一、写在前边

二、数据清洗代码肛交 准备

指定使命目次

cd 文献地址 //cd是change directory的缩写，将刻下使命目次篡改为指定的目次，要是数据齐在该旅途下，背面的代码就不错使用数据的相对旅途而无谓有余旅途

掀开日记文献并更新

log using 文献名.log，replace //日记文献会记载总共代码运转的效劳

导入数据

*导入excel方法文献import excel using 文献名.xlsx，firstrow clear //文献名.xlsx便是相对旅途，前边莫得cd的话，就要用文献名.xlsx的齐备文献地址，像这么：'C:\Users\10405\Desktop\文献名.xlsx'*导入txt方法文献insheet using 文献名.txt，clear*导入csv方法文献import delimited 文献名.csv， clear*导入stata方法文献use 文献名.dta，clear*导入系统数据sysuse 文献名.data

删除行

drop in 1/n //删除前n行drop in n //删除第n行

给变量贴标签

label var id 股票代码 //id的标签是股票代码

变量定名

*单个定名rename 股票代码 id //将股票代码改为id*批量定名rename (var1 var2 var3)(newvar1 newvar2 newvar3)

N瓜分

*高歌一：egen type = cut(Var)， group(N) //将变量Var从小到大分N类生成变量type*高歌二：sort Var //升序排序generate type = group(N)*高歌三：xtile Newvar = Var， nq(N) //将变量Var从小到大分N类生成变量Newvar*按照年份概略行业生成瓜分bys year: egen Newvar=xtile(Var)， nq(N)

生成变量

gen Var=0  //生成值均为0的变量Vargen Varnew=Var1+Var2 //求两个变量之和gen newvar=L.var //生成滞后变量gen newvar=F.var //生成前置变量gen newvar=abs(Var) //务有余值egen Varmax=max(Var) //求最大值egen Varmin=min(Var) //求最小值egen Varmean=mean(Var) //求平均值egen Varmedian=median(Var) //求中位数egen Varsd=sd(Var) //求门径差egen Var50=pctile(Var)，p(50) //求二分位数egen Var25=pctile(Var)，p(25) //求四分位数egen y=rowtotal(x*) //对总共X起首的变量乞降

生成造谣变量

tab var，gen(newvar)

生成年份变量

*年份方法为字符串型，如20170407gen year=real(substr(年份，1，4))  //索求年份字符串中的前四位 gen month=real(substr(年份，6，2))  //索求年份字符串中的后两位 drop if month!=12 //剔除年份不所以12月份收尾的数据*年份方法为07apr2017型gen y=yofd(DateJoined)*年份方法为07/04/2017gen year=real(substr(年份，-4，.)) //索求后四位字符

生成行业造谣变量

tab Industry，gen(Indu) //生成行业造谣变量，为了幸免共线性，stata会自动删掉一个造谣变量 *有些文献会单独把制造业的细分行业也生成造谣变量，就需要把前两个字符索求出来，然后再生成行业造谣变量gen Indu=Industryreplace Indu = substr(Industry，1，1) if substr(Industry，1，1)!='C'replace Indu = substr(Industry，1，2) if substr(Industry，1，1)=='C'encode industry，gen(indu)

取对数与归附对数

gen lnX=log(X) //取对数形式gen X=exp(lnX) //归附对数形式

策画除本公司外特定年份里行业其他样本的均值肛交 准备

sort year industrybys year industry: egen sumX=sum(X) //策画X总数bys year industry: gen N=_N // 策画不雅测值gen OtherX=(sumX-X)/(N-1)

判断字符串有莫得包含特定字符

keep if strmatch(var， '*数字化*') //保留变量var中包含“数字化”的数据

稽查变量缺失情况

misstable sum var1 var2 var3

删除空白值

drop if missing(var1)

删除变量

drop Var1 Var2 //删除变量Var1和Var2keep Var1 Var2 //只保留变量Var1和Var2

有条目的删除数据

drop if year <2007 //暗意删除年份小于2007的数据drop if id =='10' //暗意删除id为10的数据

删除类似的数据

勾引duplicates drop id year，force // 删除id与year类似的数据

长入各变量的不雅测数目

egen miss=rmiss(var1 var2 var3) keep if miss==0 //这个操作不错使各变量的不雅测数目保执长入

补缺失值

*单个变量补缺失值replace var=某个数值 if var==.*多个变量同期补缺失值foreach i in var1 var2 var3 {replace `i'=0 if `i'==.} *将总共缺失值替换为0mvencode _all， mv(0) override

剔除ST/*ST/PT的样本

drop if strmatch(Coname，'*ST*')drop if strmatch(Coname，'*PT*')

剔除B股企业

gen B=0replace B=1 if strmatch(shortname，'*B*') //朦胧匹配，当公司称号含有B时，把B的0值替换为1drop if B==1 //剔除B值为1的数据

剔除金融类企业

drop if strmatch(industry，'*J*')

稽查行业变更的公司

encode industry，gen(indu) bysort id: egen indumean = mean(indu)keep if indu != indumean

数据类型的调度

destring Var，replace //将字符串变量调度为数值变量tostring var，replace //将字符串变量调度为字符串变量destring var，replace force //将字符串变量调度为数值变量，要是任何字符串值看起来不是数值，则将它们调度为缺失值encode var， gen(var1) //字符串变量调度为数值变量decode **var1**， gen(var) //带标签的分类变量调度为字符串变量format var .3f  //将var的列宽固定为10，少许点后取三位

生成残差

predict e，residual //在总结后用该代码可生成残差

吞并数据

*横向吞并merge 1:1 id year using 文献名.dta //将一个数据聚积并到现存数据集的右侧，1:1指的是1对1匹配，1:m为1对多匹配，m:1为多对1匹配;id year 对应的是匹配变量，id是股票代码，year是年份;“文献名.dta”是匹配数据的称号。drop if _merge!=3 //剔除莫得匹配上的数据drop _merge //剔除_merge*纵向吞并append using 文献名.dta //将一个数据聚积并到现存数据集的末尾，两个数据集频繁具有或部分具有相易的变量

缩尾与截尾

*缩尾不停winsor2 Var， replace cuts(1 99)//winsor2默许在盘曲1%的水平上缩尾，小于1%百分位数的数值会被1%分位数替代，99%同理；replace背面的cuts（1 99）不错不祥，也不错对缩尾的盘曲限作念养息；replace的趣味趣味是不改变原变量称号；*截尾不停winsor2 Var， replace cuts（1 99） trim //将小于1%百分位数和大于99%百分位数的数值替换为缺失值.*不错在replace背面加by(year)概略by(industry)，按照年份概略行业来缩尾/截尾

变量排序

order id year // 数据按照id，year的王法陈设order id year x* //*暗意x起首的变量按照王法陈设

数据排序

*升序陈设sort Varsort id year //从小到大排序，先按id排序，再按year排序*降序陈设gsort Var

声明面板数据

xtset id year概略tsset id year

稽查数据

codebook //显现变量数值分歧情况inspect var //在codebook高歌的基础上进一步绘图出直方图sum Var //形容性统计by byvars: sum var //按照分组对变量进行综合tab Var //变量频数des Var //文书变量存储的类型、方法和标签list Var if Var>0 //显现自高Var>0的数据duplicates list var //列出类似数据

走势图

collapse (mean) Var， by(year) line Var year， ytitle('Y轴称号')

保存/导出数据

*导出sata方法save 文献名.dta， replace*导出excel方法export excel 文献名.xlsx， firstrow(var) replace*导出csv方法export delimited using '文献名'， replace

关闭日记文献

log close

其他可能用到的功能

*运转代码快捷键Ctrl + D //选中代码，同期按Ctrl + D键*计数count if var==0 //策画var等于0的个数*瞩目代码后加//，//背面不错添加瞩目，不影响代码运转*代码换行代码后加///

✦点击下方关心南博吉吉✦肛交 准备

本站仅提供存储处事，总共现实均由用户发布，如发现存害或侵权现实，请点击举报。

上一篇：人妖 porn 中砼科技天津有限公司    下一篇：全国最大的成人色情网 本溪市总工会为员工圆了“微心愿”