Maria Chiara D Errico Università degli Studi di Perugia. Laboratorio di Econometria Introduzione a Stata

Transcript

1 Maria Chiara D Errico Università degli Studi di Perugia Laboratorio di Econometria Introduzione a Stata Perugia, 11 Marzo 2013

2 STATA STATA è un software per l elaborazione dati e l analisi Statistica. Le funzioni: 1) Gestione di Dataset. 2) Analisi Statistica: Statistica descrittiva Modelli Lineari Analisi di Serie storiche Panel Data Analisi Multivariata Maria Chiara D Errico 11/03/2013

3

4 La barra dei menu Comprende otto menù a tendina; ognuno dei quali contiene i comandi disponibili. I comandi possono essere eseguiti anche manualmente (senza la selezione da menù) all interno della finestra dei comandi.

5 La barra degli strumenti Open: Apre un dataset in Stata (formato dta). Save: Salva il Database corrente. Log: Consente di iniziare, sospendere, chiudere un file in log. Graph: Apre/Chiude la finestra del grafico. DofileEditor: Apre o porta in primo piano il Do-file Editor. Data Editor: Apre o porta in primo piano il Data Editor. Break: Interrompe il comando.

6 La Sintassi Quando l utilizzo dei comandi tramite la Command Window è necessario conoscere la sintassi dei medesimi. Essa ha una struttura fissa caratterizzata da sei componenti: [prefix:]command [lista delle variabili][restrizioni], [opzioni] Prefix: (Ex:bysort): definisce la logica con cui applicare il comando. Ripete il comando in un sottinsieme di dati (il contenuto di una variabile). Lista delle variabili: su cui applicare il comando Restrizioni su cui applicare il comando (ex:if) Opzioni relative al comando Ex: bysort foreign: reg mpg weight, robust

7 Help Il Sistema di help in Stata offre una vasta gamma di informazioni utilissime per comprendere quali comandi utilizzare per una specifica analisi statistica e la loro sintassi. Il percorso è Help>Search>Search Documentation and faqs ed inserire la parola chiave. Differenti references: SJ: Stata Journal. STB: Stata Technical Bulletin FAQ s presso il sito di stata. Qualora già si conoscesse il comando ma si vuole consultare la sintassi è più diretto e comodo scrivere direttamente nella finestra dei comandi: help command.

8 Caricamento Dataset File in formato.dta use directory\filename.dta File in formato.txt o.csv insheet [varlist] using filename [, options] Dalla barra dei menù: File > Import > ASCII data created by a spreadsheet

9 Save Memory Il dataset potrebbe necessitare di una memoria maggiore rispetto a quella di default per differenti ragioni: Le variabili posso contenere un numero di caratteri eccessivo: Si usi il comando compress [varlist] per ottimizzare la memoria. Elevato numero di osservazioni: a. Si può aumentare la memoria allocata in Stata usando il comando set memory [#]m (memoria usata di default memory è 50m) b. Si può allargare il numero massimo di variabili permesso nel dataset usando il comando set maxvar [#] (il numero di variabili di default è 5000)

10 Sessione Pratica File>Examples dataset > Example datasets installed with Stata > auto > use. Per dare uno sguardo veloce al dataset caricato cliccare sulla barra dei menu: Data>Data Browser (read-only Editor)

11 Per acquisire maggiori informazioni sui dati utilizzare il comando describe: Permette di comprendere la struttura dei dati e come essi sono storati. Data > Describe data > Describe data in memory.

12

13 Variable name: come chiamiamo la variabile quando comunichiamo con Stata Storage Type: Il modo in cui Stata memorizza le variabili: String (testo) Numeric: byte, int, long, float double Display Format: Controlla come Stata mostra i dati in tabella Value Label: Il meccanismo che permette a Stata di memorizzare dati numerici mentre viene mostrato un testo Variable label: il nome della variabile quando si comunica con altre persone, questa etichetta viene usata quando si fanno le tabelle

14 summarize Per avere le prime statistiche descrittive sulle variabili usiamo il comando summarize. Statistics > Summaries, tables, and tests> Summary and descriptive statistics> Summary statistics Oppure

15 La variabile make è elencata come se avesse 0 osservazioni. Poiché essa è storata come variabile di testo (string18) essa per Stata non ha osservazioni numeriche su cui calcolare media, min, max etc..

16 codebook Comando che permette di esplorare sul contenuto delle variabili Data > Describe Data> Describe data contents(codebook)

17

18 Con l ultimo comando applicato alla variabile rep78 constatiamo che la variabile è categorica e ha cinque missing values. Ciò significa che per cinque delle macchine nel dataset non sono state registrate riparazioni. Per vedere le osservazioni senza riparazione digitiamo:

19 browse

20 Statistiche Descrittive summarize offre brevi statistiche sintetiche sulle variabili. Per uno sguardo più approfondito utilizziamo un opzione del comando summarize: detail

21 Qualora fossimo interessati a conoscere il produttore di auto con il prezzo più elevato (ex: maggiore di 13000) applichiamo una restrizione (if) al comando edit o list Ex: edit if price>=14500

22 tabulate Vogliamo effettuare una comparazione tra macchine straniere e macchine di produzione nazionale. Iniziamo a conoscere la porzione di auto straniere e nazionali tramite il comando tabulate Statistics > Summaries, table, and tests > Tables> Oneway tables

23 Continuiamo applicando il medesimo comando a rep78:

24 Compariamo la variabile rep78 tra auto straniere e domestiche con il comando twoway table e l opzione row Statistics > Summaries, tables, and tests > Tables > Two-way tables with measures of association.

25 L output indica come le macchine straniere sono generalmente migliori delle macchine domestiche

26 Continuando il nostro tour esplorativo vorremmo comparare il consumo di benzina (gas mileages) medio tra macchine domestiche e straniere: Utilizziamo il comando summarize preceduto dal prefisso by:

27 tabulate varlist, summarize( ) Lo stesso output poteva essere ricavato tramite il comando tabulate, summarize:

28 Test d Ipotesi Test d ipotesi sulla differenza delle medie del consumo di benzina tra macchine straniere e macchine domestiche. Esploriamo la relazione categorica tra origine delle auto e il loro consumo di benzina Statistics > Summaries, tables, and tests > Classical tests of hypotheses > Two-group mean-comparison test

29 Correlation Matrices Esploriamo ora la relazione numerica tra consumo e peso dell aut tramite il comando correlate Esiste una relazione negativa tra il peso delle auto e il loro consumo.

30 Compariamo questa correlazione tra macchine straniere e domestiche mediante il prefisso by applicato al comando correlate La correlazione è meno significativa per le macchine straniere

31 Possiamo applicare tale comando e ricavare la matrice di correlazione per un numero arbitrario di variabili. (Questo è utile qualora si volesse investigare sulla collinearità tra le variabili esplicative).

32 Graphing Data Se volessimo esaminare tra consumo e peso potremmo utilizzare anche una elaborazione grafica: Graphics > Twoway graph (scatter, line, etc.)

33

34 Qualora volessimo analizzare la correlazione grafica tra peso e consumo nei sottogruppi di auto (domestiche vs straniere) applichiamo al comando twoway graph l opzione by:

35

36 Linear Regression Vogliamo predire mpg tramite il peso e il tipo di macchina. Da una prima analisi grafica vediamo che la relazione tra consumo e peso è quadratica. Vogliamo stimare i parametri dell equazione:

37 Creazione Variabile Esistono due differenti comandi per creare nuove variabili in STATA: 1. generate 2. egen generate Sintassi: generate newvar = exp NB: In STATA i nomi delle nuove variabili devono avere una lunghezza massima di 32 caratteri e devono essere unici altrimenti il comando non viene eseguito

38 egen Il comando egen consente di creare nuove variabili utilizzando l ampia gamma di funzioni presenti in STATA (media, mediana, deviazione standard, somma, ecc.) La sintassi è: egen newvar = fcn(argomenti) [, opzioni] Ex funzioni: mean( ), median( ), sd( ), min( ), max( ), sum( )

39 Operatori 1. Matematici + addizione - sottrazione * moltiplicazione / divisione ^ elevamento a potenza ln( ) logaritmo naturale 2. Relazionali > maggiore di >= maggiore o uguale di = = uguale < minore di <= minore o uguale di 3. Logici! non & e o

40 Generiamo la variabile peso al quadrato tramite il comando generate Regrediamo il consumo usando come variabili esplicative il peso il peso al quadrato e il tipo di macchina (domestica o straniera) Regressione con il comando regression Statistics > Linear model and related > Linear regression

41

42 Source: La fonte della varianza (dovuta alla parte spiegata data dai regressori del modello e ai residui). SS: Sum of squares: somma dei quadrati delledeviazioni. SS(T): la variabilità totale (della variabile dipendente) attorno alla propria media. SST=SSE+SSR df: gradi di libertà associati alla fonte della varianza. Totale: N-1; Modello: K-1; Residui: N-K-1. MS: mean squares, i.e. the sum of squares delle deviazioni diviso I gradi di libertà. F(K-1, N-K-1): statistica che misura la significatività congiunta dei regressori del modello, è data da: (Mean Squares Model)/(Mean Squares Residual) Prob>F: è il p-value associato a F, la probabilità con cui il test rifiuta ipotesi nulla quando questa è vera (errore primo tipo) R-squared: la parte della varianza della variabile dipendente spiegata dalla varianza delle variabili independenti. Root MSE: deviazione standard del termine d errore. t: statistica associata al test (simmetrico) di non significatività dei coefficienti dei regressori stimati. P>t: p-value associato a t. Se il p-value<0.05 si rifiuta l ipotesi nulla di non significatività per un livello del 5%.

43 predict Ricaviamo i fitted values tramite il comando predict. Il comando predict genera una nuova variabile che contiene al suo interno i valori del consumo di benzina applicando l equazione: Facciamo il grafico dei dati e dei fitted values per le due tipologie di macchine:

44

45 Combine Dataset Merge Permette di congiungere due Dataset a partire da una variabile (che compare in entrambi i Dataset) Data>Combine Datasets>Merge two Datasets Comando: merge [1:1, 1:m, m:1, m:m] <varlist> using <filename>

46 - 1:1 merge è usato quando la key-variable ha un unico valore per ogni osservazione del file master e del file da combinare; - 1:m (m:1) è usato quando la key-variable assume un unico valore (più valori) per le osservazioni del file master, mostra invece molteplici (un unico) valore per le osservazioni del dataset da combinare; - m:m merge è usato quando la key variable prende molteplici valori per le osservazioni di entrambi I dataset.

47 Quando si realizza il merge tra due dataset, Stata crea una nuova variabile _merge che può assumere i seguenti valori: 1: quando l osservazione appartiene solo al master dataset. 2: quando l osservazione appartiene solo all using dataset. 3: quando l osservazione appartiene a entrambi i dataset e non ci sono variabili in comune a parte la key-variable. Quando i due dataset hanno più variabili in comune oltre alla key variable si può usare l opzione update, i missing values per le variabili in comune del master dataset saranno aggiornat1 con i valori assunti dalle medesime variabili dell using file. La variabile _merge potrà assumere anche i valore: 4: come al punto 3, ma esiste almeno una varibile in comune che ha missing values in uno dei due dataset. 5: come al punto 4, ma la variabile in comune non ha missing values in entrambi i datasets.

48 append Permette di aggiungere osservazioni appartenenti ad un dataset non in uso (using file) alla fine del Dataset Data>Compbine Datasets>Append Datasets append using <filename> [,options] options : generate (newvar): genera una variabile numerica che attribuisce valore 0 alle osservazioni del dataset Master e valori 1, 2, etc alle osservazioni del primo, secondo ect using dataset keep (varlist): Seleziona le variabili dell using dataset da appendere. Maria Chiara D Errico 3/03/2014

49 reshape Il comando reshape permette di passare da un dataset di formato lungo ad uno di formato largo e viceversa Ex: reshape [wide, long] wage, i(id ) j(year ) id year wage id year1 year2 wage1 Wage

50 Macro Le più usate sono Local Global Programming Global/ Local: assegnano un nome ad un insieme di variabili. Ex: local varlist=" weight wtsq foreign reg mpg `varlist Cicli for Creata la Macro varlist possiamo applicare un comando per ciascuna variabile appartenente alla macro tramite un ciclo for, evitandocosì di ripetere il comando ogni volta Ex: vogliamo regredire la variabile mpg una volta per il peso, una volta per la lunghezza local varlist=" weight length Ciclo for Foreach a of local varlist { reg mpg `a }