Begynnerkurs i Stata. UiO , Knut Waagan 1 / 121

Transkript

1 Begynnerkurs i Stata UiO , Knut Waagan 1 / 121

2 Mål Komme i gang Teknisk grunnlag for god datahåndtering Få litt oversikt 2 / 121

3 Temaer Håndtere datasett Beskrivende statistikk Lage grafer Litt estimering 3 / 121

4 Del 1: Første eksempel, litt grafkk Taste inn data Sette variabelnavn Lage et diagram Lagre data 4 / 121

5 Hovedvinduet Delvinduer Vanlig meny 5 / 121

6 Data-vinduet Åpne med meny Velg (Edit) 6 / 121

7 Data-vinduet Eget vindu Likt regneark 7 / 121

8 Taste inn data Skrive data i ruter 8 / 121

9 Taste inn data Tall eller tekst Tekst vises i rødt 9 / 121

10 Variabelnavn Navn på kolonner Kalles variabler Skrives inn her 10 / 121

11 Browse mode Bare se, ikke røre Lukk for endring 11 / 121

12 Kakediagram Åpne med hovedmeny: 12 / 121

13 Kakediagram Velg variabel 13 / 121

14 Kakediagram Tittel, caption Klikk Submit 14 / 121

15 Kakediagram I eget vindu: 15 / 121

16 Submit OK : lag plot + lukk vindu Submit : lag plot Nyttig for prøving/feiling 16 / 121

17 Lagre graf Klikk File - Save as i graf-vinduet Save as type: Stata Graph (*.gph) betyr å lagre i Statas eget format.... kan redigeres senere, men ikke brukes i f.eks. Word 17 / 121

18 Lagre graf For å legge inn i rapporter, velg f.eks bildeformatet.png 18 / 121

19 Lagre data File - Save 19 / 121

20 Lagre data File - Save Eget Stata-format (flendelse.dta) 20 / 121

21 Hovedvinduets deler Alt vi gjør listes som kommandoer Variabelliste Detaljer om data Resultat-vindu Kommandoer kan skrives inn her, istedenfor å bruke menyene 21 / 121

22 Del 2: Datahåndtering 1 Laste inn data (Lagre datasettet) (Skjermbildet i Stata) Datasettets struktur: observasjoner/variable, verdier, strenger/tall Value labels list, utvalg: if og in 22 / 121

23 Et ferdig datasett Vi starter med et ferdig oppsatt datasett: Vi ser på strukturen til datasettet, og gjennomgår en typisk Stata-kommando (list). 23 / 121

24 Laste inn data med Open For data-fler i Stataformat.dta Med Import kan vi laste inn andre formater 24 / 121

25 Hva gjør Open og Import? Datasett lagres i hurtigminne/ram og er klart for redigering og analyse For å ta vare på endringer permanent, må vi lagre på disk med Save eller Export. Pass på! Ikke skriv over rådata Stata: kun ett datasett i hurtigminnet av gangen (men vi kan slå sammen fere fler. Heldigvis!) 25 / 121

26 Datasettets struktur Kolonner: Variable Rader: Obervasjoner, datapunkter Celler, ruter: Verdier Variabler: navn og label 26 / 121

27 Datasettets struktur: typer Rødt: Tekst, ( tekststreng, engelsk: string ) Ingen farge: Tall Blått: Kategorisk variabel Kolonner må bestå av samme type 27 / 121

28 Variabeltyper Kontinuerlige variabler: Alder, temperatur, lønnsinntekt, antall slides i foredrag... Kategoriske variabler: Landsdel, kjønn, type legemiddel Ordnet kategorisk/ordinal: Utdanningsnivå, likert-skala Hvor enig er du? sterkt uenig, uenig, verken-eller, enig, eller veldig enig?,.. 28 / 121

29 Kategoriske variabler i Stata For analyse krever Stata tallverdier i rutene Men tekst ofte best for forskeren Value labels : Ja, takk begge deler 29 / 121

30 Kategorier: hvor i Stata? Velg Manage value labels Eller klikk her 30 / 121

31 Value labels Klikk på + 31 / 121

32 Value labels Sammenhengen mellom tall og tekst listes opp Mulighet for å redigere eller lage nye label er 32 / 121

33 Codebook Hvis man bare vil se, ikke røre value labels: 33 / 121

34 Codebook Velg variabel Man kan velge fere 34 / 121

35 Codebook output Enkel kommando å skrive 35 / 121

36 Ordnet kategorisk, aka ordinal Som kategorisk, men: 36 / 121

37 Ordnet kategorisk Som kategorisk, men: Rekkefølge viktig 37 / 121

38 Gjenbruk av value label Samme svaralternativ på ulike spørsmål? Bruk samme value label 38 / 121

39 Listing en typisk Stata-kommando Data kan listes uten å åpne data-vindu 39 / 121

40 Listing Data kan listes uten å åpne data-vindu Velg rader 40 / 121

41 Listing Data kan listes uten å åpne data-vindu Velg variabler Kommando: list state marriage_rate in 1/10 Ikke lov med mellomrom i navn 41 / 121

42 Listing I resultat-delvindu: 42 / 121

43 Litt mer avansert: Seleksjon med if Velge alle observasjoner hvor median alder er over 32 år: Kommando: list if marriage_rate > / 121

44 Seleksjon med if er lik Andre eksempler: er ikke lik list if state== KANSAS list if state!= KANSAS og / eller list if state!= KANSAS in 1/10 list if marriage_rate>100 & median_age<28 list if marriage_rate>100 median_age<28 logical expressions Tekst-verdi må i anførselstegn, f. eks KANSAS 44 / 121

45 Seleksjon med value labels To måter: list if region==4 list if region== West :reg 45 / 121

46 Del 3: Datahåndtering 2 Importere data Mer om kategoriske variable: encode Lage nye variable Manglende verdier Dokumentere hva vi gjør 46 / 121

47 Laste inn fra Excel Import - Excel / 121

48 Laste inn fra Excel Prøv å lage variabelnavn automagisk Forhåndsvisning 48 / 121

49 Laste inn fra Excel Hva er ulikt originaldataene? 49 / 121

50 Redigering av variabler Oppgave: endre variabelnavn 50 / 121

51 Tallformat Endre til 5 tegn 51 / 121

52 Tallformat 52 / 121

53 Hvordan lage kategoriske data fra tekst? Kommando: encode region, generate(region_num) 53 / 121

54 Hvordan lage kategoriske data fra tekst? Velg opprinnelig tekstvariabel Navn på ny kategorisk variabel Navn på ny value label 54 / 121

55 Hvordan lage kategoriske data fra tekst? 55 / 121

56 Dokumentasjon Kommandoene kan lagres som en tekst-fl Og ikke nok med det: Vi kan få Stata til å gjøre alt som står i flen med et enkelt tastetrykk! Kalles Do-fl: Filendelse.do Åpne Do-fl-vinduet her 56 / 121

57 Min første.do-fl Skriv inn eller kopier fra historikk Klikk for å utføre kommandoene 57 / 121

58 Min første.do-fl Lagre Kalles do-fl, syntaks-fl, (Stata-)skript 58 / 121

59 Min første.do-fl Kommentar Asterisk forteller Stata at denne linja ikke er en kommando 59 / 121

60 Lage nye variabler Med dialogboks: 60 / 121

61 Lage nye variabler generate brukes til å lage nye variable. For eksempel kan vi regne om fra per til prosent. 61 / 121

62 Lage nye variabler Navn på ny variabel Skriv inn uttrykket, eller klikk Create for Expression builder 62 / 121

63 Lage nye variabler Velg variabler fra liste, og regneoperasjoner fra kalkulator 63 / 121

64 Lage nye variabler Funskjonen round brukes til avrunding. 64 / 121

65 Lage nye variabler Funskjonen round finnes også i Expression builder. 65 / 121

66 Lagre kommando-output Tabeller etc dukker opp i resultat-vinduet Hvorda lagre dem? 66 / 121

67 Lagre kommando-output: logg Klikk Begin Angi flnavn Close for å stoppe Eget Stata-format.smcl men kan oversettes til tekstfl 67 / 121

68 Fort og gæli: Klipp og lim I Word: font Courier New 68 / 121

69 Litt ryddigere klipp og lim Marker og høyreklikk tabell (til Excel, tsv) html-tabell skjermbilde 69 / 121

70 Fortsatt ikke pent nok? Nye kommandoer i Stata 15: putpdf, putdocx, dyndoc Verdt å prøve 70 / 121

71 Missing values Åpne en Excel-fl med tomme ruter Stata markerer tomme ruter med punktum 71 / 121

72 Missing values Punktum betyr missing value, verdien mangler Statas kommandoer forstår dette 72 / 121

73 Missing values-notasjon er kjempelurt Vi får riktig gjennomsnitt 73 / 121

74 Men: En lumsk felle Verdien. regnes som et veldig stort tall (større enn alle andre) 74 / 121

75 Men: en lumsk felle Løsning: list if Marr>200 & Marr<. Vi kan forkorte varibelnavnet Marriagesper / 121

76 Laste inn csv-fl Import - Text data (delimited, *.csv,...) Komma-separerte verdier Eksempel 76 / 121

77 Del 4: Deskriptiv/beskrivende statistikk beskrivende som i å beskrive datasettet I motsetning til å karakterisere populasjon som data er utvalgt fra (inferens, estimering, modellering...) Vi tar også med beskrivende grafkk! 77 / 121

78 Innebygd datasett sysuse auto2 laster inn et datasett som følger med Stata keep make price mpg rep78 weight foreign velger ut noen variabler Hva slags variabler har vi nå? 78 / 121

79 Bil-datasettet 79 / 121

80 Bil-datasettet Koding av variable? 80 / 121

81 Bil-datasettet Koding av variable? 81 / 121

82 Bil-datasettet Koding av variable? 82 / 121

83 Kontinuerlige variable summarize oppsummerer talldata Gjennomsnitt Standardavvik (et mål på spredning) 83 / 121

84 Kontinuerlige variable Flere variable av gangen 84 / 121

85 Kontinuerlige variable: grafkk Histogram gir mer detaljer Kontinuerlig y-aksens skala: Frequency vil si antall 85 / 121

86 Kontinuerlige variable: grafkk Frequency vil si antall dvs antall obs er innenfor intervall på xaksen Intervallene (aka Bins ) kan justeres her 86 / 121

87 Kontinuerlige variable: persentiler Median og persentiler blir vist hvis det krysses av her Median = 50%-persentil 87 / 121

88 Kategoriske variable Tell opp i hver kategori tabulate kan forkortes med tab 88 / 121

89 Kategoriske variable: søylediagram Velg Bar Chart i Graphics-menyen Velg frekvens, altså antall, innen kategorier Velg kategorisk variabel 89 / 121

90 Kategoriske variable: søylediagram Klikk her for å redigere graf, for eksempel legge til en tittel 90 / 121

91 To kategoriske: krysstabell Antall utenlandske biler i middels stand var 3 91 / 121

92 To kategoriske: krysstabell I menyen: mange muligheter Angi prosentandel utenlandsk i hver rad 92 / 121

93 To kategoriske: krysstabell I menyen: mange muligheter Angi prosentandel utenlandsk i hver rad 93 / 121

94 To kategoriske: søylediagram I dialogboks: velg 2 grupper Huk av her for å få ulike farger 94 / 121

95 To kategoriske: søylediagram graph bar (count), over(foreign) over(rep78) asyvars 95 / 121

96 En kontinuerlig og en kategorisk Er de amerikanske bilene mindre efektive? mpg vs. foreign Visualiser med Box plot 96 / 121

97 En kontinuerlig og en kategorisk Kontinuerlig Kategorisk 97 / 121

98 En kontinuerlig og en kategorisk Boksene er begrenset av kvartiler, delt av median Værhår til min og max... men data langt ute får eget punkt Hva menes med langt ute? Mer enn halvannen boks 98 / 121

99 Nyttig: by Statistikk for hver kategori, litt tungvinn måte: 99 / 121

100 Nyttig: by Statistikk for hver kategori, bedre: 100 / 121

101 Nyttig: by Må sortere først Veldig mange kommandoer forstår by Fins i menyene 101 / 121

102 To kontinuerlige variable: scatterplot Hvordan henger mpg og vekt sammen? Vi kan plotte hvert datapunkt i et kart 102 / 121

103 To kontinuerlige variable: scatterplot Trykk Create...som åpner enda et vindu 103 / 121

104 To kontinuerlige variable: scatterplot Velg Scatter Angi variabler Trykk Accept 104 / 121

105 To kontinuerlige variable: scatterplot Skal se slik ut Klikk OK eller Submit 105 / 121

106 To kontinuerlige variable: scatterplot Som ventet? 106 / 121

107 To numeriske, en kategorisk En grafikk-kommando i hver parentes 107 / 121

108 Del 5: Estimering, testing Gjennomsnitt Feilestimat på gjennomsnitt Sammenligne to gjennomsnitt 109 / 121

109 Gjennomsnitt mean gir gj.snitt, samt anslag på nøyaktighet Std. Err. er en typisk feil Konfdensintervall: 95% av alle eksperimenter innenfor, følsomt for modellantakelser etc. 110 / 121

110 Konfdensintervall Kommandoen ci gir fere muligheter for konfdensintervallet I tillegg til normalfordeling: binomial- og Poissonfordeling 111 / 121

111 To gjennomsnitt Forskjell på domestic/foreign? Kan utforskes med mean 112 / 121

112 To gjennomsnitt Velg kont. og kat. variabel Velg konfdensnivå 113 / 121

113 To gjennomsnitt Estimater for hver gruppe 114 / 121

114 To gjennomsnitt Hva med sånn p-verdi? 115 / 121

115 To gjennomsnitt Typisk meny Velg denne for å gruppere etter kategorisk variabel 116 / 121

116 To gjennomsnitt En- og tosidige p-verdier Men: Normalfordeling?, ulik samplestørrelse, ulik varians?, hvordan samplet? Alternativ test: ranksum 117 / 121

117 Del 6: Hva mer? Dokumentasjon og hjelp Tips om andre nyttige kommandoer 118 / 121

118 Hjelp i Stata Man vet kommandonavnet: help ttest Man er i dialogboks: klikk? Man vet det ikke: search student t-test Google, f.eks. Stata t-test Pdf-manualen til Stata er bra. Søk med Google, f.eks ttest site:stata.com/manuals, eller følg lenker fra Statas hjelpemeny Men ofte greiere med hjelpelitteratur (neste slide) 119 / 121

119 Videre lesning Acock: A gentle introduction to Stata (5th ed) Midtbø: Stata - en entusistisk innføring Visuell oversikt over grafkkfunksjoner s/ Stata manual kap 27: Commands everyone should know Nettskjema og Stata: jelp/se-resultater-analyse/til-stata.html 120 / 121

120 Hva rakk vi ikke? Variabellister Omdanne tekst til tall og omvendt: destring, tostring Lage/endre variable: replace, egen, _n, _N,... Gå fra kont. til kat. (bruk generate/replace med if, eller cut) Sette sammen datasett: append, merge Diverse: count, display, drop, order Korrelasjon Regresjon, og mye annen analyse Stata MP, eksterne kommandoer / 121

121 Hjelp ved USIT Hjelp om statistikk/statistikkprogrammer: Veiledning fra oss: 122 / 121