[轉錄]我常用到的stata命令（四）
我常用到的stata命令
（續）
前面說的都是對單個資料庫的簡單操作，但有時我們需要改變資料的結構，或者抽取來自
不同資料庫的資訊，因此需要更方便的命令。這一類命令中我用過的有：改變資料的縱橫
結構的命令reshape，生成退化的資料庫collapse，合併資料庫的命令append和merge。
縱列（longitudinal）資料通常包括同一個行為者（agent）在不同時期的觀察，所以處
理這類資料常常需要把資料庫從寬表變成長表，或者相反。所謂寬表是以每個行為者為一
個觀察，不同時期的變數都記錄在這個觀察下，例如，行為者是廠商，時期有2000、2001
年，變數是雇傭人數和所在城市，假設雇傭人數在不同時期不同，所在城市則不變。寬表
記錄的格式是每個廠商是一個觀察，沒有時期變數，雇傭人數有兩個變數，分別記錄2000
年和2001年的人數，所在城市只有一個變數。所謂長表是行為者和時期共同定義觀察，在
上面的例子中，每個廠商有兩個觀察，有時期變數，雇傭人數和所在城市都只有一個，它
們和時期變數共同定義相應時期的變數取值。
在上面的例子下，把寬表變成長表的命令格式如下：
reshape long （雇傭人數的變數名）, i(（標記廠商的變數名）) j(（標記時期的變數
名）)
因為所在城市不隨時期變化，所以在轉換格式時不用放在reshape long後面，轉換前後也
不改變什麼。相反地，如果把長表變成寬表則使用如下命令
reshape wide （雇傭人數的變數名）, i(（標記廠商的變數名）) j(（標記時期的變數
名）)
唯一的區別是long換成了wide。
collapse的用處是計算某個資料庫的一些統計量，再把它存為只含有這些統計量的資料庫
。用到這個命令的機會不多，我使用它是因為它可以計算中位數和從1到99的百分位數，
這些統計量在常規的資料描述命令中沒有。如果要計算中位數，其命令的語法如下
collapse (median) (（變數名）), by(（變數名）)
生成的新資料庫中記錄了第一個括弧中的變數（可以是多個變數）的中位數。右面的by選
項是根據某個變數分組計算中位數，沒有這個選項則計算全部樣本的中位數。
合併資料庫有兩種方式，一種是增加觀察，另一種是增加變數。第一種用append，用在兩
個資料庫的格式一樣，但觀察不一樣，只需用append空格using空格（檔案名）就可以狗
尾續貂了。簡單明瞭，不會有什麼錯。另一種就不同了，需要格外小心。如果兩個資料庫
中包含共同的觀察，但是變數不同，希望從一個資料庫中提取一些變數到另一個資料庫中
用merge。完整的命令如下：
use （檔案名） [打開次要資料庫]
sort （變數名） [根據變數排序，這個變數是兩個資料庫共有的識別資訊]
save （檔案名）, replace [保存次要資料庫]
use （檔案名） [打開主要資料庫]
sort （變數名） [對相同的變數排序]
merge （變數名） using （檔案名）, keep(（變數名）)
[第一個變數名即為前面sort後面的變數名，檔
案名是次要資料庫的名字，後面的變數名是希望提取的變數名]
ta _merge [顯示_merge的取值情況。_merge等於1的觀察是僅
主庫有的，等於2的是僅輔助庫有的，等於3是兩個庫都有的。]
drop if _merge==2 [刪除僅僅來自輔助庫的觀察]
drop merge [刪除_merge]
save （檔案名）, replace [將合併後的檔保存，通常另存]
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.120.95.44