Einfuhrung in STATA¨ - uibk.ac.at · Bevor Daten in STATA eingelesen werden k¨onnen, muss...

Einfuhrung in STATA

Stefan Lang

Universitat Innsbruck

Institut fur Statistik

Universitatsstraße 15, A-6020 Innsbruck

E-mail: [email protected]

Internet: http://www.uibk.ac.at/statistics/personal/lang/index.html

3. Oktober 2007

Ich bedanke mich bei

Jana Lehmann

fur die Unterstutzung bei der Erstellung des Skripts.

INHALTSVERZEICHNIS i

Inhaltsverzeichnis

1 Hinweise zur Verwendung dieser Einfuhrung 1

2 Illustrierender Beispieldatensatz 1

3 Struktur von STATA 3

3.1 Die Fenster von STATA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

3.2 Die Speicherverwaltung von STATA . . . . . . . . . . . . . . . . . . . . . . 3

4 Einlesen und Ausgeben von Datensatzen 3

4.1 Einlesen von ASCII Datensatzen . . . . . . . . . . . . . . . . . . . . . . . . 3

4.2 Einlesen von Daten im STATA-Format . . . . . . . . . . . . . . . . . . . . . 5

4.3 Abspeichern von Daten im ASCII-Format . . . . . . . . . . . . . . . . . . . 5

4.4 Abspeichern von Daten im STATA-Format . . . . . . . . . . . . . . . . . . 6

5 Datenhandling 6

5.1 Erzeugen und Verandern von Variablen . . . . . . . . . . . . . . . . . . . . 6

5.2 Labeln von Werten und Variablen . . . . . . . . . . . . . . . . . . . . . . . 7

6 Deskriptive Statistiken 9

7 Grafik mit STATA 13

7.1 Grafische Veranschaulichung univariater Verteilungen . . . . . . . . . . . . . 13

7.2 Grafische Veranschaulichung von Funktionen . . . . . . . . . . . . . . . . . 15

7.3 Scatterplotmatrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

7.4 Kombination mehrerer Grafiken . . . . . . . . . . . . . . . . . . . . . . . . . 18

7.5 Mehrere Grafiktypen in einer Grafik . . . . . . . . . . . . . . . . . . . . . . 19

7.6 Allgemeine Grafikoptionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

7.7 Abspeichern von Grafiken als eps-Files . . . . . . . . . . . . . . . . . . . . . 20

INHALTSVERZEICHNIS ii

8 Regression in STATA 21

9 Programmieren in STATA 23

9.1 Batch-files . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

9.2 Macros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

9.3 Schleifenprogrammierung und if-Abfragen . . . . . . . . . . . . . . . . . . . 24

9.3.1 While-Schleifen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

9.3.2 forvalues-Schleifen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

9.3.3 if-Abfragen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

Index 27

1 HINWEISE ZUR VERWENDUNG DIESER EINFUHRUNG 1

1 Hinweise zur Verwendung dieser Einfuhrung

Dieses Skript gibt eine kurze Einfuhrung in die Benutzung des Statistik Programms STA-

TA. Die Einfuhrung ist an die Inhalte des Moduls Statistische Datenanalyse fur Studieren-

de des Bachelorstudiengangs Wirtschaftswissenschaften in Innsbruck ausgelegt. Sie erhebt

daher keinerlei Anspruch auf Vollstandigkeit. Eine vollstandige Ubersicht uber die Moglich-

keiten von STATA findet man in den STATA Handbuchern. Diese konnen im Institut fur

Statistik fur kurze Zeit zum Kopieren ausgeliehen werden (wahrend der Sekretariatsoff-

nungszeiten). Weitere Literaturhinweise findet man auf den Internetseiten www.stata.com

des Herstellers.

2 Illustrierender Beispieldatensatz

Die meisten Befehle in diesem Skript werden Anhand eines Beispieldatensatzes zur Un-

terernahrung in Zambia erlautert. Ziel der Untersuchung ist die Bestimmung von Deter-

minanten der Unterernahrung von neugeborenen Kindern im Alter von 0 bis 5 Jahren

in Zambia. In Abstimmung mit der WHO werden in Entwicklungslandern regelmaßig

DHS (Demographic and Health Surveys)–Erhebungen mittels reprasentativer Stichproben

durchgefuhrt. Sie enthalten insbesondere Informationen zu Unterernahrung, Sterblichkeit

und Krankheitsrisiken fur Kinder. Unter mehreren moglichen anthropometrischen Indi-

katoren zur Messung von Unterernahrung wird im vorliegenden Datensatz die Maßzahl

,,Z–Score” fur chronische Unterernahrung (,,Stunting”) verwendet. Sie ist fur ein Kind i

definiert durch

ZScorei =AIi − MAI

σ

Dabei wird als anthropometrischer Indikator AI die altersstandardisierte Große des Kindes

verwendet, MAI ist der Median dieses Indikators fur eine internationale Referenzpopu-

lation, und σ die entsprechende Standardabweichung in dieser Referenzpopulation. Als

erklarende Variablen kommen in der DHS-Erhebung enthaltene Merkmale zum sozio–oko-

nomischen Status der Mutter bzw. des Haushalts sowie zur hygienischen und gesundheitli-

chen Situation in Frage. Tabelle 1 beschreibt die im Datensatz enthaltenen Variablen bzw.

Merkmale.

Der Datensatz ist uber den e-campus als zambia.raw erhaltlich.

2 ILLUSTRIERENDER BEISPIELDATENSATZ 2

Variable Beschreibung Mittelwert/

rel. Haufigkeit

zscore Z–Score des Kindes

bmi Body Mass Index der Mutter des Kindes 21.94435

alter Alter des Kindes in Monaten 26.66887

erw Erwerbsstatus der Mutter

1 = Mutter arbeitet 54.82

0 = Mutter arbeitet nicht 45.18

edu Ausbildungsstatus der Mutter

1 = keine Ausbildung 17.83

2 = incomplete primary education 29.67

3 = complete primary education 32.85

4 = incomplete secondary education 15.74

5 = complete secondary education 2.27

6 = higher education 1.65

sta Stadt/Land

1 = Mutter lebt in der Stadt 43.37

0 = Mutter lebt auf dem Land 56.63

sex Geschlecht des Kindes

1 = mannlich 49.43

0 = weiblich 50.57

reg Wohnort der Mutter

1 = Central 8.75

2 = Copperbelt 21.97

3 = Eastern 9.06

4 = Luapula 8.56

5 = Lusaka 14.32

6 = Northern 9.28

7 = North-Western 5.74

8 = Southern 14.96

9 = Western 7.37

dist Wohnort der Mutter

(genauere geographische Unterteilung)

Tabelle 1: Variablenbeschreibung des Datensatzes zambia.dta zur Unterernahrng in Zam-

bia.

3 STRUKTUR VON STATA 3

3 Struktur von STATA

3.1 Die Fenster von STATA

Nach dem Start von STATA erscheint ein Hauptfenster mit vier Unterfenstern. Es handelt

sich um ein STATA Results Fenster, ein STATA Command Fenster, ein Review Fenster

und ein Variables Fenster. Im STATA Results Fenster werden Resultate von Berechnungen,

aufgerufene Befehle und Fehlermeldungen dargestellt. Das STATA Command Fenster dient

zur Eingabe von Befehlen. Im Review Fenster findet man die letzten 100 eingegebenen

Befehle. Durch Anklicken einer der Befehle erscheint dieser wieder im STATA Command

Fenster und kann (in eventuell modifizierter Form) wieder aufgerufen werden. Schließlich

gibt das Variables Fenster einen Uberblick uber alle Variablen eines Datensatzes. Man

beachte, dass jeweils nur ein Datensatz gleichzeitig in STATA bearbeitet werden kann.

3.2 Die Speicherverwaltung von STATA

Nach dem Start von STATA sind standardmaßig 10 MB fur die Speicherung von Daten

reserviert. Fur Datensatze mit großerem Speicherplatzbedarf kann man mit Hilfe des me-

mory Befehls mehr Speicherplatz zuweisen. Die Hohe des Speicherplatzes ist dabei nur

durch den Hauptspeicher des Computers limitiert, auf dem STATA ausgefuhrt wird. Bei-

spielsweise wird durch Eingabe des Befehls

set memory 20m

der zur Verfugung stehende Speicherplatz auf 20 MB erhoht. Die Erhohung des Spei-

chers ist dabei auf die aktuelle Sitzung beschrankt. Eine permanente Veranderung des

zur Verfugung gestellten Speichers erhalt man durch die zusatzliche Angabe der Option

permanently:

set memory 20, permanently

4 Einlesen und Ausgeben von Datensatzen

4.1 Einlesen von ASCII Datensatzen

Zum Einlesen von ASCII Datensatzen kommen zwei Befehle in Frage: der infile Befehl und

der insheet Befehl. Beim infile Befehl wird immer dann verwendet, wenn der einzulesende

4 EINLESEN UND AUSGEBEN VON DATENSATZEN 4

Datensatz in der ersten Zeile keine Variablennamen enthalt. Beim insheet Befehl geht das

Programm davon aus, dass in der ersten Zeile des ASCII Files die Variablennamen stehen.

Bevor Daten in STATA eingelesen werden konnen, muss allerdings sichergestellt werden,

dass nicht bereits ein anderer Datensatz in STATA eingelesen wurde. STATA kann namlich

nur mit jeweils einem Datensatz gleichzeitig arbeiten. Befinden sich also noch Daten im

Speicher, mussen diese (gegebenenfalls nach Sicherung auf Festplatte) zuerst geloscht wer-

den. Dies geschieht mit dem einfachen Befehl

clear

Infile-Befehl

Der infile Befehl besitzt folgende allgemeine Struktur:

infile varlist using myfile

Dabei wird von STATA angenommen, dass die Variablen (in varlist) in der ASCII-Datei

spaltenweise angeordnet sind. Die Spezifizierung einer Variable in varlist hat folgende

allgemeine Syntax:

newvarname

Als Variablentypen sind ganze Zahlen (byte, int und long), reelle Zahlen (float und double)

und Strings (str1 - str80) zugelassen.

Beispielsweise werden mit dem folgenden Befehl die Variablen X, Y und Z in STATA

eingelesen:

infile X Y Z using myfile

Der folgende Befehl liest die Variablen X1 – X200 in STATA ein:

infile X1-X200 using myfile

Nach dem Einlesen der Daten konnen die Variablen im STATA-Format (Dateiendung

dta) durch Anklicken des Menupunktes File–SaveAs abgespeichert werden. Durch Offnen

des Datenbrowsers oder des Dateneditors (Window–Data Editor) konnen die Daten

visualisiert werden. Der Editor erlaubt auch das Editieren (Verandern) der Daten.

4 EINLESEN UND AUSGEBEN VON DATENSATZEN 5

Insheet-Befehl

Der insheet-Befehl wird ahnlich benutzt wie der infile-Befehl, jedoch mussen die Variablen-

namen nicht angegeben werden, da STATA davon ausgeht, dass in der ersten Zeile des

Files die Variablennamen (durch Leerzeichen getrennt) stehen. Die Zambia-Daten werden

beispielsweise mit dem Befehl

insheet using d:\daten\zambia.raw

eingelesen. Der nach using angegebene Pfad muss gegebenenfalls angepasst werden.

4.2 Einlesen von Daten im STATA-Format

Befinden sich Daten bereits im STATA-Format (Dateiendungen dta) konnen diese mit

Hilfe des Befehls use eingelesen werden. Die Zambia-Daten werden beispielsweise durch

Angabe des Befehls

use d:\daten\zambia.dta

eingelesen. Der angegebene Pfad muss gegebenenfalls angepasst werden. Befindet sich

bereits ein Datensatz im Speicher von STATA, so muss dieser durch vorherige Angabe des

Befehls

clear

zunachst geloscht werden.

4.3 Abspeichern von Daten im ASCII-Format

Daten im STATA-Format lassen sich mit Hilfe des outfile Befehls als ASCII Datensatz

abspeichern. Der Befehl hat folgende allgemeine Struktur:

outfile [varlist] using filename [if exp] [in range] [, replace]

Die Option replace gibt an, dass eine bereits existierende Datei uberschrieben werden darf.

Neben der replace Option sind noch einige weitere Optionen zugelassen, vergleiche hierzu

die Handbucher bzw. die STATA Hilfe. Der folgende Befehl speichert die Variablen X, Y

und Z im ASCII-Format:

outfile X Y Z using myfile

5 DATENHANDLING 6

4.4 Abspeichern von Daten im STATA-Format

In STATA eingelesene Daten werden im STATA-Format fur die spatere Weiterverwendung

mit dem Befehl save gespeichert. Die Zambia Daten werden beispielsweise durch

save d:\daten\zambia.dta

gespeichert. Falls der angegebene Datensatz bereits existiert, muss zusatzlich die Option

replace spezifiziert werden, um dem Programm das Uberschreiben der existierenden Datei

zu ermoglichen. Der Befehl lautet dann

save d:\daten\zambia.dta , replace

Sind haufig Daten einzulesen und abzuspeichern, kann es muhsam werden, immer den

gesamten Pfad anzugeben. Es empfiehlt sich dann, ein Standardverzeichnis anzulegen, das

zum Speichern und Einlesen verwendet wird. Dies geschieht mit dem Befehl cd.

Die Befehle

cd d:\dateninsheet using zambia.raw

save zambia.dta, replace

bewirken, dass der Datensatz zambia.raw im Verzeichnis d:\daten eingelesen und anschlie-

ßend im Stata-Format im selben Verzeichnis abgespeichert wird.

5 Datenhandling

5.1 Erzeugen und Verandern von Variablen

Neue Variablen werden mit Hilfe des Befehls

generate newvar = exp [if exp]

wobei type der Variablentyp ist. Beispielsweise wird mit

generate Y = X2

die bereits existierende Variable X quadriert und das Resultat der neuen Variable Y zu-

gewiesen. Auf dem Einheitsintervall gleichverteilte Zufallsvariablen werden durch

5 DATENHANDLING 7

generate Y = uniform()

erzeugt, standardnormalverteilte Zufallsvariablen werden durch

generate Y = invnorm(uniform())

erzeugt.

Beispiel: Zambia Daten

Der Befehl

generate alter2 = alterˆ2

erzeugt die neue Variable alter2, indem die bereits existierende Variable alter quadriert

wird.�

Sind in einem Datensatz noch keine Variablen vorhanden, so muss zunachst durch

set obs nrobs

die Anzahl der Beobachtungen nrobs festgelegt werden.

Bereits bestehende Variablen werden mit dem replace Befehl verandert. Der Befehl besitzt

folgende Syntax:

replace oldvar = exp [if exp]


Der Befehl

replace alter = alter/12

verandert nun die Variable alter so, dass das Alter jetzt in Jahren und nicht wie vorher in

Monaten gespeichert ist.�

5.2 Labeln von Werten und Variablen

Die Werte kategorialer Variablen wie beim Geschlecht (Variable sex) oder dem Bildungs-

stand der Mutter (Variable edu) im Zambia Datensatz werden haufig durch Zahlen kodiert.

Beim Geschlecht beispielsweise werden Jungen mit 1 und Madchen mit 0 kodiert. Bei Aus-

wertungen, die auf diesen Variablen basieren, erscheinen die Kodierungen wieder auf, so

5 DATENHANDLING 8

dass dem mit den Kodierungen nicht vertrauten Betrachter unklar ist, was sich dahinter

verbirgt. Beispielsweise wird durch Angabe des Befehls

tabulate sex

die folgende Haufigkeitstabelle erzeugt (zum tabulate Befehl vergleiche Abschnitt 6):

sex | Freq. Percent Cum.

------------+-----------------------------------

0 | 2,451 50.57 50.57

1 | 2,396 49.43 100.00

------------+-----------------------------------

Total | 4,847 100.00

Die Tabelle ware deutlich besser lesbar, wenn die Kodierung 0 und 1 durch die Bezeich-

nungen (labels) ”Madchen“ und ”Jungen“ ersetzt wurden. Das geschieht in STATA, indem

die Werte einer kategorialen Variable mit sogenannten Labels versehen werden. Fur die

Variable sex geschieht das durch die beiden folgenden Befehle:

label define sexlabel 0 “Madchen“ 1 “Jungen“

label values sex sexlabel

Der erste Befehl definiert ein Label mit dem Namen sexlabel und weist den Werten 0 und 1

die Bezeichnungen ”Madchen“und ”Jungen“ zu. Mit dem zweiten Befehl wird das soeben

definierte Label den Werten der Variable sex zugewiesen. Man beachte, dass ein definiertes

Label den Werten mehrerer Variablen zugewiesen werden kann. Wenn wir jetzt den Befehl

tabulate sex

eingeben erhalten wir den gewunschten Output:

sex | Freq. Percent Cum.

------------+-----------------------------------

Madchen | 2,451 50.57 50.57

Jungen | 2,396 49.43 100.00

------------+-----------------------------------

Total | 4,847 100.00

6 DESKRIPTIVE STATISTIKEN 9

In vielen Fallen kann es auch ubersichtlich sein, den Namen einer Variable zu labeln. Das

geschieht fur die Variable sex durch

label variable sex “Geschlecht“

Das Ergebnis des tabulate Befehls lautet dann

Geschlecht | Freq. Percent Cum.

------------+-----------------------------------

Madchen | 2,451 50.57 50.57

Jungen | 2,396 49.43 100.00

------------+-----------------------------------

Total | 4,847 100.00

6 Deskriptive Statistiken

Mit Hilfe des summarize Befehls werden deskriptive Maßzahlen (arithmetische Mittel,

Standardabweichungen, etc.) berechnet und ausgegeben. Der Befehl besitzt folgende all-

gemeine Syntax:

summarize [varlist] [if exp] [, detail ]

Die Angabe der Option detail bewirkt, dass zusatzliche Maßzahlen (etwa Quantile) be-

rechnet werden.


Mit dem Befehl

summarize zscore, detail

erhalt man folgenden STATA Output:


zscore

-------------------------------------------------------------

Percentiles Smallest

1% -504 -600

5% -399 -596

10% -338 -593 Obs 4847

25% -256 -593 Sum of Wgt. 4847

50% -170 Mean -169.9251

Largest Std. Dev. 137.9834

75% -86 452

90% -8 466 Variance 19039.43

95% 44 468 Skewness .271389

99% 198 503 Kurtosis 4.352291

�

Fur kategoriale Variablen konnen Haufigkeitsauszahlungen mit dem Befehl tabulate ausgegeben

werden. Der Befehl besitzt die folgende Syntax:

tabulate varname [if exp] [, generate(varname) missing ]

Durch Angabe der missing Option werden zusatzlich Haufigkeiten fur fehlende Werte ausgegeben.

Mit Hilfe der Option generate(varname) werden automatisch Dummyvariablen fur die Werte der

Variable erzeugt.


Der Befehl

tabulate sta

tabelliert die absoluten und relativen Haufigkeiten der Variable sta und man erhalt folgende Tabelle

in STATA:

sta | Freq. Percent Cum.

------------+-----------------------------------

0 | 2,745 56.63 56.63

1 | 2,102 43.37 100.00

------------+-----------------------------------

Total | 4,847 100.00


Der Befehl

tabulate edu, generate(edu)

erzeugt fur die kategoriale Variable edu Dummyvariablen, die dann im Variables Fenster erscheinen.

Als Output erhalt man eine Haufigkeitstabelle fur die Variable edu:

edu | Freq. Percent Cum.

------------+-----------------------------------

0 | 864 17.83 17.83

1 | 1,438 29.67 47.49

2 | 1,592 32.85 80.34

3 | 763 15.74 96.08

4 | 110 2.27 98.35

5 | 80 1.65 100.00

------------+-----------------------------------

Tabelliert man nun z.B. edu1, so erhalt man folgenden Output(edu1 entspricht edu=0):

tabulate edu1

edu== |

0.0000 | Freq. Percent Cum.

------------+-----------------------------------

0 | 3,983 82.17 82.17

1 | 864 17.83 100.00

------------+-----------------------------------

Total | 4,847 100.00

�

Kreuztabellen fur zwei Variablen konnen ebenfalls mit dem tabulate Befehl berechnet werden. Fur

zwei Merkmale besitzt der Befehl die folgende Struktur:

tabulate varname1 varname2 [if exp] [, cell chi2 column exact lrchi2 missing row ]

Mit Hilfe der Option cell werden zuatzlich die relativen Haufigkeiten (neben den absoluten) darge-

stellt. Durch Angabe der Option column bzw. row werden spaltenweise bzw. zeilenweise relative

Haufigkeiten ausgegeben. Die Optionen chi2 und lrchi2 berechnen Pearson’s χ2 Statistik und die

LQ-χ2 Statistik. Die Option exact fuhrt Fisher’s exakten Assoziationstest durch.



Der Befehl

tabulate erw sta , cell

tabelliert den Zusammenhang der beiden kategorialen Variablen erw und sta. In STATA erhalt

man nun folgende Tabelle:

| sta

erw | 0 1 | Total

-----------+----------------------+----------

0 | 1,243 947 | 2,190

| 25.64 19.54 | 45.18

-----------+----------------------+----------

1 | 1,502 1,155 | 2,657

| 30.99 23.83 | 54.82

-----------+----------------------+----------

Total | 2,745 2,102 | 4,847

| 56.63 43.37 | 100.00

�

Mit dem Befehl

correlate [varlist] [if exp] [, options]

werden die Korrelationskoeffizienten nach Bravais-Pearson zwischen den in varlist angegebenen

Variablen berechnet. Spezifiziert man die Option covariance, werden die Kovarianzen ausgegeben.


Der Befehl

correlate zscore bmi

liefert den Output:

| zscore bmi

-------------+------------------

zscore | 1.0000

bmi | 0.1111 1.0000

Der Korrelationskoeffizient zwischen diesen beiden Variablen betragt 0.11.

7 GRAFIK MIT STATA 13

7 Grafik mit STATA

7.1 Grafische Veranschaulichung univariater Verteilungen

• Boxplot:

Einen Boxplot erhalt man durch folgenden Befehl:

graph box varname [if exp], [graph options]

Zu allgemeinen Grafikoptionen (z.B. Achsenbeschriftungen) siehe Abschnitt 7.6.


Mit dem Befehl

graph box zscore

erhalt man den in Abbildung 1 erscheinenden Boxplot.

−50

00

500

Abbildung 1: Boxplot der Variable zscore

Mit dem Befehl

graph box zscore, over (edu)

erhalt man Boxplots der Variable zscore stratifiziert nach den Kategorien der Variable edu.

Als Ergebnis erhalt man die Grafik in Abbildung 2.�

• Histogramm

Die Syntax zur Veranschaulichung einer stetigen Verteilung durch ein Histogramm ist

histogram varname [if exp], [bin(#)] [graph options]


−50

00

500

0 1 2 3 4 5

Abbildung 2: Boxplot der Variable zscore stratifiziert nach den Kategorien der Variable edu

wobei bin(#) die Anzahl k der Intervalle angibt. Wird die Option bin nicht angegeben, so

wird die Anzahl der Intervalle automatisch unter Zuhilfenahme der Faustregel

k = min{√

(n), 10 · log10(n)}

gewahlt.


Mit dem Befehl

histogram zscore

wird ein Histogramm fur die Variable zscore in STATA erzeugt, vgl. Abbildung 3. �

• Saulendiagramm

Ein Saulendiagramm fur kategoriale Variablen erhalt man in STATA mit Hilfe des Befehls

histogram variable, discrete gap(20).

Durch Angabe der Option discrete geht das Programm von einer diskreten Variable aus,

so dass letztendlich ein Saulendiagramm gezeichnet wird. Die Option gap(20) bewirkt, dass

zwischen den einzelnen Saulen ein kleiner Abstand eingehalten wird. Durch Variation der

Zahl innerhalb der Klammer kann der Abstand variiert werden (zugelassene Werte liegen im

Bereich 0-100).


Mit dem Befehl

histogram reg, discrete gap(20)

erhalt man die Grafik in Abbildung 4. �


0.0

01.0

02.0

03.0

04D

ensi

ty

−600 −400 −200 0 200 400zscore

Abbildung 3: Histogramm der Variable zscore

7.2 Grafische Veranschaulichung von Funktionen

Die allgemeine Syntax zur Veranschaulichung von Funktionen lautet:

scatter varlist varname x [if exp] [, msymbol(. . . ) clpattern(. . . ) connect(. . . )] [graph options]

Hier werden die Werte in varlist auf der y-Achse gegen die Werte in varname x auf der x-Achse

abgetragen. Mit msymbol(. . . ) wird festgelegt, welche Symbole zur Kennzeichnung der Punkte

verwendet werden. Mit connect(. . . ) und clpattern wird festgelegt, wie die Punkte verbunden

werden. Als Symbole sind unter anderem zugelassen: O (großer ausgefullter Kreis), o (kleiner

ausgefullter Kreis), T (ausgefulltes Dreieck), Oh (großer Kreis), oh (kleiner Kreis), Th (Dreieck),

point (sehr kleiner Punkt), und i (unsichtbar). Die Voreinstellung ist das O Symbol. Zum Verbinden

der Punkte (Option connect) stehen unter anderem folgende Symbole zur Verfugung: i (nicht

verbinden) und l (durchgezogene Linie). Fur die Option clpattern konnen folgende Werte verwendet

werden: l (durchgezogene Linie), (langer Strich), - (mittel langer Strich), . (kurzer Strich).

Beispiele:

• scatter y x zeichnet ein Streudiagramm zwischen y und x.

• scatter y1 y2 x , msymbol(i i) connect(l l)

zeichnet y1 gegen x und y2 gegen x, wobei die (unsichtbaren) Punkte durch Linien verbunden

werden.

• graph y1 y2 x , msymbol(i i) connect(l l) clpattern(l -)

zeichnet y1 gegen x durch Linien verbunden und y2 gegen x durch gestrichelte Linien ver-

bunden.


0.0

5.1

.15

.2D

ensi

ty

0 2 4 6 8 10reg

Abbildung 4: Saulendiagramm der Variable reg


Der Befehl

scatter zscore alter

zeichnet ein Streudiagramm zwischen der Variable zscore und der Variable alter, vgl. Abbildung 5.

�

−50

00

500

zsco

re

0 20 40 60alter

Abbildung 5: Streudiagramm der Variablen zscore und alter


Das folgende Beispiel zeigt wie man mehrere Linien in einer Grafik darstellen kann.

Beispiel: Zeichnen von Funktionen

Wir erzeugen zunachst die Variable x, die Werte im Intervall -3 und 3 annimmt.

set obs 100

generate x = -3 + 6*( n-1)/99

Anschließend erzeugen wir Werte fur die Funktionen sin(x) und cos(x):

generate s = sin(x)

generate c = cos(x)

Nun konnen mit dem Befehl

scatter s c x, msymbol(i i) connect(l l) clpattern(l -)

die beiden Funktionen visualisiert werden, vgl. Abbildung 6.�

−1

−.5

0.5

1

−4 −2 0 2 4x

s c

Abbildung 6: Visualisierung der Funktionen sinus und cosinus.

7.3 Scatterplotmatrix

Mit Hilfe einer Scatterplotmatrix werden fur eine Menge von (metrischen) Variablen alle moglichen

Streudiagramme gezeichnet. Der allgemeine Befehl lautet:

graph matrix varlist [if exp] [, options]

In der Matrix werden samtliche Kombinationen von Streudiagrammen fur die Variablen in varlist

veranschaulicht. Die Diagonale zeigt, welche Variablen in der Matrix in Beziehung gesetzt werden.


Mit der Option half erscheint nur der untere Teil der Matrixdarstellung. Weiterhin sind die Op-

tionen msymbol(), mcolor() und msize() ahnlich wie bei einfachen Streudiagrammen anwendbar.

Weitere Optionen findet man in der STATA Hilfe.


Mit dem Befehl

graph matrix zscore alter bmi

wird in STATA die in Abbildung 7 abgedruckte Matrix erzeugt.�

zscore

alter

bmi

−500

0

500

−500 0 500

0

20

40

60

0 20 40 60

10

20

30

40

10 20 30 40

Abbildung 7: Scatterplotmatrix fur die Variablen zscore, alter und bmi.

7.4 Kombination mehrerer Grafiken

Es besteht die Moglichkeit sich mehrere Grafiken in einem Fenster anzeigen zu lassen. Dafur muss

zunachst jede Grafik mit dem Befehl

graph save “filename.gph“

abspeichert werden. Anschließend werden dann die Grafiken durch den Befehl

graph combine “filename1.gph“ “filename2.gph“ ...

in einem gemeinsamen Grafikfenster angezeigt.


Mit den Befehlen

histogram zscore


graph save “histogramzscore.gph“, replace

kdensity zscore

graph save“kzscore.gph“ , replace

graph combine “histogramzscore.gph“ “kzscore.gph“

erhalt man in STATA die Grafik in Abbildung 8.�

0.0

01.0

02.0

03.0

04D

ensi

ty

−600 −400 −200 0 200 400zscore

0.0

01.0

02.0

03D

ensi

ty

−500 0 500zscore

Abbildung 8: Histogramm und Kerndichteschatzer fur die Variable zscore.

7.5 Mehrere Grafiktypen in einer Grafik

In STATA konnen auch mehrere Grafiktypen, etwa Histogramme und Kerndichteschatzer in einer

Grafik angezeigt werden.

Dazu muss der Befehl eingegeben

Grafik1 || Grafik2

werden.


Mit dem Befehl

histogram bmi || kdensity bmi

wird das Histogram sowie der Kerndichteschatzer fur die Variable bmi in einer Grafik kombiniert

(vgl Abb.9).�


0.0

5.1

.15

10 20 30 40

Density kdensity bmi

Abbildung 9: Histogramm und Kerndichteschatzer fur die Variable bmi

7.6 Allgemeine Grafikoptionen

Die folgende (unvollstandige) Aufzahlung enthalt eine Reihe allgemeiner Grafikoptionen

(graph options), wobei nicht fur jeden Grafiktyp alle erlaubt sind:

• title(”text”) bzw. subtitle(”text”)

Fugt der Grafik eine Uberschrift bzw. Unteruberschrift hinzu.

• xtitle(”text”) bzw. ytitle(”text”)

Achsenbeschriftungen.

• xlabel bzw. ylabel

Labelt die x-Achse bzw. die y-Achse automatisch. Benutzerdefinierte Labels erhalt man

beispielsweise durch xlab(-3 -2 -1 0 1 2 3) oder xlab(-3(1)3).

• xsize(#) bzw. ysize(#)

Legt die Lange der x-Achse bzw. der y-Achse in Inches fest, wobei Werte zwischen 1 und 20

erlaubt sind. Voreinstellung: xsize(6) und ysize(4).

7.7 Abspeichern von Grafiken als eps-Files

In STATA konnen Grafiken auf dem Bildschirm leicht als eps-files abgespeichert werden und an-

schließend in Latex oder Word Dokumente eingebunden werden. Die Bildschirmgrafik wird mit

folgendem Befehl umgewandelt:

graph export filename.eps , as(eps) [replace]

8 REGRESSION IN STATA 21


Der Befehl

graph export ”boxplotzscore.eps“ , replace

speichert die Grafik der Abbildung 1 als eps-Datei.�

Die zusatzliche Option replace gibt an, ob eine bereits existierende Grafik uberschrieben werden

darf. Es sei darauf hingewiesen, dass neben eps-Grafiken auch andere Grafiktypen (etwa wmf oder

pdf) erlaubt sind. Beispielsweise erhalt man eine Grafik im wmf (Windows Metafile) Format durch:

graph export filename.wmf , as(wmf) [replace]

8 Regression in STATA

Lineare Modelle konnen mit dem regress Befehl geschatzt werden. Der Befehl hat folgende Syntax:

regress depvar [varlist] [if exp] [, level(#) noconstant ]

Mit Hilfe der Option ’level’ kann das gewunschte Konfidenzniveau fur Konfidenzintervalle angege-

ben werden. Beispielsweise erhalt man mit ’level(80)’ 80 % Konfidenzintervalle fur die unbekannten

Parameter (Voreinstellung 95 %). Die Option ’noconst’ verhindert das Mitschatzen eines Intercepts.

Gewichtete Regressionsmodelle konnen durch zusatzliche Angabe einer Gewichtsvariable geschatzt

werden. Sei Beispielsweise w eine Gewichtsvariable. Dann wird durch

regress y x [aweight=w]

eine gewichtete Regression zwischen y und x geschatzt.


Mit dem Befehl

regress zscore bmi

erhalt man folgenden Output des linearen Regressionsmodells fur den zscore in Abhangigkeit von

bmi in STATA:

8 REGRESSION IN STATA 22

Source | SS df MS Number of obs = 4847

-------------+------------------------------ F( 1, 4845) = 60.54

Model | 1138644.9 1 1138644.9 Prob > F = 0.0000

Residual | 91126414.9 4845 18808.3416 R-squared = 0.0123

-------------+------------------------------ Adj R-squared = 0.0121

Total | 92265059.8 4846 19039.4263 Root MSE = 137.14

------------------------------------------------------------------------------

zscore | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

bmi | 4.662031 .5991785 7.78 0.000 3.487369 5.836693

_cons | -272.2303 13.29532 -20.48 0.000 -298.2952 -246.1655

------------------------------------------------------------------------------

Mit dem Befehl

regress zscore bmi sta

erhalt man den folgenden Output in STATA:

Source | SS df MS Number of obs = 4847

-------------+------------------------------ F( 2, 4844) = 84.79

Model | 3120792.3 2 1560396.15 Prob > F = 0.0000

Residual | 89144267.5 4844 18403.028 R-squared = 0.0338

-------------+------------------------------ Adj R-squared = 0.0334

Total | 92265059.8 4846 19039.4263 Root MSE = 135.66

------------------------------------------------------------------------------

zscore | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

bmi | 3 .6139421 4.89 0.000 1.796394 4.203605

sta | 42.26869 4.072822 10.38 0.000 34.28411 50.25327

_cons | -254.0888 13.26695 -19.15 0.000 -280.0981 -228.0796

------------------------------------------------------------------------------

�

Nach Ausfuhrung des regress Befehls konnen mit dem predict Befehl geschatzte Werte,

Residuen usw. berechnet werden, siehe das folgende Beispiel und fur Details die STATA

Hilfe.

9 PROGRAMMIEREN IN STATA 23


Mit den Befehlen

predict zscoredach

predict residuen, residuals

werden die geschatzten Werte, in der neu erzeugten Variable zscoredach gespeichert.

Die Regressionsgerade und die wahren Werte konnen dann mit dem Befehl

scatter zscore zscoredach bmi, msymbol(o i) connect(i l)

in einer Grafik (Abbildung 10) veranschaulicht werden.�

−50

00

500

10 20 30 40bmi

zscore Fitted values

Abbildung 10: Streudiagramm der Variablen zscore und bmi inklusive geschatzter Regres-

sionsgerade

9 Programmieren in STATA

9.1 Batch-files

STATA Befehle konnen in batch-files (sogenannte do-files) gespeichert werden. Durch Auf-

ruf der entsprechenden Datei werden samtliche Befehle abgearbeitet. Ein do-file wird mit

dem Befehl

do myfile


aufgerufen.

9.2 Macros

Macros haben in STATA eine ahnliche Aufgabe wie Variablen in hoheren Programmier-

sprachen(z.B. C++). Ein Macro besitzt einen Macronamen und einen Macroinhalt. STATA

unterscheidet lokale Macros, die nur innerhalb eines Programms bekannt sind, und globale

Makros. Die folgenden Befehle beinhalten einige gultige Macrodefinitionen:

local a =”myvar”

local a = 2+2

local a = ‘a’+1

Auf den Inhalt lokaler Macros wird mit ‘macroname’ zugegriffen und auf den Inhalt glo-

baler Macros mit $macroname. Das folgende Code Fragment definiert mehrmals einen

lokalen Macro ‘a’ und gibt den Inhalt aus:

local a = ”myvar”

display ‘a’

local a = 2+2

display ‘a’

Im folgenden Code Fragment wird einem Macro der Name einer Variable zugewiesen und

anschließend deskriptive Kennzahlen berechnet:

local a = ”var1”

summarize ‘a’

Ein Macro kann mit Hilfe des Befehls tokenize in seine Bestandteile zerlegt werden. Die

einzelnen Token werden nacheinander in den Macros ‘1’, ‘2’, usw. gespeichert. Folgendes

Code Fragment zerlegt den Macro ‘a’ in die Token ”Dies”, ”ist”, ”ein” und ”Test”:

local a = ”Dies ist ein Test”

tokenize ‘a’


9.3 Schleifenprogrammierung und if-Abfragen

9.3.1 While-Schleifen

While-Schleifen besitzen folgende Syntax:

while exp {STATA Befehle

}

Folgendes Code Fragment ist ein Beispiel:

local i = 1

while ‘i’ < 10 {display ‘i’

local i = ‘i’+1

end

9.3.2 forvalues-Schleifen

forvalues-Schleifen besitzen folgende Syntax

forvalues lname = range {STATA Befehle, die auf ‘lname’ zugreifen

}

wobei range die Syntax #1 (#2) #3 besitzt. Mit forvalues wird beginnend mit #1 eine

Schleife mit einer Schrittweite von #2 durchlaufen solange die Bedingung ‘lname’ <= #3

zutrifft.

Folgendes Code Fragment ist ein Beispiel:

forvalues i = 1 (2) 10 {display ‘i’

}

Mit diesem Code Fragment werden nacheinander die Zahlen 1, 3, 5, 7 und 9 am Bildschirm

ausgegeben.

Im Vergleich zu while-Schleifen sind die entsprechenden forvalues-Schleifen schneller und

sollten daher bevorzugt eingesetzt werden.


9.3.3 if-Abfragen

if-Abfragen besitzen folgende Syntax:

if exp {STATA Befehle

}else STATA Befehle

Als ein Beispiel betrachte folgendes Code Fragment:

if ‘x’ > 0 {display ”x > 0”

}else display ”x <= 0”

Index

Abspeichern von Daten, 5

ado-file, 23

Boxplot, 9

cell Option, 9

chi2 Option, 9

Cleveland’s loess Verfahren, 22

Clevelands trikubische Gewichtsfunktion, 22

column Option, 9

Command Fenster, 3

connect Option, 13

cplattern Option, 13

deskriptive Kennzahlen, 3

deskriptive Kennzahlen(zusatzlich), 6

detail Option, 7

do-file, 23

Dummyvariablen, 7

Einlesen von Datensatzen, 4

eps Format, 19

Erzeugen von Variablen, 5

exakt Option, 9

Fenster von STATA, 3

Fisher’s exakten Assoziationstest, 9

forvalues-Schleifen, 28

generalisierte Regression, 21

generate Befehl, 5

Gewichtete Regression, 19

Glattungssplines, 22

globaler Macro, 25

Grafikoptionen, 18

Grundstruktur Befehle, 3

Histogramm, 10

if-Abfragen, 28

infile Befehl, 4

kategoriale Regression, 21

kategoriale Variablen, 7

Kerndichteschatzer, 11

Kreuztabellen, 8

Lineare Regression, 19

lokaler Macro, 25

Lokalisierung von Fehlern, 27

LQ-χ2 Statistik, 9

lrchi2 Option, 9

Macro, 24

Macrodefinitionen, 24

memory Befehl, 4

missing Option, 7

msymbol Option, 13

outfile Befehl, 5

Pearson’s χ2 Statistik, 9

predict Befehl, 20

preserve Befehl, 29

Programme, 23

regress Befehl, 19

Regression, 19

Regressionsmodelle, 21

replace Befehl, 6

replace Option, 5, 19

Results Fenster, 3

Review Fenster, 3

row Option, 9

Saulendiagramm, 12

Scatterplotsmoother, 22

27

INDEX 28

selbst definierte Programme, 23

set trace off, 27

set trace on, 27

Speicherplatzerweiterung, 4

Streudiagramm, 13

Struktur von Programmen, 24

summarize Befehl, 6

Symbole in Grafiken, 13

syntax Befehl, 25

Syntaxelemente, 25

tabulate Befehl, 7

Temporare Variablen, 29

tokensize Befehl, 25

Variablentypen, 4

Variables Fenster, 3

Verandern von Variablen, 6

While-Schleifen, 27

Zerlegung von Macros, 25

Einfuhrung in STATA¨ - uibk.ac.at · Bevor Daten in STATA eingelesen werden k¨onnen, muss...

Documents

Transcript of Einfuhrung in STATA¨ - uibk.ac.at · Bevor Daten in STATA eingelesen werden k¨onnen, muss...