate1_options]

tab1 varlist [if] [in] [weight] [, tab1_options]  chạy cùng một lúc nhiều biến

Ví dụ: tính frequencies giới tính của chủ hộ

tabulate m1ac2 if matv ==1

 Chạy nhiều frequecies cùng lúc tab1 m1ac2 m1ac3 m1ac6

Trang 48

Bảng tần suất và bảng tương quan quan 2

chiều(cross-tabulation)

Sử dụng bảng tần suất và bảng tương

quan 2 chiều với tabulate.

Cú pháp: có 2 lựa chọn

tabulate varname1 varname2 [if] [in] [weight] [, options]

tab2 varlist [if] [in] [weight] [, options]  tính tần suất 2

Trang 49

Mô tả thông kê (tiếp)

Export dữ liệu

Dùng outsheet tabout để export dữ liệu ra

các định dạng khác nhau như excel từ số liệu gốc.

outsheet [varlist] using filename [if] [in] [, options]

Trang 50

Export dữ liệu

tabform export dữ liệu bằng cách tính mean,

sd, ci

tabform varlist using filename [if] [in] [aw fw], [ by(varname)

sd se ci level (#) nototal bdec(#) sdbracket cibrace mte st mtprob mtse mtbdec vertical ]

Ví dụ:

tabform price mpg trunk weight using

"D:\test.xls", by(foreign) sd ci level(90)

bdec(2) sdbracket cibrace

Trang 51

Export dữ liệu

Dùng log file, với đuôi mở rộng là file doc

Tiêu đề	Giới Thiệu Phần Mềm Xử Lý Số Liệu Stata
Trường học	Center for Policy Research and Development
Chuyên ngành	Data Analysis
Thể loại	Giáo án hướng dẫn sử dụng phần mềm
Năm xuất bản	2023

Định dạng
Số trang	51
Dung lượng	1,35 MB