Introduzione a STATA 10.1

5/12/2018 Introduzione a STATA 10.1 - slidepdf.com

http://slidepdf.com/reader/full/introduzione-a-stata-101 1/139

INTRODUZIONE A STATAVERSIONE 10.1

Giulia CavriniDipartimento di Scienze Statistiche “Paolo Fortunati”

Università di Bologna



INDICE Introduzione Il menu Help La barra dei menu e la barra delle icone

Creare un file LOG Definizione del file di dati Leggere file ASCII Inserire le etichette Codificare un variabile

Creare nuove variabili Operatori relazionali Statistiche descrittive: distribuzioni di frequenza semplici Statistiche descrittive: misure di sintesi e di variabilità Grafici: A barre, Istogrammi, Box-plot



Che cos’è STATA?

STATA è un Sistema di Analisi Statistica (Statistical Analysis System)creato per ricercatori. È nato in ambito accademico.Il sito ufficiale del programma è:

http://www.stata.com/

È un ambiente che consente di manipolare e analizzare i datiusando metodi statistici e grafici.È un pacchetto integrato – non una collezione di moduli separati.

Con STATA è possibile fare: • Data Management• Analisi descrittive• Grafici• Modelli lineari e non• ANOVA, ecc.

www.ats.ucla.edu/stat/stata





Installare STATA

Per default STATA viene installato in c:\Stata10. I files “ufficiali” di tipo ado vengono inseriti in c:\Stata10\ado. I files “non ufficiali” in c:\ado.

Le principali directory create sono:

sysdir

STATA: C:\Program Files\Stata10\ UPDATES: C:\Program Files\Stata10\ado\updates\

BASE: C:\Program Files\Stata10\ado\base\ SITE: C:\Program Files\Stata10\ado\site\ PLUS: C:\ado\plus\ PERSONAL: C:\ado\personal\



Alcune cose da conoscere prima di iniziare a lavorare

con STATA:

STATA è case-sensitive: sex e Sex

sono due nomi di variabili diverse. . è il prompt di STATA

exit è il comando che consente di

uscire da STATA. In alternativa si puòusare il menu File Exit.



Nella finestra Stata Command viene inseritoun singolo comando ed eseguito con [Enter]

Dopo aver cliccato due volte sull’icona di STATAcompare la seguente immagine:

Nella finestra Reviewvengono registrati i

Comandi

Nella finestra Variablessono visualizzate le

variabili

Nella finestra Stata Resultsviene visualizzato l’output

prodotto



La finestra Results

Se non si vogliono interruzioni dell’output con more, occorre digitare:

. set more off

Se si vuole settare questo in maniera permanente, digitare:. set more off, permanently

Per attivare more di nuovo, digitare:. set more on, [permanently]

La dimensione del buffer iniziale della finestra Results mostra solo pochepagine di output (32 kb); se lo si vuole incrementare a 200 kb, peresempio, digitare:. set scrollbufsize 200000

Occorre però riaprire STATA per rendere effettivo questo cambiamento.



Salvare il contenuto della finestra Review

È possibile salvare in un file di sintassi (*.do) ilcontenuto della finestra Review.

Per salvare i comandi occorre cliccare con iltasto destro del mouse sulla finestra Review:compare un menu all’interno del quale ècontenuta anche l’opzione:

Save All…

I comandi contenuti nella finestra Reviewpossono essere richiamati con Pag e con

Pag.



La finestra editor Do-file L’editor Do.file è un editor di testo standard ed è usato per scrivere file di

testo (generalmente files .do).

Un file Do è una serie di comandi che devono essere eseguiti in sequenza.

Si apre cliccando sull’icona

L’editor Do-file ha la caratteristica speciale che può essere eseguito tutto o

solo una parte dei comandi cliccando sull’icona Do o digitando Ctrl-D

L’icona Run è usata raramente e consente di eseguire i comandi senza

visualizzare i risultati. È possibile avere più finestre Editor Do-file attive.



Il menu Help - 1

STATA ha incorporato un help molto facile da usare.

Il menu Help fornisce opzioni relative ai Contenuti e

ai Comandi. L’Help online è visualizzato nella finestra Viewer.

Se si conosce il nome del comando, per visualizzarne ilcontenuto si può utilizzare sia il Viewer sia la riga di

Stata Command:

help tabulate dalla linea di comando Viewerwhelp tabulate dalla finestra Stata Command



Il menu Help - 2

Se non si conosce il comando esatto, è possibile, usandoSearch oppure Findit, visualizzare tutti i possibili comandirelativi all’argomento indicato.

search nonparametric dalla linea di comando Viewer

findit poisson goodness dalla finestra Stata Command

Inoltre è possibile ricercare in Internet, nel sito web di Stata,informazioni utili, links, macro già scritte e pubblicazioni.

Cerchiamo, ad esempio, una funzione particolare:

Help Search… pie



Si apre questa prima finestra, in cui occorreindicare la parola chiave della ricerca:

Il risultato dellaricerca è questo:



Se è già noto il comando, allora occorreusare la finestra Stata Command dell’Help:

Il risultato dellaricerca è questo:

Le parole sottolineatesono dei link.



La barra dei menu e la barra delle icone:

Open (use)

Log Begin. Usata perconfigurare un file log.

New Viewer. Apre la finestra viewer di STATA.Il principale uso di questa finestra è visualizzare ifiles di help

New Do-File Editor. Apre la finestra Do-file di

STATA.

Data Editor. Apre lafinestra di Editor dei dati.

Data Browser. Apre lafinestra di Editor dei dati in

modalità browse.

Save. Salva ilfoglio di lavorocorrente

Bring Graph Windows to Front.

Print results

Break.Interrompe ilprocessore.



Tipi di file Stata

dta files: dati Stata.L’estensione per un dataset di Stata è .dta.

do files: files di comando.File che contengono righe di comandi che possono essereeseguiti in sequenza. Sono in formato ASCII.

ado files: programmi/macro. hlp files: Stata help.

gph files: grafici.



Creare un file log - 1

All’inizio della sessione di lavoro o quando lo si ritiene più opportuno, èpossibile creare un file log in cui vengono salvati i comandi e l’output adessi corrispondenti.

Per creare un file log si può digitare il comando:.log using "C:\Documents and

Settings\elisabetta.petracci2\Desktop\prova.smcl"

oppure si può utilizzare il menu: File Log Begin

oppure si può utilizzare la barra delle icone:

Filename è un nome qualsiasi che può essere assegnato al file log.

Stata aggiunge il suffisso .smcl. In questo caso, però, il file può essereletto e stampato solo con Stata.

Il file log può essere anche salvato in un formato testo, con l’estensione .log. In questo caso può essere visualizzato con un qualunque editor ditesto.



Creare un file log - 2

Si può sospendere il salvataggio dell’output digitando:

. log off

e si può riprendere il salvataggio dell’output digitando:. log on

Per chiudere il file log, oltre al menu, si può usare il comando:. log close



Il file log

Il file log può essere stampato tramite la barra dei menu o con ilsemplice comando:

. print filename

I passi da eseguire sono, quindi, i seguenti:1. Lanciare Stata

2. Definire il file log

3. Aprire il file di dati

4. Eseguire le procedure statistiche ritenute necessarie5. Chiudere il file log

6. Stampare i risultati



Il file log comandi

Analogamente, si possono salvare tutti i comandi futuri di Stata

eseguiti nella sessione di lavoro corrente in un file log di sintassidigitando il comando:

. cmdlog using filename, [replace|append]



Definizione del file di dati - 1

I. Inserimento dei dati attraverso la finestra dei comandi.

(1) Si possono inserire i dati tramite il comando input.

(2) I nomi delle variabili possono essere lunghe al massimo 8caratteri e devono essere separate da spazi

(3) Ad esempio:

. input id age sex reddito

(4) A questo punto si possono introdurre i dati relativi allaprima osservazione e, successivamente, tutte le altre. Seun dato è mancante può essere sostituito con un punto.

(5) Al termine dell’inserimento dei dati, occorre digitare il

comando end .



Definizione del file di dati - Esempio

. input id age sex reddito

id age sex reddito

1.01 22 1 40000

2.02 34 2 50000

3.03 43 1 55444

4.04 43 1 25000

5.end

Dopo l’inserimento, i dati possono essere visualizzati con ilcomando:

. list




II. Inserimento dei dati attraverso il foglio elettronico.. edit

III. Nomi di variabili

I nomi delle variabili possono variare da 1 a 32caratteri, ma Stata abbrevia a 8 caratteri lavisualizzazione nell’output. I nomi devono iniziare conuna lettera.




IV. Variabili numeriche

Molto spesso non è necessario specificare il tipo di

formato numerico, ma se si hanno problemi di memoria

è meglio sapere che i numeri possono essere definiti

secondo cinque tipologie diverse:

byte, int, long, float (default) o double.




IV. Variabili numericheNella tabella seguente sono riportati i valori minimo emassimo riservati al diverso tipo di definizione

numerica e il numero di byte riservati:

Il comando compress può ridurre la dimensione deldataset in maniera consistente.



Leggere file ASCII

insheet : si può accedere ad un file ASCII con il comando:. insheet using filename, clear Oppure tramite il menu File Import ASCII data

created by a spreadsheet:

Foglio di calcoloelettronico



Il nostro file ASCII

"TESSERA","AS_ETA","AS_SESSO","MEDICO","GRUP_MED","SUM_DDD","ALTRIF"1,61,0,101,0,173.335,02,63,0,72,1,26.667,13,75,0,82,0,213.336,04,70,0,25,0,213.336,05,72,0,83,0,106.668,16,55,0,131,0,26.667,07,40,0,56,0,53.334,18,71,0,56,0,133.335,19,80,1,56,0,26.667,110,30,1,34,1,53.334,010,30,1,120,0,53.334,011,64,1,120,0,80.001,0

12,68,1,165,0,266.669,113,45,1,182,0,240.002,014,56,0,160,0,40,015,68,1,182,0,106.668,116,61,1,40,0,133.335,017,43,0,40,0,26.667,118,92,0,40,0,26.667,0

19,69,1,20,0,80.001,0



File Import ASCII data createdby a spreadsheet

Selezionare il file *.csvcliccando su Browse.

Scegliere il delimitatore.

Cliccare su OK.



Apriamo il file c10aa01_pr.csv:

Con il comando list otteniamo questatabella:



L’altro tipo di dati ASCII è quello in formato fisso. In questo caso occorre aprire il menu:File Import ASCII data in fixed format

TESSERA 1 4 F4.0

AS_ETA 5 7 F3.0

AS_SESSO 8 8 F1.0 MEDICO 9 11 F3.0

GRUP_MED 12 19 F8.0

SUM_DDD 20 27 F8.2

ALTRIF 28 35 F8.0



Esempio con dati in formato fisso.

1 610101 0 173.34 0 2 630 72 1 26.67 1 3 750 82 0 213.34 0 4 700 25 0 213.34 0 5 720 83 0 106.67 1

6 550131 0 26.67 0 7 400 56 0 53.33 1 8 710 56 0 133.34 1 9 801 56 0 26.67 1 10 301 34 1 53.33 0 10 301120 0 53.33 0 11 641120 0 80.00 0 12 681165 0 266.67 1

13 451182 0 240.00 0 14 560160 0 40.00 0 15 681182 0 106.67 1 16 611 40 0 133.34 0 17 430 40 0 26.67 1 18 920 40 0 26.67 0 19 691 20 0 80.00 0



Il menu File Import ASCII data in fixedformat corrisponde al comando:

. infix specifications using filename.



ETICHETTE: per il Dataseti) Data set labels: può essere veramente utile avere unadescrizione del data set.Dal menu:

Data Labels Label dataset

Questo corrisponde al comando.label data “…………”

Con il comandode (describe):



ETICHETTE: per le variabiliii) Variable labels: può essere utile avere una etichetta per levariabili, soprattutto quando il nome è abbreviato.

Dal menu:Data Labels Label variable

Questo corrisponde al comando. label variable varname “…”

Con il comando de (describe):



ETICHETTE: per i valoriiii) Value labels: si possono assegnare etichette ai valori assuntida una variabile categorica.

Dal menu:Data Labels Label values Define ormodify value labels

Cliccare su Define

Cliccare su OK



Una volta terminato l’inserimentodelle etichette, cliccare su Close.

Ma l’operazione non è ancora completata. Occorre cliccare su:

Data Labels Label values Assign value labels tovariable

Si rende così disponibile l’opzione Add, tramite la quale possiamoinserire l’altra etichetta: 1 Si

Scegliere l’etichetta e indicare lavariabile.



A questo punto è sufficientevisualizzare la list della o dellevariabili a cui sono state assegnateetichette di valore:

Definire con la stessa etichetta No_Si le duevariabili grup_med e altrif .

Possiamo visualizzare ladescrizione del file con il comandode .

. list gruppo_m altri_f



Formati numerici

w : Dimensione totale che include separatore decimale e numero di decimali

d : Numero di decimali



Apriamo il file c10aa01.dta

Se la dimensione del file è elevata e abbiamodifficoltà ad aprirlo o a fare le elaborazioni, possiamoaumentare la memoria, con il comando:

. set memory (dim)m

Prima di dare questo comando è opportuno verificarequal è la quantità di memoria attualmente in uso con:. memory



Sintassi dei comandi

La sintassi generale dei comandi STATApuò essere scritta nel seguente modo:

[ prefix :] command [varlist][if expression] [in range]

[weight] [, options]



Qualifiers e Opzioni

I qualifiers sono generali per molticomandi.

Le opzioni sono specifiche per uncomando. La virgola precede la lista

delle opzioni disponibili. Dimenticare lavirgola rappresenta una causafrequente di messaggi di errore.



A questo punto osserviamo il nostro dataset con ilcomando describe oppure con il menu:

Data Describe data Describe variable in memory

Inserire le variabilidi cui si vuole

visualizzare ladescrizione



Data Describe data Describe variable in memory

Il comando Describe data - 1



Data Describe data Describe variables in file

Il comando Describe data - 2

Inserire/Cercare ilnome del file di cui sivuole visualizzare ladescrizione

Si può visualizzare ladescrizione solo dialcune variabili, cheandranno inserite inquesto riquadro:



Gli operatori relazionali sono 6:

== è uguale a!= non è uguale (~= è analogo)> maggiore

< minore>= maggiore o uguale<= minore o uguale

Operatori relazionali - 1



Un doppio segno uguale, “==”, denota il test logico “Il valorealla sinistra è uguale al valore a destra?” .

Il singolo segno “=”, al contrario, significa qualcosa di diverso: “Poni il valore che è a sinistra uguale al valore che è adestra” .

Il singolo segno di = non è un operatore relazionale e

quindi non può essere usato con if.

Gli operatori relazionali possono essere usati per selezionareosservazioni basate su valori assunti dalle variabili numeriche.Solo due operatori, == e != sono usati con variabili stringa.

Operatori relazionali - 2



Due o più operatori relazionali possono essere combinatientro una singola espressione if utilizzando un operatore

logico.

Gli operatori logici di STATA sono i seguenti:

& and| or! not (~ è equivalente)

Operatori logici



Gli operatori matematici di STATA sono i seguenti:

+ addizione- sottrazione* moltiplicazione / divisione^ potenza

Il segno + viene usato anche per concatenare le stringhe.

Operatori matematici



Per elencare i dati occorre digitare il comando:. list

che può essere abbreviato con . l

Per elencare una o più variabili:. list varname(s) (es.: list medico)

Per elencare le variabili da varnamei a varname j:. list varnamei-varnamej

Per elencare tutte le variabili che iniziano con as:. list as*

Il comando List data - 1



in restringe l’elenco a un intervallo di osservazioni.

I numeri positivi consentono di far partire l’elenco dall’inizio del

dataset. I numeri negativi dalla fine del dataset.

Per elencare la terza osservazione:. list in 3

Per elencare la quinta osservazione partendo dalla fine:. list in –5

Per elencare l’ultima osservazione: . list in –1 oppure . list in l (è la lettera l)




Per elencare la lista dalla quint’ultima osservazione alla fine: . list medico in -5/l

Per elencare le osservazioni da 1 a 3:. list in 1/3

Per elencare le osservazioni da 5 a 17:. list in 5/17

Per elencare le osservazioni da 3 alla terz’ultima: . list in 3/-3

Per elencare le osservazioni ponendo condizioni:. list if exp (es.: list if as_sesso==1)




if exp restringe l’elenco alle osservazioni che soddisfanola condizione posta.

if può essere combinato con in (o in con if: l’ordine non èimportante

Per elencare le osservazioni ponendo condizioni:. list if exp

. list if as_sesso==1

. list if as_sesso==1 in 1/20




Il comando list può essere ottenuto anche con il menu:

Data Describe data List data



Label List Per visualizzare le definizioni di etichette di valori:

. label list



Esempi di Comandi

. list

. l

. list _all

. list as_eta as_sesso

. list as_eta as_sessoin 1/20

. list as_eta as_sesso in 1/20

. list as_eta as_sesso if as_sesso==1

. list as_eta as_sesso if as_sesso==1 in 1/30

. bysort altrif: list as_eta

. sort altrif

. list as_eta



Con i comandi generate e replace si possono creare nuovevariabili e assegnare a queste variabili valori per ogni record.

Il comando base è:generate type newvar = mathematical expression

Con questi comandi è possibile creare variabili uguali a unacostante o combinare variabili tra loro, utilizzando espressioni

matematiche, funzioni matematiche, funzioni di matrici, e cosìvia.

Oppure si può usare il menu.

Creare una nuova variabile - 1



Per creare una nuova variabile come espressione algebricadi altre variabili si usa il comando:

. generate newvar = exp

newvar è il nome di una nuova variabile: non può essere ilnome di una variabile che esiste già.

exp è una qualunque espressione valida. Una espressione è

una combinazione di variabili esistenti, operatori e funzioni.

Questo comando può essere abbreviato con g, ge, gen:

. g newvar = exp




Per cambiare il contenuto di una variabile esistente si usa ilcomando:

. replace oldvar = exp

Pertanto, si usa il comando generate per creare una variabilenuova e il comando replace per cambiare il contenuto dellevariabili esistenti.Stata richiede questo procedimento più complesso al fine dinon modificare accidentalmente i dati.

Questo comando non può essere abbreviato.Generalmente Stata richiede il comando non abbreviatoquando esiste la possibilità di alterare i dati esistenti.




Stata ha la possibilità di creare due variabili particolari,chiamate _n e _N.

_n è la notazione che consente di assegnare ad ogni record ilnumero corrente dell’osservazione.

_N è la notazione per assegnare ad ogni record il numerototale di osservazioni.

. generate id=_n

. generate nt=_N

_n e _N - 1



_n e _N - 2



Ricodificare una variabile - 1

Accorpare categorie Creare categorie partendo da una variabile continua

Correggere codici errati o cambiare i codiciQuando si ricodifica è buona norma creare sempre una variabilenuova così da mantenere la variabile originale e correggereeventuali errori di ricodifica.

Si può utilizzare il menu

Data Create or change variable Create new variable:



4. Cliccare su if/in

1. Inserire il nomedella nuova variabile

3. Indicare il tipo di variabileche si vuole creare

2. Digitare il 1° valore daricodificare




Cliccare su Create perselezionare i casi da ricodificare


Costruire la selezione, cliccandosuccessivamente su OK.




La finestra Stata Results mostra che la variabile è stata creata:

Però noi abbiamo ricodificato una sola classe. Dobbiamo oracreare anche le altre classi di età. Dal momento che la variabilecls_eta esiste già, non possiamo più utilizzare il menu precedente.Dobbiamo allora procedere in questo modo:

Data Create or change variable Change contents of variable:



Digitare cls_eta come variabile da modificare


Scegliere nuovamente if/in perSelezionare i casi da ricodificare.

Digitare 2 come nuovo codice




La finestra Stata Results mostra che la variabile è statamodificata:

Si procede in questo modo finché non si sono fatte tutte lericodifiche.

Il passo successivo sarà quello di verificare che non si sianogenerati errori di ricodifica e, infine, occorrerà mettere le etichetteai valori assunti dalla nuova variabile cls_eta.



Il comando Recode - 1

Per creare classi si può utilizzare anche un procedimento diverso.Partiamo sempre dal menu:

Data Create or change variable Create new variable

Copiamo la variabile as_eta inuna nuova variabile agegroup .




A questo punto apriamo il menu:

Data Create or change variable Other variabletransformation commands Recode categorical variable

Nuova variabile

Ricodifiche

Regole




Il comando 3

Regole per laricodifica dellevariabili



Nella finestra Stata Results avremo:




Cancellare variabili e osservazioni - 1

Per cancellare variabili o osservazioni si possono utilizzare trecomandi:. drop

. clear

. keep

Qual è la differenza tra i tre comandi?

Il comando drop _all cancella il dataset dalla memoria.

Il comando clear cancella sia il dataset sia tutte le definizioni divalue label, matrici, equazioni, programmi, risultati di stime, grafici,ecc. In effetti, clear corrisponde a fare il reset di Stata.

Il comando keep tiene in memoria solo le informazioni indicate dalcomando stesso.



Cancellare variabili e osservazioni - 2

La sintassi è analoga a quanto visto con il comando list.Per cancellare una o più variabili:

. drop varname(s)

. drop varnamei-varnamej

. drop as*

. drop in 1

. drop in 1/3

Il comando keep lavora con la sintassi analoga a drop,ma tiene in memoria le variabili elencate o leosservazioni che rispettano le condizioni poste.



Il comando count

Il comando count usa le espressioni logiche ed è particolarmente utilein fase di esplorazione dei dati. Per esempio:

. count if as_eta<=65 & as_sesso==11265

conta il numero di osservazioni che soddisfano entrambe leespressioni logiche as_eta<=65 e as_sesso==1.

d f b l l



Ricodificare una variabile con ilcomando egen e la funzione cut - 1

Un altro modo molto veloce per creare classi è quello di utilizzare il comandoegen e la funzione cut in esso contenuta. Ad esempio, volendo creare delle classi di età:

. egen agegrp1=cut(as_eta), at(15, 45, 65, 85, 103)

. tab agegrp1

agegrp1 | Freq. Percent Cum.------------+-----------------------------------

15 | 352 7.17 7.1745 | 1,825 37.20 44.3765 | 2,596 52.91 97.2985 | 133 2.71 100.00

------------+-----------------------------------Total | 4,906 100.00

extensions to generate

Ri difi i bil il




. egen agegrp2 =cut(as_eta), at(15, 45, 65, 85, 103),label. tab agegrp2


15- | 352 7.17 7.1745- | 1,825 37.20 44.3765- | 2,596 52.91 97.29

85- | 133 2.71 100.00------------+-----------------------------------Total | 4,906 100.00

Ri difi i bil il




. egen agegrp3 =cut(as_eta), at(15, 45, 65, 85, 103)icodes. tab agegrp3


0 | 352 7.17 7.171 | 1,825 37.20 44.372 | 2,596 52.91 97.29

3 | 133 2.71 100.00------------+-----------------------------------Total | 4,906 100.00

Ri difi i bil il




. egen agegrp4=cut(as_eta), at(15, 45, 65, 85)

. tab agegrp4

agegrp4 | Freq. Percent Cum.

------------+-----------------------------------15 | 352 7.37 7.3745 | 1,825 38.24 45.6165 | 2,596 54.39 100.00

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

Total | 4,773 100.00

Ri difi i bil il




icodes richiede che i codici 0, 1, 2, etc. siano usatial posto dell’estremo inferiore di ogniintervallo.

È importante ricordarsi che le osservazioni che nonsono incluse nell’intervallo specificato con l’opzione at() risulteranno essere valori mancanti nella nuovavariabile categorica creata.

label richiede che i valori interi della variabile diraggruppamento siano etichettati conl’estremo inferiore degli intervalli.

Utili d ll i bili t il



Utilizzo delle variabili create con ilcomando egen e la funzione cut - 6

Esempi:

. bysort agegrp1: sum as_eta




Ri difi i bil il




Il comando encode 1



Il comando encode - 1encode encode string variables

into numeric variables

Il comando encode 2



Il comando encode - 2

. encode age_str, generate(age_num)

. label list age_num

age_num:

1 a

2 b

3 c

4 d

Il comando decode 1



Il comando decode - 1

Il comando decode 2



Il comando decode - 2

. decode age_num, generate(str_age)

decode encode numeric variablesinto string variables



STATISTICHE DESCRITTIVE



Statistiche descrittive

La maggior parte dei comandi di STATA ha una sintassicomune:

[prefix varname:] command [varlist] [if exp ] [in range][, options]

La parte indicata entro parentesi quadrata è opzionale.



Statistiche descrittive: summarize

Nel caso del comando summarize, la sintassi è:

[by varname:] summarize [varlist] [if exp ][in range][,[ detail | meanonly] format

separator(#)]

detail: produce statistiche aggiuntive

meanonly: che è mostrata solo quando detail non èspecificato, sopprime la visualizzazione dei risultati

e il calcolo della varianzaformat: richiede che le statistiche riassuntive sianovisualizzate in un certo formato, piuttosto che quellodato di default

separator(#): specifica quando inserire le linee diseparazione nell’output. Il default è 5.

Statistiche descrittive: summarize



Statistiche descrittive: summarize Statistics Summarizes, tables, and tests Summary and descriptive statistics Summarystatistics

Compare la seguente finestra:



p g

che consente di ottenere il seguente output:

Se poi si vuole verificare se l’età media è più alta neimaschi o nelle femmine allora occorre cliccare su



maschi o nelle femmine, allora occorre cliccare suby/if/in:

Se si vuole fare lo splitdell’output:



Statistiche descrittive: codebook - 1

Questo comando è utile per verificare se una variabile contiene dei valorimancanti. La sintassi è:

codebook [varlist] [, all header notes mvtabulate(#) problems detail]

Il comando codebook analizza i nomi delle variabili, le etichette e idati e produce in output una descrizione del dataset.

all è equivalente a specificare le opzioni header e notes: fornisce unreport completo, con l’eccezione delle informazioni fornite da mv.

mv fornisce informazioni sui valori mancanti.




Header: stampa il nome del dataset e la data dell’ultimo salvataggio.

Notes: stampa le eventuali note aggiunte alle variabili.

Problems: riporta i potenziali problemi presenti nel dataset. Si puòtrattare di

- variabili etichettate con etichette di valori non definite- variabili con etichette di valori incomplete

- variabili che assumono valori costanti- variabili che assumono solo valori missing- variabili definite stringa che contengono dei “blank”




tabulate(#) specifica il numero di valori unici della variabile da usare perdeterminare se la variabile è categorica o continua. I valori mancanti nonsono inclusi nel conteggio. Il default è 9. Quando ci sono più di 9 valoriunici, la variabile è classificata come continua; quando ci sono meno di 9

valori unici, la variabile è classificata come categorica.. codebook med_sex , t(2)

. codebook, mv

Per le variabili che codebook ritiene continue, viene calcolata la media, ladeviazione standard e i percentili 10°, 20°, 50°, 75° e 90°. Per le variabiliritenute categoriche, viene mostrata la distribuzione di frequenza.Quindi se il numero di modalità è 9 o minore di 9, codebook mostra unadistribuzione di frequenza; altrimenti, vengono calcolate le statistichedescrittive.



Il comando display - 1

Il comando display può essere usato come una calcolatrice. In realtàha caratteristiche molto più complesse.

. display sqrt(100)/2

Il risultato può anche essere visualizzato a colori:

. display as text “La radice quadrata di 25 è” sqrt(25)

Le parole chiave as text e as result determinano i colori delrisultato: se lo sfondo è nero, as text mostra il testo in verde e asresult mostra il risultato dell’operazione in giallo.



Dopo alcuni comandi di STATA alcuni dei risultati sonomemorizzati così che questi possono essere richiamati.Per esempio, dopo il comando summarize, STATA mantiene

temporaneamente in memoria la media come una macrochiamata r(mean). Ma non solo. Possiamo visualizzare lamemoria con il comando return list.

. sum as_eta

. return list

. display r(mean)

. sum as_eta, meanonly

. display r(mean)




Si può usare questo risultato per creare una nuova variabileageDEV , definita come deviazione dalla media:

. sum as_eta

. gen etaSTD =(as_eta-r( mean))/r(sd )

. summ as_eta etaSTD

. egen std_age = std(as_eta), mean(0) std(1)

. summ etaSTD std_age




Anche dopo il comando tabulate possiamo visualizzarecon return list ciò che è mantenuto in memoria eche può essere richiamato.

. tabulate as_sesso altrif

. return list




DISTRIBUZIONI DIFREQUENZA:

TABELLE SEMPLICI E DOPPIE



Il comando tabulate - 1

Il comando tabulate produce tabelle di frequenza semplici sesi usa la sintassi seguente:

tabulate varname [weight] [if exp ][in range] [, options]

Il comando tab1 produce tutte le tabelle semplici dellevariabili indicate.

tab1 varlist [weight] [if exp ][in range] [, options]




Si inserisce la variabilecategorica e si scelgonole opzioni ritenute piùopportune:

Statistics Summarizes, tables, & tests Tables One-way tables




Il comando tabulate seguito da due variabili crea una tabelladoppia:

tabulate varname1

varname2

[weight] [if exp ][in range] [, options]

La prima variabile indicata costituisce la variabile di riga, e laseconda la variabile di colonna.Inoltre, tab2 produce tutte le tabelle doppie tra le variabiliinserite:

tab2 varlist [weight] [if exp ] [in range][, options]




tabulate ha numerose opzioni. Alcune di queste sono le seguenti:

all equivale a inserire contemporaneamente le opzioni chi2 lrchi2 gamma taub V. Non tutte queste opzioni sono ugualmente

appropriate per una data tabella. gamma e taub assumono cheentrambe le variabili abbiano categorie ordinate, mentre chi2,lrchi2 e V no.

cell mostra le percentuali totali per ogni cella.row mostra le percentuali di riga.

column mostra le percentuali di colonna.chi2 visualizza il risultato del test 2 di Pearson.expected visualizza le frequenze attese sotto l’assunzione di indipendenza,

in ogni cella della tabella doppia.




Statistics Summarizes, tables, & tests Tables Two-way table with measures of association

Dobbiamo inserire la variabileriga e la variabile colonnaindicando i test statistici chesi vogliono calcolare e icontenuti delle celle.




Occasionalmente potremmo avere la necessità di analizzare una tabellapubblicata, senza possibilità di accedere ai dati individuali originali. Un comandospeciale, tabi (“immediate” tabulation), ci può aiutare in questo.

tabi # 11 # 12 […]\# 21 # 22 […] [, replacetabulate_options]

Le frequenze di ogni riga sono separate da “\ ” .Come esempio, riproduciamo la tabella precedente:

. tabi 41 72 \ 341 321, column chi2

Il comando tabi non richiede dati in memoria. Ma aggiungendo l’opzione replace, comunque, è possibile sostituire i dati inseriti nel comando tabinell’ editor dei dati, sostituendo eventualmente quelli presenti. Le opzioni

statistiche sono le stesse del comando tabulate.




Per ottenere tabelle di contingenza multiple, un primo approccio puòessere quello di usare il comando tabulate preceduto dal prefisso by.

. by fum , sort: tabulate farmansd sesso , col chi2



Il comando table - 1

Un modo migliore di produrre tabelle a più vie, se non si ha la necessità divisualizzare le percentuali e di fare test statistici, è attraverso il comando table.Tale comando può essere usato anche per produrre tabelle semplici.

. table rowvar [colvar [supercolvar ]] [if exp ][in range] [weight] [,contents(clist) options]

dove gli elementi di clist possono essere:freq frequenza max varname massimomean varname media di una variabile min varname minimosd varname deviazione standard p1 varname 1° percentilemedian varname mediana …… sum varname somma p99 varname 99° percentilecount varname n° oss. non missing iqr varname range interquartile




Esempi:

. table as_sesso

. table as_sesso altrif

. table altrif , c(mean as_eta)

. table cardiol, c(mean med_eta)



Con questo comando si

possono ottenere diverse tipidi tabelle.


Statistics Summarizes, tables, & tests Tables Table of summary statistics (table)

Possiamo inserire solo lavariabile di riga indicandoFrequency nel riquadroStatistics



Oppure possiamo inserire solo la variabile di riga indicando,oltre a Frequency nel riquadro Statistics, anche Mean (dialtre variabili)


O ancora possiamo inserire sia la variabile di riga che la



p gvariabile di colonna indicando solo Frequency nel riquadroStatistics.

E, infine, possiamo inserire sia la variabile di riga che la variabiledi colonna indicando, oltre a Frequency, altre statistichecalcolate su altre variabili:

Purtroppo questo comandovisualizza la tabella doppiatra due variabili con le solefrequenze assolute. Se siamointeressati alle percentuali ea misure di associazionedobbiamo utilizzare uncomando diverso.




Carico il data-set “Euroqol” . table farmansd sesso, by (fum) row col




. table farmansd sesso, contents(mean value)

. table farmansd sesso, contents(mean scala)



Il comando tabstat - 1

Il comando tabstat visualizza, in una sola tabella, statisticheriassuntive per una lista di variabili numeriche. È possibile anchecondizionare per un’altra variabile, tramite l’opzione by().

Senza l’opzione by(), tabstat è un’utile alternativa al comando

summarize.

tabstat mostra una maggiore flessibilità sia in termini di statistichepresentate sia in termini di formato della tabella.

La sintassi è la seguente:

tabstat varlist [weight] [if exp ] [in range][, statistics(statname[…]) by(varname)columns(variables|statistics) nototal…]

Distribuzioni di frequenza:




L’opzione statistics(statname[…]) specifica le statistiche chedevono essere visualizzate; il default è equivalente a specificarestatistics(mean). Si possono specificare più statistiche separandolecon uno spazio: es. statistics(mean sd).

Le statistiche disponibili sono:mean semean (standard errore della media)count rangen iqrsum q (equivale a specificare p25 p50 p75)

max p25 (25° percentile)min p50 (50° percentile)sd p75 (75° percentile)variance cv (coefficiente di variazione: var/mean2)

Distribuzioni di frequenza:Il comando tabstat 4



Il comando tabstat – 4Esempi

. tabstat as_eta

. tabstat as_eta, s(me sd)

. tabstat as_eta sum_ddd , s(me sd) c(v)

. tabstat as_eta sum_ddd , s(me sd) c(s)

. tabstat as_eta sum_ddd , s(me sd) c(s)

by(altrif)

. tabstat as_eta sum_ddd, s(me sd) c(v)

by(altrif) long. bysort altrif: tabstat as_eta sum_ddd,

statistics( mean sd ) by(altrif)

columns(variables) longstub

Distribuzioni di frequenza:l d b



Statistics Summarizes, tables, & tests Tables Table of summary statistics (tabstat)

Inseriamo la variabile sum_ddd come variabile di interesse e cardiol in Repeat command for groups defined by:




GRAFICI con STATA



INDICE

Grafici con STATA: Istogramma Grafico a barre Box plots



Grafici: Istogramma - 1

Carichiamo il file euroqol.dta.

L’istogramma può essere creato con il comando:

. histogram varlist

Utili opzioni dell’istogramma sono:

bin(#) disegna un istogramma con # bins (barre). Possiamo specificarebin(#) oppure start(#) e width(#), ma non entrambi.

gap(#) mostra uno spazio pari a # tra le barre riducendo la dimensione delle

barre.discrete specifica se i dati sono discreti, richiedendo così una barra per ognivalore di x .

norm sovrappone una curva normale all’istogramma, basandosi sulla mediacampionaria e sulla deviazione standard.

addlabels aggiunge le etichette alle barre dell’istogramma.




Per creare un istogramma, dobbiamo cliccare su

Graphics Histogram




Esempi:

. histogram eta, frequency title(“Figura 1”)

. histogram eta, start(18) frequency bfcolor(yellow) blcolor(blue)

(bin=28, start=18, width=2.6785714)

. histogram eta, start(18) bfcolor(yellow) blcolor(blue)

title(Figura 1, size(tiny) color(red) position(2)justification(center))

(bin=28, start=18, width=2.6785714)



0

2 0

4 0

6 0

8 0

18 23 28 33 38 43 48 53 58 63 68 73 78 83 88 93eta'


. histogram eta, start(18) width(5) frequency bfcolor(yellow) blcolor(blue) xlabel(18 (5) 93)

(bin=15, start=18, width=5)



0

1 0

2 0

3 0

4 0

5 0

18 23 2833384348535863687378838893 18 2328 33 38 4348 53 586368 73 788388 93

maschio femmina

eta'Graphs by sesso


. histogram eta, by (sesso) frequency start(18) width(5) bfcolor(yellow) blcolor(blue)xlabel(18(5)93)

frequency riscala le

altezze delle barre in modoche l’altezza di ogni barrasia uguale al numero delleosservazioni presenti nellacategoria, e pertanto la

somma delle altezze èuguale al numero totale diosservazioni non mancantidella variabile.




. histogram eta, by (sesso) density start(18) width(5) bfcolor(yellow) blcolor(blue)xlabel(18(5)93)

density riscala le altezze

delle barre in modo che lasomma delle loro aree siauguale a 1.

0

. 0 1

. 0 2

. 0 3

18 23 2833384348535863687378838893 18 232833384348535863687378838893

maschio femmina

eta'Graphs by s esso

G fi i G fi b 1



Il grafico a barre consente di confrontare statistiche sintetiche come la media,la mediana, la somma o le numerosità. Per ottenere le barre verticali, si puòusare il comando:

. graph bar (stat) varlist, over(varlist)

Per ottenere le barre orizzontali, si può usare il comando:

. graph hbar (stat) varlist, over(varlist)

Il grafico a barre può visualizzare una qualunque delle statistiche (stat):

mean media: è la statistica di default min minimosd deviazione standard median medianasum somma p1 1° percentile ………. count numero di osservazioni non missing p99 99° percentile max massimo iqr range interquartile

Grafici: Grafico a barre - 1

G fi i G fi b 2



. graph bar (mean) value, over(titstud, label(labsize(vsmall))) bar(1, bfcolor(yellow) blcolor(blue)) blabel(bar)

blabel è l’opzione che

consente di inserire lamedia (ovvero la statisticadi sintesi richiesta) sopraogni barra.


.548464

.753586

.817756

.882435 .890413

0

. 2

. 4

. 6

. 8

1

nessuno l i cenza elementare scuola media inferiore scuola media superiore laurea

G fi i G fi b 3



. graph bar (mean) value, over(titstud, label(labsize(vsmall))) bar(1, bfcolor(yellow) blcolor(blue)) blabel(bar) by(sesso)


.694571

.80325

.851056

.917333 .928909

.499762

.7104

.769176

.850947 .855125

0

. 2

. 4

. 6

. 8

1

nessuno licenza elementarescuola media inferiorescuola media superiorelaurea nessuno licenza elementarescuola media inferiorescuola m edia superiorelaurea

maschio femmina

Graphs by sesso

G fi i G fi b 4



. graph bar (mean) value scalavas, over(titstud, label(labsize(vsmall))) by(sesso ) bar(1, bfcolor(yellow) blcolor(blue)) bar(2, bfcolor(red)) blabel(bar, size(vsmall))


.694571

.603333

.80325

.71427

.851056

.81282

.917333

.849298

.928909

.859

.499762.509412

.7104

.669406

.769176.750625

.850947

.816641

.855125

.8144

0

. 2

. 4

. 6

. 8

1

nessuno licenza elementarescuola media inferiorescuola media superiorelaurea nessuno licenza elementarescuola media inferiorescuola media superiorelaurea

maschio femmina

mean of value mean of scalavas

Graphs by sesso

G fi i G fi b 5



.graph hbar (mean) value scalavas, over(titstud, label(labsize(vsmall))) by(sesso ) bar(1, bfcolor(yellow) blcolor(blue)) bar(2, bfcolor(red)) blabel(bar, size(vsmall))


.859

.928909

.849298

.917333

.81282

.851056

.71427

.80325

.603333

.694571

.8144

.855125

.816641

.850947

.750625

.769176

.669406

.7104

.509412

.499762

0 .2 .4 .6 .8 1 0 .2 .4 .6 .8 1

laurea

scuola media superiore

scuola media inferiore

licenza elementare

nessuno

laurea



licenza elementare

nessuno

maschio femmina

mean of value mean of scalavas

Graphs by sesso

G fi i G fi b 6




Per creare un grafico a barre occorre cliccare su

Graphics Bar Graph

G fi i G fi b 7




G fi i G fi b 8




G fi i G afico a ba e 9




Grafici: Grafico a barre 10




Grafici: Grafico a barre 11




.694571

.80325

.851056

.917333 .928909

.499762

.7104

.769176

.850947 .855125

0

. 2

. 4

. 6

. 8

1

nessuno licenza elementarescuola media inferiorescuola media superiorelaurea nessuno licenza elementarescuola media inferiorescuola media superiorelaurea

maschio femmina

Graphs by sesso

Grafici: Box Plot 1



Il grafico box plot fornisce informazioni relative alla simmetria, alla variabilitàdistributiva e alla presenza di outliers. Per ottenere un singolo box plot si usa ilcomando:

. graph box y

Se variabili differenti presentano la stessa scala o scale simili, si possonovisualizzare contemporaneamente le loro distribuzioni per un confronto,usando il comando:

. graph box varlist

Una delle applicazioni più comuni dei box plot riguarda il confronto delladistribuzione di una variabile rispetto alle categorie di una seconda variabile.

Grafici: Box Plot - 1

Grafici: Box Plot 2




. graph box scala, medtype(line) over(titstud,label(labsize(vsmall))) box(1, bfcolor(blue))

0

2 0

4 0

6 0

8 0

1 0 0

nessuno l i cenza elementare scuola media inferiore scuola media superiore laurea

Grafici: Box Plot 3




. graph hbox scala, medtype(line) over(titstud,label(labsize(vsmall))) box(1, bfcolor(blue))

laurea



licenza elementare

nessuno

Introduzione a STATA 10.1

Documents

Transcript of Introduzione a STATA 10.1