Analisi di mercato II STATA TUTORIAL. Primi passi con STATA -Gestione dati, grafici e semplici modelli- Dott.ssa ELISA IEZZI elisa.iezzi@unibo.

Transcript

1 STATA TUTORIAL Primi passi con STATA -Gestione dati, grafici e semplici modelli- Dott.ssa ELISA IEZZI elisa.iezzi@unibo.it 1

2 Sommario ISTRUZIONI GENERALI...4 INTRODUZIONE... 4 Dove trovare STATA e i dati da utilizzare...4 Uscire da STATA...4 Le finestre di STATA e la barra degli strumenti...4 Stata Help...6 Data Editor...6 Do File Editor...7 Log...8 Graph...8 I files utilizzati in Stata...8 Stata dataset estensione :.dta...8 Log file estensione :.log...9 Stata do-file estensione:.do...9 Stata gaphs Estensione:.gph...11 Dataset Allocare memoria a STATA...11 Variabili...11 Generare e cambiare le variabili...13 Cambiare la struttura dei dati...14 Inserire i dati...15 Inserire i dati dall EDITOR (tramite tastiera)...15 Usare dati già esistenti in formato ASCII (o text)...15 Infile (estensione con.txt oppure.asc)...15 Insheet (estensione con.csv)...16 Dictionary...17 Infix...17 Sintassi generale Describe...18 Display...18 List...18 Format...19 Generare dummy...19 Drop and keep...19 Operatori di STATA...19 Funzioni...20 By group...20 Sort e gsort...21 STATISTICHE DESCRITTIVE Count...21 Summarize...21 Means...22 Centile...22 Cumul...22 Correlate...22 TABLES...23 Table

3 Tabulate...23 Tabsum...24 FOREACH...24 MANIPOLAZIONE DEI DATI Combinare differenti dataset insieme...25 Append...25 Merge...25 Collapse...26 Contract...27 Expand...27 Fillin...27 APPLICAZIONE: DESCRIZIONE DATI E SEMPLICE INFERENZA...27 DESCRIZIONE DATI ANALISI USANDO STATA obiettivo: Confronto tra due gruppi obiettivo: Correlazioni obiettivo: Esercizi...35 APPLICAZIONE: IL MODELLO LOGIT...35 DESCRIZIONE DATI Analisi logistica

4 ISTRUZIONI GENERALI INTRODUZIONE Dove trovare STATA e i dati da utilizzare All interno dei programmi si può avviare direttamente l icona STATA. I dati sono stati inseriti nella directory: R:\Freo\Analisi di mercato2\.. Uscire da STATA Per uscire da STATA, si può scrivere exit nella finestra STATA COMMAND. Altrimenti si può cliccare su Exit dal menu FILE oppure digitare i tasti Alt+F4. Le finestre di STATA e la barra degli strumenti Le finestre di STATA sono 4: 4

5 1. STATA COMMAND, dove i comandi vengono digitati e mandati in esecuzione semplicemente premendo invio dopo averli scritti; In alto a destra, contiene la sequenza dei comandi eseguiti nella Stata Command. Cliccando su una riga nella finestra review, il comando eseguito in precedenza ricompare nella finestra Stata Command. 2. STATA RESULTS, dove appaiono i risultati. E la finestra centrale, caratterizzata dallo sfondo nero, dove vengono visualizzati, i comandi eseguiti, i messaggi di errore e in generale tutte le operazioni eseguite dal programma. E' una finestra di output il cui funzionamento può essere ricondotto a quello di un registro che, se fatto scorrere, mostra all utente ciò che fino a quel punto è stato fatto. 3. REVIEW dove sono scritti tutti i comandi digitati fino a quel momento; In alto a destra, contiene la sequenza dei comandi eseguiti nella Stata Command. Cliccando su una riga nella finestra review, il comando eseguito in precedenza ricompare nella finestra Stata Command. Funzione particolarmente utile per la correzione di errori o per procedure che richiedono ripetizioni frequenti di comandi articolati. 4. VARIABLES dove c è una lista di variabili contenute nel dataset che si sta utilizzando. Sotto la Review, mostra l elenco delle variabili contenute nel data set indicandone il nome, l etichetta ed eventuali informazioni sulle modificazioni rilevanti intervenute nelle variabili. Anche qui è possibile far comparire la variabile nella Stata Command cliccando sulla variabile interessata. Le istruzioni principali della barra degli strumenti sono: 1. open, per aprire un dataset di STATA 2. save, per salvare su disco il dataset che si sta utilizzando 3. print, per stampare un grafico o i risultati ottenuti 4. open log, per iniziare un nuovo log, aggiungerlo ad uno già esistente o fermare quello corrente 5. import/ export, per importare / esportare in formati diversi da quello di stata che è *.DTA 6. Data Editor apre il data editor, dove si possono inserire manualmente i dati 7. Data Browser mostra i dati 8. Do-File Editor apre il Do-file editor dove si scrivono i comandi per poterli poi eseguire tutti insieme 9. Break (ferma cio che sta facendo STATA; per es. hai chiesto a stata di mostrare una lista di tutte le osservazioni, ma ti accorgi che sono milioni e vuoi interrompere il lavoro di STATA! 5

6 Stata Help E la finestra della guida all uso del programma (in inglese). Si apre cliccando Help nel menù o premendo alt+h e scegliendo l opzione desiderata. Il suo contenuto ha struttura ipertestuale. Data Editor Visualizza la matrice dei dati in memoria. Nelle colonne della matrice sono contenute variabili e nelle righe le singole osservazioni. Si apre con l apposito pulsante sulla barra degli strumenti o digitando edit nella finestra Stata Command. Facendo doppio clic su un valore o una variabile ne vengono visualizzate nome, etichetta e formato. Il alto c è una barra degli strumenti con la quale si possono eseguire alcune operazioni come mettere in ordine crescente i dati rispetto ad una variabile (sort) o cancellare dati o variabili. Una volta aperto l editor, per accedere alle altre finestre è necessario chiuderlo. 6

7 Do File Editor Consiste in un sottoprogramma con il quale si può programmare Stata mediante la scrittura di una serie di comandi su un comune word editor (o sul word editor di stata con funzione apposita per la scrittura dei do-files).. Per eseguire un do file già elaborato, si clicca sul do-file editor al menu windows o sul pulsante dedicato nella barra degli strumenti Per le caratteristiche specifiche e la scrittura del do-file si rimanda alla apposita sezione. 7

8 Log La finestra Stata log file permette di visualizzare il log file, ossia il file che viene creato per la registrazione di tutti i comandi e le operazioni eseguite dal programma nella corrente sessione di utilizzo. Tale file può essere poi salvato o stampato per l archiviazione dei risultati ottenuti. La finestra stata log si apre dal menu windows (se un log file è già in uso, altrimenti va prima creato) o utilizzando i comandi sulla barra degli strumenti. Graph E la finestra nella quale vengono visualizzati i grafici. I files utilizzati in Stata Stata può utilizzare tre tipologie di file. I files sono contraddistinti da una diversa estensione (le lettere dopo il punto) e da icone differenti. Stata dataset estensione :.dta Esempio icona: Sono i files che contengono i dati da utilizzare. Possono provenire da fonte esterna o essere creati immettendo i valori nell editor dati e poi salvandoli. Quando un dataset viene modificato, cosa ricorrente nell utilizzo di Stata, occorre salvare le modifiche se si intende renderle definitive con l avvertenza che una volta eseguita questa operazione la struttura precedente verrà persa. Un 8

9 consiglio utile può quindi consistere nel non sovrascrivere il dataset originale, salvando, per esempio, il nuovo dataset con un nome differente. Log file estensione :.log Esempio icona: esercitazione.log I log files vengono creati dall utente per visualizzare i risultati dell analisi. La loro stampa, sia direttamente da Stata (menu file > print log) che tramite altri word processor (mediante, ad esempio, le classiche funzioni copia-incolla) rappresenta spesso l ultima operazione compiuta al termine di una sessione di utilizzo di stata. open/close/suspend log mostra log do-file editor Come creare un log file Il log file può cominciare a registrare i risultati in qualsiasi momento del lavoro. Per iniziare si deve cliccare sull icona che raffigura una pergamena affiancata ad un semaforo sulla barra degli strumenti. Appare una finestra nella quale dobbiamo indicare il nome del file e dove collocarlo. Fatto questo, il nostro log file registra tutte le operazioni effettuate, come accade nella finestra Stata Results. In qualsiasi momento è possibile interrompere la registrazione cliccando nuovamente sul semaforo e scegliendo l opzione suspend log file per poi riprendere scegliendo resume log file. In questo modo è possibile inserire solo ciò che interessa venga visualizzato. E possibile anche utilizzare un file di log già esistente. In questo caso si deve scegliere o l opzione Append to existing file che permette di continuare a registrare gli output in successione a quelli precedentemente salvati oppure l opzione Overwrite existing file che consente di sovrascrivere le nuove informazioni sulle precedenti che vanno irrimediabilmente perse. La sintassi è: log using filename, [append replace] Successivamente si può chiudere il log file scrivendo: log close o semplicemente uscendo da STATA. Se però successivamente si torna in STATA e si cerca di riaprire il log, STATA si rifiuterà. A questo punto ci sono tre alternative: 1. si inizia un nuovo log con un nome differente 2. lo si incolla (append) alla fine del log corrente (scrivendo log usingfilename, append) 3. si dimentica il vecchio log e lo si sostituisci con uno nuovo (si scrive log using filename, replace) Stata do-file estensione:.do Esempio icona: 9

10 Creando un do file è possibile programmare Stata, ossia creare un listato di istruzioni da fare eseguire al software. Rappresenta sicuramente il modo più ordinato, metodico e professionale per lavorare con Stata ed è una procedura il cui apprendimento è indispensabile se si desidera procedere in analisi di una qualche complessità. In pratica si tratta semplicemente di scrivere in sequenza i comandi da impartire: dall apertura del dataset, passando per l analisi vera e propria e concludendo con il salvataggio di dataset e log file. Se un do file è stato realizzato correttamente può essere possibile farlo eseguire dal programma con un semplice doppio clic sopra l icona del file: Stata si aprirà automaticamente e tutte le procedure verranno effettuate senza inceppare in errori. Come creare un do-file Facendo clic sull icona che raffigura foglio e matita sulla barra degli strumenti o nel menu Windows>do-file editor si apre la finestra dell editor per do-file. Si può aprire un file già esistente o crearne uno nuovo. Al termine del lavoro si esegue il programma (icona do current file ) e se ne verifica il corretto funzionamento. Una volta creato, un do-file può essere eseguito semplicemente con un doppio clic o scegliendo su Stata al menu file>do e indicando il file da eseguire. Oltre ai comandi si possono includere commenti iniziando la riga con * Essendo un semplice file di testo, il do-file può essere creato anche con un normale word processor ma tale operazione può comportare problemi di compatibilità la cui risolvibilità è sempre possibile ma spesso poco immediata. Semplice esempio di do-file: set mem 4m use " C:\temp\dati\dati.dta" log using "C C:\temp\dati\prova_log.log", replace sum *eliminazione variabili non utili per l analisi* drop id eta *regressione con reddito come var dipendente spiegata da istruzione e residenza* regress reddito istruz resid save "C:\temp\dati\prova.dta", replace Rimane da salvare anche il do-file con un nome. Un trucco che spesso si utilizza è quello di chiamare il log file e il do file nello stesso modo così da associare i comandi all output (senza dover ricordare molti nomi). Allora da dentro il do-editor si salva il file con la stessa procedura usata per salvare un qualsiasi file di testo. Da FILE si clicca su SAVE FILE AS e si salva dandogli come nome dofile.do. E necessario ricordare la directory in cui viene salvato, generalmente è conveniente mettere il do file nella stessa directory del log file. A questo punto si chiude il DO-FILE EDITOR, torniamo in STATA, clicchiamo su File dalla barra degli strumenti, e poi su DO, selezioniamo il file dofile.do in c:\temp\dati e guardiamo i risultati. Si può anche vedere il nuovo dataset creato con le nuove variabili cliccando sul DATA BROWSER (terzo pulsante dalla destra). Adesso si puo uscire da Stata, scrivendo nella finestra STATA COMMAND: clear exit 10

11 Stata gaphs Estensione:.gph Esempio icona: Con Stata è possibile realizzare grafici e poi salvarli su file. Per ulteriori precisazioni si rimanda alla parte specifica dedicata alla realizzazione dei grafici. Dataset Come detto in precedenza l'estensione utilizzata per salvare i dati è.dta. Per aprire ed utilizzare il file ad esempio dataset.dta i comandi sono: use C:/temp/dati/dataset Il modo più semplice è allocare la directory in cui sono salvati tutti i dati, in modo da non dover ripetere il path. cd C:/temp/dati use dataset save dataset!!! IMPORTANTE salvare sempre i file. Se si vuole salvare il file che è già presente: save dataset, replace Allocare memoria a STATA Generalmente STATA da Mb di memoria. Per espanderla, basta scrivere nella finestra COMMAND set memory 50m, m sta per MegaByte. Qualora non sia sufficiente per i dati, sarà lo stesso STATA a dire no room to add more observations. Ed allora basterà aggiungere più memoria compatibilmente con il PC usato. Variabili In Stata, le variabili sono associate con le colonne di una matrice di dati, e le osservazioni con le righe Le variabili possono essere alfanumeriche (stringhe) o numeriche (numeri reali). Le variabili sono chiamate con il loro nome, che può contenere anche numeri, ma non spazi. Si può cambiare il nome delle variabili usando il comando rename x y significa cambiare il nome della variabile da x a y. Alle variabili possono essere assegnate etichette. Una volta che abbiamo creato delle nuove variabili vogliamo poter tener traccia di esse e ricordare cosa significano. Possiamo fare cio 11

12 creando labels e value labels. Queste labels non sono necessarie, ma rendono l output più leggibile. Le variable labels corrispondono ai nomi delle variabili, le value labels corrispondono ai differenti valori che una variabile puo avere. La sintassi è: label variable varname the name of this variable is es: label variable x costi in euro In STATA i nomi delle variabili appaiono nel riquadro in basso a sinistra (VARIABLES Window). Ogni qualvolta la variabile x appare sullo schermo apparirà anche la sua label. A questo punto può essere utile anche assegnare delle label. Guardiamo alla variabile sex. Essa non ha labels ed assume solo sue valori 1 e 2. Ma cosa significano? Per evitare di memorizzarlo o di consultare sempre un codebook, possiamo usare i seguenti comandi: label define grp 1 male 2 female label values sex grp Ricorda che bisogna prima bisogna definire (define) la label, poi associare quella label con una variabile. Ogni label può essere associata a più di una variabile, così che se ci sono molte domande a risposta si/no/non so, basta definire una value label e usarla per tutte le domande. Tuttavia si può associare una sola value label con una stessa variabile. e formati : format x %7.2g questo è il generico formato per identificare un numero con 2 decimali Automaticamente STATA assegna un certo spazio alle variabili. Scrivendo compress si ordina a STATA di utilizzare lo spazio in maniera efficiente (molto utile prima di salvare un dataset su cui si è lavorato creando molte variabili) DATI MANCANTI I dati mancanti sono identificati da. (un punto). Si possono codificare i valori mancanti come codici (es 9999) o viceversa utilizzando il comando mvdecode mvencode x, mv(9999) codifica i valori mancanti con il codice 9999 mvdecode x, mv(9999) decodifica il codice 9999 con i valori mancanti VARIABILE TEMPO I dati sono definiti da un numero di giorni dal 1/1/1960 e possono essere definite attraverso il formato della data che è %d. Se ad esempio la variabile time è in formato %7.0g list time time In questo modo non è di facile lettura, se invece gli impostiamo il formato allora: format time %d list time 12

13 time jan dec jun feb jul1972 Per altri formati si può cosultare help dfmt Generare e cambiare le variabili Si possono generare nuove variabili utilizzando il comando generate oppure egen. GENERATE Generate crea una nuova variabile. La sua sintassi è: [by varlist:] gen newvar=exp [if exp] [in range] Se vengono generati dei valori missing, il numero di valori missing vengono riportati in newvar e anche nella Finestra degli STATA RESULTS. Il comando generate fa una semplice equazione: generate x = 1 crea una nuova variabile x e assegna alla colonna tutti valori 1 generate percentuale=100*(vecchio-nuovo)/vecchio if vecchio>0 genera la variabile percentuale per quei valori in cui vecchio>0 negli altri casi riempe con missing. In quel caso si potrebbe gestire la variabile con l'istruzione replace. Replace cambia il contenuto di una variabile esistente. La sua sintassi è: [by varlist:] replace oldvar=exp [if exp] [in range] replace percentuale = 0 if old<0 Queste due istruzioni potrebbero essere viste anche come un'unica attraverso cond() che fa un test, se è vero mette il secondo argomento, altrimenti il terzo: generate percentuale = cond(old>0, 100*(vecchio-nuovo)/vecchio,0) EGEN Il comando egen è un estensione di generate. Il suo vantaggio è che accetta come argomento dell'equazioni formate da liste di variabili e non singole come per il precedente. La sua sintassi è: egen newvar=fcn(stuff) [if exp] [in range] [,options] esempi egen media=rmean(m1-m100) fa la media di 100 variabili, dove i valori mancanti vengono ignorati. egen famred=sum(reddito), by(famiglia) fa la somma del reddito per le diverse famiglie Le principali funzioni di egen sono: count (exp) [,by(varlist)] che crea una costante (all interno di varlist) che contiene il numero di osservazioni non missing di exp; 13

14 diff(varlist) che crea una dummy uguale ad 1 dove le variabili in varlist sono non uguali e zero altrimenti iqr (exp) [,by(varlist)] crea una costante (all interno di varlist) che contiene il range interquartile di exp. La stessa sintassi vale per max(exp), mean(exp), median(exp), min(exp), sd(exp) e sum(exp) che creano (all interno di varlist) rispettivamente il valore massimo, medio, la mediana, il minimo, la deviazione standard e la somma di exp. Pctile(exp) [, p(#) by (varlist)] che crea una costante entro varlist contenente il #-esimo percentile di exp, con # che puo andare da 1 a 99. Se p() non è specificato, 50 viene assunto per default Per eliminare la variabile: drop x Per ricodificare la variabile in categorie: recode categ 1/3 = 1 4=2 se il valore è compreso tra 1 e 3 allora assegna categoria=2 se =4 allora assegna categoria=2 Cambiare la struttura dei dati In molte occasioni il nostro dataset si presenta come un panel di dati. Se si hanno misure per le occasioni j per i soggetti i, questi possono essere visti come dataset multivariati in cui ogni occasione j è rappresentato da una variabile xj e il soggetto è identificato da subj.le informazioni sono chiamate wide e long. Si possono convertire dal wide della matrice con le variabili xj subj list x1 x2 subj alla long della matrice con le variabili x occ subj usando la sintassi reshape long x, i(subj) j(occ) (note: j = 1 2) Data wide -> long Number of obs. 2 -> 4 Number of variables 3 -> 3 j variable (2 values) -> occ xij variables: x1 x2 -> x I dati ora sono : 14

15 . list subj occ x A questo punto si possono raggruppare dati per ogni gruppo con misure statistiche standard. Calcola la media, la deviazione standard e conta la numerosità del gruppo che non sia mancante. collapse (mean) mean=x (sd) sdx=x (count) num=x, by(subj) list subj mean sdx num Inserire i dati I dati possono essere inseriti usando il data editor, oppure da un file ASCII (word, notepad, ecc.) Inserire i dati dall EDITOR (tramite tastiera) Iniziamo con il cliccare su DATA EDITOR sulla barra degli strumenti di STATA. Non è altro che un foglio di excel (molto simile) dove per riga ci sono le osservazioni e per colonna ci sono le variabili. I dati inseriti possono essere modificati semplicemente scegliendo la cella. Il DATA Editor chiama le variabili inizialmente con var1, var2 etc, ma possono essere cambiate cliccando due volte sull intestazione della colonna (per es. su var1) in modo tale che appaia lo STATA VARIABLE INFORMATION dove poter inserire il nome desiderato. 1.Clicca sull icona DATA EDITOR 2.Da sinistra a destra inserire i seguenti numeri (aiutati con l invio e le freccette sulla tastiera per spostarti): Doppio click su var1 e sostituisci var1 con a; fai lo stesso con var2 e metti al suo posto b, lo stesso con var3 e chiamala c 4.Chiudi il data editor (x in alto a destra) in modo da tornare alla finestra Stata Command 5.Scrivi save C:/temp/dati/one.dta, replace *ricordati che hai messo i dati in questa directory chiamata mydata Usare dati già esistenti in formato ASCII (o text) Infile (estensione con.txt oppure.asc) Il comando infile è uno dei più usati per dati che siano in formato libero o comma-separated La sintassi base è la seguente: infile varlist using filename [, clear] 15

16 dove varlist è una lista di nomi di variabili (varname1 varname2 ), filename è il nome del file che si vuole trasformare (incluso il percorso per trovarlo), e clear è un opzione che pulisce dati eventualmente in memoria che non sono stati salvati. Se non viene messa un estensione si assume che essa sia.raw. Infile è molto utile nei dati scaricati: il file non ha nomi di variabili sulla prima linea le variabili che hanno spazi al loro interno, come per esempio nome e cognome di una persona, devono essere racchiusi tra virgolette i numeri possono avere virgole e segni negativi, ma non dollari o segni di percentuale Infile assume che le variabili abbiano spazi tra di loro e che non ci siano spazi bianchi quando si aspetta dei dati (perciò i valori di missing devono essere rappresentati in qualche modo). Molto spesso però la cosa più conveniente da fare e portare un file in Excel, salvarlo con l estensione.csv e poi usare insheet. Inoltre puoi usare il comando infile per leggere dati che contengono molte variabili o record multipli per osservazione, oppure in generale quando vuoi leggere dati salvati in un formato particolare. Insheet (estensione con.csv) Questo comando legge dati che sono organizzati nel modo seguente: i) le osservazioni sono per riga; ii) le variabili nelle colonne; iii) i valori delle variabili sono separati da una tabulazione o da virgole ma non da spazi. In questo caso, è necessario rinominare il file ASCII in modo che abbia l estensione.raw e poi usare il comando insheet. In molti casi il modo più conveniente in cui leggere i dati è aprire il file in Excel e salvarlo con l estensione.cvs e poi usare il comando insheet. La sintassi di base è: insheet using filename [, clear] Se si salvano i dati in excel, con il formato csv ad esempio dati.cvs In STATA e nella finestra COMMAND scriviamo: insheet using c:/ /dati.csv,clear save c:/ /dati.dta,replace A questo punto abbiamo i dati pronti in formato DTA, che non è altro che il formato dei dati in STATA. Il comando insheet è molto utile per leggere dati da un foglio di lavoro (come quello di Excel). Anche in questo caso ci sono alcuni requisiti da soddisfare: La prima linea dovrebbe avere i nomi delle variabili e dalla seconda linea dovrebbero iniziare i dati I dati numerici mancanti dovrebbero essere codificati come celle vuote, e non con spazi, punti, o altri dati numerici. Spesso vengono usati i valori 9, 99, 999. Questo è lecito purché questi non siano valori validi per quella variabile. Le virgole sono problematiche perché Stata pensa che siano dei delimitatori e non li legge in modo corretto. Perciò è necessario rimuovere le virgole dai valori numerici prima di salvare il file. 16

17 Il file deve essere salvato in formato comma separated values in Excel. Non basta dare un estensione.cvs. Si deve selezionare sotto File poi Save as e poi scegliere comma separated values. Quando si chiude il foglio di lavoro ed Excel ti chiede di salvare i cambiamenti bisogna rispondere No, perché Excel sta chiedendo di fare i cambiamenti per rendere il foglio di lavoro nuovamente un foglio regolare di Excel Dictionary Se invece i dati sono in formato fisso, è necessario usare un dictionary (dct). Un dictionary non è altro che un file ASCII (testo) che descrive il contenuto di un file di dati e permette di leggere i file in formato fisso o formato libero. I dati possono essere nello stesso file del dictionary o in un altro file. La sintassi di base è: infile filename [, using (filename2) clear] dove filename è il nome del file dictionary e filename2 è il nome del file che contiene i dati. Se l opzione using () non è specificata, si assume che i dati seguano il dictionary in filename, o se il dictionary specifica il nome di un altro file, questo file si assume contenga i dati. La sintassi di base di un dictionary file è la seguente: top of the dictionary file [infile] dictionary [using filename] { [type] varname } (dai vengono inseriti qui) fine del dictionary file Qui di seguito riporto un esempio possibile di file dictionary. Si scrivono le righe successive in un qualsiasi programma di testo (word). dictionary using e:\fss98~10.fil { _column(1) ril %2f "rilevazione" _column(3) anno %4f "anno" _column(7) ProgFam %6f "progressivo family" _column(13) nordcomp %2f "Num ordine componente" _column(15) ncomp %2f "numero comp family" _column(17) age %3f "eta" _column(20) relpar %2f "relazione parent" _column(23) sex %1f "sesso" } il file dictionary può essere scritto in un qualsiasi text editor ma deve essere salvato con l estensione.dct. In particolare, il dizionario inizia con le parole dictionary using, che definisce il file come un dizionario di STATA. Il nome del file che contiene i dati appare dopo la parola using Infix Se i dati sono in formato fisso per colonna, il comando infix può essere usato. La sintassi di base è: infix using filename[, using (filename2) clear] dove filename è il nome di un file dictionary e filename2 è il nome del file contenente i dati Sintassi generale 17

18 I comandi di Stata rientrano in due ampie categorie: 1. comandi che riportano informazioni sui dati, per esempio describe, list, summarize, tab 2. comandi che cambiano i dati: keep, drop, generate Molti comandi hanno una sintassi comune che possiamo scrivere come: [by varlist:] command varlist if exp in range Di seguito riportiamo il significato di ogni parola del comando. [ ] indica le componenti che non sono essenziali per il comando (optional qualifiers) by varlist: il prefisso by fa in modo che il commando sia ripetuto per ogni set unico di valori della variabile (o variabili). I dati devono pero essere sorted, cioè ordinati secondo la varlist. command: è il comando che vogliamo che Stata esegua (summarize, list, save, etc.) varlist: le variabili su cui vogliamo che il comando sia eseguito; spesso è opzionale in molti comandi. if exp: leggi questo come if expression e significa se l espressione indicate è vera. L opzione if specifica le osservazioni su cui noi vogliamo eseguire il comando. Se non è specificato, allora il comando viene eseguito su tutte le osservazioni. in range: specifica una restrizione in termini di osservazioni su cui si vuole eseguire il comando (cioè un intervallo). Describe Describe mostra un sommario del contenuto dei dati in memoria o presenti nel dataset. La sua sintassi è : describe [varlist using filename], [short detail] dove short taglia le informazioni su ciascuna variabile e detail include informazioni sull ampiezza di una singola osservazione, e la massima dimensione del dataset. Esempio: des des,short des, detail Display Display mostra stringhe e valori di espressioni scalari. Se si lavora direttamente nella finestra COMMAND può essere usato come calcolatrice. La sua sintassi è: display [subcommand [subcommand] ] dove subcommand è una stringa fra virgolette Esempi display questa è una stringa display 5+ln(70) List List mostra il valore delle variabili. La sintassi è: [by varlist:] list [varlist] [if exp] [in range][, [no]display nolabel noobs] 18

19 dove [no]display forza il format in formato display o di tabella (nodisplay), nolabel mostra i codici numerici piuttosto che le labels, e noobs sopprime l apparizione del numero di osservazioni Esempi: list in 1/5 list eta studio list if eta>18 list studio if eta<3 Se la varlist non è specificata, vengono mostrati i valori di tutte le variabili nel dataset Format Il commando format descrive come un numero o una stringa sono mostrati in Stata. Per esempio il numero 1234 può essere mostrato come 1234, oppure come 1234,0 o come 1,234.0, etc. Digitando describe varlist vengono mostrati anche i formati delle variabili in una colonna sotto il titolo display format. Generare dummy In questa sezione vediamo come generare delle variabili dummy. In Stata è molto semplice: tab studio, gen(dummy) Stata crea una variabile dummy per ogni valore trovato in studio. Così, dummy1=1 se l individuo ha una licenza elementare e 0 negli altri casi, dummy2=1 se l individuo ha la licenza media e 0 negli altri casi e così via per tutte le variabili presenti in studio. Se invece si vuole una dummy solo per una certa categoria della variabile studio, per es lic. elementare: gen d_elem=(studio==1) Cioè STATA crea una variabile dummy con valore 1 se studio=1 e 0 altrimenti. Più in generale STATA crea una variabile dummy uguale a 1 se l espressione dentro parentesi è vera, e zero negli altri casi. Drop and keep drop elimina variabili o osservazioni dai dati in memoria. La sua sintassi per il drop è: drop varlist [by varlist:] drop if exp drop in range [if exp] Keep funziona esattamente nello stesso modo del drop eccetto per il fatto che si specificano le variabili o osservazioni da tenere piuttosto che quelle da eliminare. Operatori di STATA Le espressioni algebriche e logiche usano differenti classi di operatori. STATA differenzia tra : 1. operatori aritmetici: + (addizione), - (sottrazione), * (moltiplicazione), / (divisione), ^ (elevamento a potenza). Ogni operazione aritmetica su un valore missing o un operazione impossibile (per es. la divisione per zero) da luogo ad un valore missing. 2. operatori di stringa: + (concatenazione di stringa), per esempio l espressione Matrice di varianza + -covarianza produce la stringa Matrice di varianza-covarianza 3. operatori di relazione: <(meno di), > (più grande di), <= (meno o uguale di ), >= (piùgrande o uguale di), == (uguale a ),!= (non uguale a), <= (non uguale a) 4. operatori logici: & (e), (oppure), < (not). Gli operatori logici danno come risultato un valore pari ad se l espressione è vera, 0 se è falsa. 19

20 L ordine di valutazione segue le regole standard, l espressione sulla sinistra è quella valutata prima, l ultima sulla destra è quella valutata per ultima. Le parentesi possono essere usate per forzare un ordine differente di valutazione Funzioni Le funzioni sono usate nell espressione exp nella sintassi vista. Al posto di exp molte funzioni possono essere utilizzate. L argomento di una funzione può essere una qualsiasi espressione, anche un'altra funzione. Per esempio una versione semplificata della sintassi per generate è: generate newvar=exp e percio si potrebbe scrivere per esempio: generate loginc=ln(income), dove ln() è una funzione. Alcuni esempi di funzioni sono: funzioni matematiche: exp(x), log(x) o ln(x), sqrt(x), abs(x) e le principali funzioni trigonometriche funzioni statistiche: chiprob(df,x) (coda superiore della distribuzione cumulativa chiquadro con df gradi di libertà), fprob(df1, df2, f) (coda superiore della distribuzione cumulativa F con df1 e df2 gradi di libertà, invnorm(p) (funzione quantile della normale standardizzata), normd(z) (densità normale standardizzata), normprob(z) (funzione di distribuzione normale standardizzata), tprob(f,t) (distribuzione t a due code con df gradi di libertà generatore di numeri pseudo-random: uniform(), che genera numeri pseudo-random uniformemente distribuiti sull intervallo [0,1) (non c è argomento dentro () ). I numeri pseudo-random secondo una distribuzione normale standardizzata possono essere anche generati usando il comando invnorm(uniform()) funzioni speciali, per esempio float(x) (che riporta il valore di x nella tipologia float), int(x)(che riporta il valore intero di x), max(x1, x2, x3, xn) e min(x1, x2, x3, xn) (che riporta rispettivamente il valore massimo e minimo degli argomenti tra parentesi ignorando i valori missing, sign(x) (che riporta 1 se x<0, 0 se x=0, e 1 se x>0 e. se x=.), e sum(x) (che riporta la somma di x, trattando i valori missing come zeri) Ci sono anche funzioni che trattano le date e funzioni di serie temporali, così come funzioni matrici che danno luogo a scalari come det(b) e trace(b) (rispettivamente il determinante e la traccia della matrice B). Esempi: generate eta2=eta*eta gen altoy=(y>20000 & y!=.) replace altoy=. if y<0 Un altro modo per generare la variabil altoy è la seguente: gen altoy=0 replace altoy=1 if y>20000 & y!=. gen sommay=yl+yta+ym gen ylag=y[_n-1] gen r=uniform() gen normals=invnorm(uniform)) sort sex by sex: gen avgy=sum(y)/sum(y!=.) by sex: replace avgy=avgy[_n] By group Talvolta è necessario eseguire un comando o un analisi su gruppi differenti di osservazioni. Il comando by variable permette di ottenere lo stesso risultato che si sarebbe ottenuto usando il comando if su ogni sottogruppo. Prima di usare il comando by bisogna fare un sort (spiegato successivamente) cioè un ordinamento dei dati: 20