Stata数据清理整理（小白）
目录
1.数据导入
1.1导入方法
2.数据管理
2.1浏览排序
2.2基本描述
2.3变量特征
2.4定义新变量
2.6合并
3.命令结构和选项
“use” 命令加数据的路径和名称。
先用“cd” 命令进入数据所在的目录，然后用“use” 命令直接加数据的名称来导入数据。
TIPS:适合批量
点击菜单、图标
其他格式文件：
-格式转化（软件StatTransfer）
-"insheet using" 命令导入
"list"
"sort"升序
"gsort"降序
"describe" 可得本容量、变量个数、变量名称、变量存储类型和格式以及变量的基本含义
“rename”,“format”和“label”分别可修改变量名称、变量格式或变量含义等内容
"summarize" 包括与每个变量对应的样本容量、算术平均数、标准差、最小值和最大值等
"ameans, centile, correlate, count"
"inspect, tabstat, tabulate"
在既有变量的基础上定义新变量—— "generate"
eg：定义一个新的虚拟变量“male”。当该变量取值为 0 时，个体为女性；取值为1时，个体为男性。那么我可以运行下面的命令：
generate male = abs(female - 1)
female 是已经存在的变量——其取 1 时，个体为女性；取 0 时，个体为男性。abs(.)是绝对值函数。 那么，一列名为 “male”的新变量就生成了。
generate 的扩展命令—— "egen"及分步生成变量
eg:还可以通过如下的方式来生成
generate male = 0 if female = = 1 replace male = 1 if male = = .
Step1:对所有的女性样本定义变量 male 的取值。
如果只运行第一行命令， 会发现：对于女性样本，male 取值为 0；而对于男性样本，male的取值为“.”,即缺漏。
Step2:补缺漏的值.
我们加上第二行命令。 “replace”命令用来修改变量的取值。第二行命令的含义是：将变量 male 所有缺漏的值更改为 1。
截面数据被形象地称作宽（wide）数据，而面板数据被形象地称作长（long）数据。
TIPS:注意变量得数据类型
详细说明 ：Tips 25:reshape改变数据格式_Stata_新浪博客
导入的数据叫 master data 或 data in memory，合并进来的数据叫 using data 或data on disk
关键点 纽带变量（我认为就类似于数据库里的键，唯一识别码，eg:id）
横向合并，增加变量—— merge
stata区分大小写，同名变量要有相同的存储类型
merge中，纽带变量如果不唯一，则要用选项"uniqusing"或者uniqmaster"
纵向合并，增加样本—— append
匹配合并——
Step1:排序
对所有要合并数据中的纽带变量进行排序
Step2:合并
多数据合并
详细说明：Tips 24:merge合并数据_Stata_新浪博客
匹配合并示例
两个文件，20位学生的成绩
“mid.dta”：期中考试成绩，其中学号为15 的学生没有成绩
“final.dta”：期末成绩，其中学号为09 的学生没有成绩
纽带变量：学号
合并算法
把两个文件中的数据分别按照学号排序。
以 master data 中的学号为主，将 using data 中具有相同学号的数据一条一条并进来；如果某学号在 using data 中没有记录，则在相应的变量中用小圆点代替（如09 号学生）。
如果某学号在 master data 中无记录、但在 using data 中有记录（如15 号学生），则暂不合并；待所有在 master data 中存在的学号都合并完之后，再考虑那些只在 using data 中出现的学号。
斜体 需要将其替换成相应的内容 （如将 depvar 替换成真正的因变量）
粗体and非斜体 在实际操作中，将其照搬。
方括号 方括号括起来的部分在实际操作中可有可无，没有括起来的部分必须出现在命令中（比如，reg 命令至少要包含 reg 和 depvar 两项。如果是“reg depvar”，就表示拿因变量对常数项作回归）
选项 “options”之前还得加个逗号。
命令示例：
试运行regress并解读
命令语句：reg wage educ exper if female= =1 in 1/100 [aweight=educ], noc l(90)
这条命令是拿工资对教育水平和工作经验作回归，回归的样本限定为序号从 1 到 100 中的女性；考虑到可能存在的异方差，用教育水平作权重；此外，回归不包括常数项，且需要报告 90%水平上的置信区间。
