Begynnerkurs i Stata. UiO vår 2019, Knut Waagan 1 / 95

Transkript

1 Begynnerkurs i Stata UiO vår 2019, Knut Waagan 1 / 95

2 Mål Komme i gang Grunnleggende datahåndtering Få litt oversikt 2 / 95

3 Temaer Håndtere datasett Beskrivende statistikk Lage grafer Litt estimering 3 / 95

4 Del 1: Første eksempel, litt grafikk Taste inn data Sette variabelnavn Lage et diagram Lagre data Bli kjent med grensesnittet 4 / 95

5 Hovedvinduet Delvinduer Vanlig meny 5 / 95

6 Data-vinduet Åpnes med meny Velg (Edit) 6 / 95

7 Data-vinduet Eget vindu Likner regneark 7 / 95

8 Taste inn data Marker celle Tast inn data 8 / 95

9 Taste inn data Tall eller tekst Tekst vises i rødt 9 / 95

10 Variabelnavn Navn på kolonner Kalles variabler Skrives inn her Vanlig å bruke små bokstaver Case sensitive Mellomrom ikke tillatt, derfor underscore 10 / 95

11 Browse mode Bare se, ikke røre Lukk for endring ved å velge forstørrelsesglass istedenfor blyant 11 / 95

12 Søylediagram I meny: Graphics Bar chart 12 / 95

13 Søylediagram Velg frekvens innen kategorier 13 / 95

14 Søylediagram Definer kategorier med en variabel 14 / 95

15 Søylediagram Tittel, caption Klikk Submit 15 / 95

16 Søylediagram I eget vindu: 16 / 95

17 Hvorfor Submit? OK : lag plot + lukk vindu Submit : lag plot Fint for prøving og feiling 17 / 95

18 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 18 / 95

19 Lagre graf For å legge inn i rapporter, velg f.eks bildeformatet.png 19 / 95

20 Lagre datasettet For å lagre data slik at det kan åpnes senere i Stata: File - Save 20 / 95

21 Lagre data Lagres i et eget Stata-format (filendelse.dta) For andre formater, gå til File - Export i menyen 21 / 95

22 Hovedvinduets deler Alt vi gjør listes som kommandoer Variabelliste Detaljer om data Resultat-vindu Kommandoer kan skrives inn her, istedenfor å bruke menyene 22 / 95

23 Del 2: Datahåndtering 1 Laste inn data fra fil Datasettets struktur: observasjoner/variable, verdier, strenger/tall Value labels list utvalg av observasjoner med if og in 23 / 95

24 Logging Tabeller etc vil dukke opp i resultat-vinduet Hvordan lagre dem? 24 / 95

25 Logging Vi kan ta opp alt fra resultatvinduet Klikk Log - Begin Angi filnavn på loggen Close for å stoppe Eget Stata-format.smcl De kan oversettes til tekstfil og pdf Eller beskues med View 25 / 95

26 Et ferdig datasett Vi starter med et ferdig oppsatt datasett: Vi ser på strukturen til datasettet og på hvordan utvalgte deler kan listes opp 26 / 95

27 Laste inn data med Open For data-filer i Stataformat.dta Med Import kan vi laste inn andre formater 27 / 95

28 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 flere filer. Heldigvis!) 28 / 95

29 Datasettets struktur Kolonner: Variable Rader: Obervasjoner, datapunkter Celler, ruter: Verdier En Variabel har et navn og en forklarende label 29 / 95

30 Typer av data Rødt: Tekst, ( tekststreng, engelsk: string ) Ingen farge: Tall Blått: Kategorisk variabel Kolonner må bestå av samme type 30 / 95

31 Variabeltyper Kontinuerlige variabler: Alder, temperatur, inntekt, innbyggertall... Kategoriske variabler: Landsdel, kjønn, type legemiddel Ordnet kategorisk/ordinal: Utdanningsnivå, karakterer, terningkast i anmeldelser / 95

32 Kategoriske variabler i Stata For analyse krever Stata tallverdier i rutene Men tekst ofte best for mennesker Value labels : Ja, takk begge deler 32 / 95

33 Kategorier: hvor i Stata? Velg Manage value labels Eller klikk her 33 / 95

34 Value labels Klikk på + 34 / 95

35 Value labels Sammenhengen mellom tall og tekst listes opp Mulighet for å redigere eller lage nye label er 35 / 95

36 Codebook Hvis man bare vil se, ikke røre value labels: 36 / 95

37 Codebook Velg variabel Man kan velge flere 37 / 95

38 Codebook output Å skrive dette i kommandovinduet gir samme resultat 38 / 95

39 Ordnet kategorisk, aka ordinal Som kategorisk, men: 39 / 95

40 Ordnet kategorisk Som kategorisk, men: Rekkefølge viktig 40 / 95

41 Gjenbruk av value label Samme svaralternativ på ulike spørsmål? Bruk samme value label Hvordan? Skriv navnet på value labelen her 41 / 95

42 Listing en typisk Stata-kommando Data kan listes uten å åpne data-vindu 42 / 95

43 Listing Data kan listes uten å åpne data-vindu Velg rader 43 / 95

44 Listing Data kan listes uten å åpne data-vindu Velg variabler Kommandoen blir: list state marriage_rate in 1/10 Nå ser vi hvorfor variabelnavn ikke kan ha mellomrom 44 / 95

45 Listing I resultat-delvindu: 45 / 95

46 Seleksjon med if Velge alle stater hvor median alder er over 32 år: Kommando: list if median_age > / 95

47 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 Etter if kommer et logisk uttrykk Tekst-verdi må i anførselstegn, f. eks KANSAS 47 / 95

48 Seleksjon med value labels To måter: list if region==4 list if region== West :reg 48 / 95

49 Oppgaver Gi variabelen state en forklarende Label. Endre value labels slik at region angis uten forkortelser. Del inn kategorien West i Pacific og Mountain West. Førstnevnte skal omfatte alle stater med Stillehavskyst. Lagre endringene i en ny fil. List opp alle statene i North East med median alder over 31 år. Listen skal kun inneholde statenes navn og alder. List opp all stater med median alder mellom 29 og 31 år. 49 / 95

50 Del 3: Datahåndtering 2 Importere data Generere kategorier fra tekst med encode Lage nye variable Manglende verdier Dokumentere arbeid Koble sammen datasett 50 / 95

51 Laste inn csv-fil Import - Text data (delimited, *.csv,...) Komma-separerte verdier Eksempel 51 / 95

52 Laste inn csv-fil Velg fil Inndeling med komma Les variabelnavn Forhåndsvisning 52 / 95

53 Laste inn csv-fil Vi fikk ikke med verdi-koding av region To verdier er utelatt (med vilje) fra median_age 53 / 95

54 Hvordan lage kategoriske data fra tekst? Kommando: encode region, generate(region_num) Vi vil ha region som blå variabel 54 / 95

55 Hvordan lage kategoriske data fra tekst? Velg opprinnelig tekstvariabel Navn på ny kategorisk variabel Navn på ny value label 55 / 95

56 Hvordan lage kategoriske data fra tekst? 56 / 95

57 Dokumentasjon Kommandoene kan lagres som en tekst-fil Og ikke nok med det: Vi kan få Stata til å gjøre alt som står i filen med et enkelt tastetrykk! Kalles Do-fil: Filendelse.do Åpne Do-fil-vinduet her 57 / 95

58 Min første.do-fil Skriv inn eller kopier fra f.eks. historikk Klikk Play for å utføre kommandoene Play utfører kun markerte kommandoer hvis noe er markert 58 / 95

59 Min første.do-fil Lagre Kalles do-fil, syntaks-fil, (Stata-)skript 59 / 95

60 Min første.do-fil Asterisk-tegnet * forteller Stata at ei linje ikke er en kommando Dermed kan vi skrive beskjeder til oss selv og andre 60 / 95

61 do-filer, hvorfor? Dokumentasjon for en selv og andre Feilsøking: lettere å finne akkurat hvor det skjærer seg Fleksibilitet: Lett å gjøre endringer Gjenbruk: f.eks. samme analyse på nye data Men det er så lettvint med menyer!?... Jepp! Bare husk å lime inn kommandoen i do-filen 61 / 95

62 Lage nye variabler generate brukes til å lage nye variable. For eksempel kan vi regne om fra per til prosent. 62 / 95

63 Lage nye variabler Med dialogboks: 63 / 95

64 Lage nye variabler Navn på ny variabel Skriv inn uttrykket, eller klikk Create for Expression builder 64 / 95

65 Lage nye variabler Velg variabler fra liste, og regneoperasjoner fra kalkulator 65 / 95

66 Lage nye variabler: funksjoner Funskjonen round brukes til avrunding 66 / 95

67 Lage nye variabler: funksjoner Funskjonen round finnes også i Expression builder. 67 / 95

68 Fort og gæli: Klipp og lim Klipp og lim inn i Word Bruk font Courier New 68 / 95

69 Litt ryddigere klipp og lim Marker og høyreklikk tabell (til Excel, tsv) html-tabell bilde av tabellen 69 / 95

70 Missing values Vi åpnet en csv-fil tomme felt Stata markerer tomme felt med et punktum 70 / 95

71 Missing values Punktum betyr missing value, at verdien mangler Statas kommandoer forstår dette 71 / 95

72 Missing values-notasjon er kjempelurt Vi får riktig gjennomsnitt 72 / 95

73 Men: En lumsk felle Verdien. regnes som et veldig stort tall (større enn alle andre) 73 / 95

74 Men: En lumsk felle Løsning: list if median_age > 33 & median_age <. 74 / 95

75 Lete etter manglende verdier 75 / 95

76 Lete etter manglende verdier Antall manglende av hver variabel (eller valgte variable) 76 / 95

77 Laste inn fra Excel Import - Excel / 95

78 Laste inn fra Excel Prøv å lage variabelnavn automagisk Forhåndsvisning 78 / 95

79 Laste inn fra Excel Hva er ulikt det opprinnelige datasettet? 79 / 95

80 Endre visning av tall Endre til 4 tegn 80 / 95

81 Endre visning av tall 81 / 95

82 Koble datasett Hva om data ligger i ulike filer? New obses Legge til observasjoner: append Legge til variable: merge 82 / 95

83 Koble datasett Stata: kune ett datasett av gangen Nye data må lese fra Stata-fil (*.dta)... så vi må kanskje lagre som.dta first N e w New obses Add observations: append v a r s Add variables: merge 83 / 95

84 Combining data sets append matcher variabelnavn merge matcher verdi av en (eller flere) key variable, f.eks. en persons ID-nummer Add observations: append Add variables: merge 84 / 95

85 Å legge til variable Oppgave: koble disse to datasettene Hvilke rader hører sammen? 85 / 95

86 Å legge til variable Først må fil 1 åpnes Så kobles med fil 2 Vi må spesifisere at id er nøkkelen 86 / 95

87 Å legge til variable Kan disse datasettene kobles? 87 / 95

88 Å legge til variable Kan disse datasettene kobles? Ja, med en såkalt many-to-one merge (eller one-to-many avhengig av hvilken vi åpner først) 88 / 95

89 Å legge til variable Vi prøver med disse to datasettene Først: åpne mergetest0.dta Så dialogboks: Data -> Combine datasets -> Merge... mergetest0.dta mergetest1.dta 89 / 95

90 Å legge til variable en-til-en merge On file mergetest1.dta 90 / 95

91 Å legge til variable Kommandoen 91 / 95

92 Å legge til variable Variablen _merge forteller hvordan koblingen gikk Den er kodet slik: 92 / 95

93 Å legge til variable, innstillinger Velg variable som skal beholdes Velg om data skal oppdateres eller endres 93 / 95

94 Oppgaver Åpne csv-filen med gapminder-data. Lag en kategorisk variabel for kontinent Undersøk om det finnes manglende verdier, f.eks med misstable Regn ut GDP = pop * gdppercap for hver observasjon Lag en do-fil som gjør trinnene over. Prøvekjør den! 94 / 95

95 Oppgaver merge Åpne mergetest0.dta. Fjern en observasjon med drop if id == 3 Koble med mergetest1.dta. Hva skjer med id 3? Prøv ut hva som skjer hvis en id mangler. Finnes det menyvalg for å endre hvordan merge håndterer disse to situasjonene? 95 / 95