普林斯顿Stata教程之Stata做图

Posted 2023-05-01

参考技术A

2.1 散点图

2.2 线图

2.3 其他图形

2.4 图形管理

Stata拥有出色的图形设备，可通过 graph 命令访问， help graph 了解概述。统计中最常见的图表是显示点或线的双坐标轴X-Y图。这可以通过子命令 twoway 实现。 twoway 命令中又含42个子命令及绘图类型，其中最重要的是 scatter 和 line 。我们将对 scatter 和 line 着重介绍，并简要介绍其他绘图类型。

Stata 10引入了一个图形编辑器，可用于交互式地修改图形。然而，我不会提倡这种做法，因为它与记录和确保研究中所有步骤可重复的目标相冲突。

本节中的所有图表（除非另有说明）都使用带蓝色标题和白色背景的自定义方案，我将在第2.2.5节对方案进行讨论。

在本节中，我将使用前文使用过的有关生育率下降的 effort 数据集进行图表说明。读取数据：

为了激起你的兴趣，先展示我们将在本节中完成的作品：

可以使用以下命令生成生育率变化（change）与社会环境（setting）关系的简单散点图：

请注意，首先指定的变量是在Y轴。如果变量有定义标签，则坐标轴显示变量标签名，若无定义则显示变量名。如果这是唯一的图，该命令可以缩写为 twoway scatter ，或者 scatter 。现在我们将添加一些东西。

假设我们也想显示拟合的回归线。在某些软件包中，您需要运行回归，计算拟合线，然后对其进行绘制。Stata可以使用 lfit 绘图类型一步完成所有操作（还有一个二次拟合绘图类型 qfit ）。通过将每个子图封闭在括号内，可以将它与散点图结合使用（也可以使用两条竖线来分隔它们）。

现在假设我们想在回归线上放置置信区间。Stata可以通过 lfitci 来实现这一点，该绘图类型将置信区域绘制为灰色带。（还有一个 qfitci 类型用于二次拟合的频带。）因为置信带会遮蔽一些点，所以我们先绘制该区域再绘制点

请注意，该命令不会标记y轴，而是使用图例。您可以使用该 ytitle() 选项为y轴指定标签，并隐藏图例 legend(off) ：

有很多选项可以让你控制点的标签，包括它们的形状和颜色，参见 help marker_options 。使用 mlabel(varname) 选项也可以用变量的值标记点。在下一步中，我们将国名添加到图中：

标签中的一个小问题是哥斯达黎加和特立尼达多巴哥（以及巴拿马和尼加拉瓜）相互重叠。我们可以使用12小时时钟指定标签相对于标记的位置来解决这个问题（12是上面的，3是右边，6是下面，9是在标记的左边）。
我们创建一个变量，将默认设置的位置保持为3点，然后将哥斯达黎加移动到9点，特立尼达多巴哥移动到11点以上的位置（我们也可以将尼加拉瓜和巴拿马上移位，到2点方向）：

生成此版本图形的命令如下

有些选项适用于所有双向图形，包括标题，标签和图例等。Stata图表的 title() 和 subtitle() 通常在顶部， legend() ， note() 和 caption() 通常在底部，更多信息键入 help title_options 。通常你只需了解标题即可。Stata 11允许图形中的文本包括粗体，斜体，希腊字母，数学符号和字体选择。Stata 14引入了Unicode，大大扩展了可以完成的工作。 help graph text 以了解更多信息。

我们对图表的最后调整是添加一个图例来指定线性拟合和95％置信区间。我们使用 order(2 "linear fit" 1 "95% CI") 命令，图例的选项按照该顺序标记第二个和第一个项目。我们还使用 ring(0) 将图例移动到绘图区域内，并使用 pos(5) 将图例框放置在5点钟位置附近。完整命令就是：

结果就是本节开始处显示的图形

有一些选项可以控制轴的缩放比例和范围，包括 xscale() 和 yscale() 。可以是算术，对数值等。更多信息 help axis_scale_options 。其它选项控制主要和次要记号和标签，如 xlabel() , xtick() and mtick() ，同样地，对于y轴，见 help axis_label_options 。通常默认值是可以接受的，但还是很高兴您知道它们是可以更改的。

将使用美国预期寿命数据来说明线图，这试数据Stata附带的数据集之一（试试 sysuse dir 看看还有什么可用的）。

我们的目标是绘制20世纪美国白人和黑人男性的预期寿命。为了激发你的兴趣，将先向你展示最终成果，然后我们将一点一点地构建图表。

最简单的图形所有参数使用默认值：

如果这就是我们所要的图形，可以将命令缩写为 twoway line ，或者 line （只适用于散点图和线图）。

线图允许我们指定多个“y”变量，顺序为y1，y2，...，ym，x。本例中，我们指定了两个——对应于白人男性和黑人男性的预期寿命。或者，我们可以使用两条线图： (line le_wmale year) (line le_bmale year) 。

默认图形很好，但图例似乎太罗嗦。我们会将大部分信息转移到标题中，并且只保留肤色信息：

在这里，我使用了三个选项： title ， subtitle 和 legend 。 legend 选项有许多子选项; 此处用 order 列出关键点（即 1 和 2 ）及其标签，说明第一条线代表白人，第二条线代表黑人。要省略关键点，只需将其从列表中移除即可。其他的图例选项，请参阅 help legend_option 。

下面我希望在画图区域内移动图例来改善空间，比如说在5点钟左右的位置有空余空间。如前所述，我们可以通过使用 ring(0) 将图例移动到绘图区域内，并通过 pos(5) 将其置于5点钟位置附近。因为这些都是图例子选项，所以都在 legend() 命令括号中输入：

我不知道你感觉如何，但我自己很难区分图画中的默认线条。Stata中有不同的方式控制线条样式。 clstyle() 选项可以让你使用已命名的不同风格，比如 foreground ， grid ， yxline ，或是根据线1~15使用样式命名的 p1-p15 ，详情请参阅 help linestyle 。如果您想根据方案选择合适样式元素，这非常有用。

您也可以指定样式的三个成分从而确定风格：线条样式，宽度和颜色：

我们将白人指定为蓝色，黑人指定为红色：

请注意，这 clcolor() 是线图的一个选项，所以我将括号放在 line 命令的周围并把 clcolor() 插入那里。

由上图我们可以看出，预期寿命的提升速度在20世纪下半叶有所减缓。使用对数刻度可以更直观的理解，需要注意的是对数刻度中直线表示恒定的改善幅度。这由 help axis_options 可以很容易完成。尤其是 yscale() ，它可以让你选择算数（ arithmetic ），对数（ log ）或倒置刻度（ reversed ）。其中倒置刻度是指y轴是从最大的值开始的，最小值反而在最上方。还有一个子选项 range() 可以控制绘图范围。在这里，我将y范围指定为25到80，以便将曲线稍微向上移动：

Stata使用方案来控制图的外观，参见 help scheme 。您可以设置默认方案并在所有图形中应用 set scheme_name 。您也可以使用不同的方案对所作的最后一个图形重新展示，选出效果最好的方案 graph display, scheme(scheme_name） 。

使用 graph query, schemes 查看可用方案类型列表。 s2color 方案适用于屏幕图表， s1manual 是Stata手册中的风格。 economist 是经济学人杂志使用的风格。我们可以获得本节开头所示的图形使用的是 economist 风格。

条形图可用于绘制分类变量的频数分布，或绘制由分类变量定义的组内连续变量的描述性统计。我们将使用Stata附带的城市温度数据集为例说明。

如果我只是键入 graph bar, over(region) 我将获得区域变量的频数分布。让我们来展示一月和七月的平均气温的区域分布。要做到这一点，我可以指定 (mean) tempjan (mean) tempjuly ，但由于默认统计是平均值，我们可以简写如下。我认为默认图例太长，所以也指定了一个自定义图例。

我使用 over() 这样所以区域出现在同一个图表中;· by() 则相反，每个区域都会产生一个单独的坐标轴。 bargap() 选项则控制同一个组中不同统计的小节之间的间隔; 在这里我放了一个小空间。 gap() (此处未使用)选项控制不同组别的空间。我还将颜色填充强度设置为70％，我认为这看起来更好。

显然，1月份东北部和北部中部地区比南部和西部冷得多。七月份的变化较少，但南部的气温较高。

使用箱线图可以快速获得变量分布的特征，箱线图是取值范围为1~3分位数的箱子，将中位数用横线显示，并且在盒子上下方增加了“wiskers”，定义为距离中值不超过四分位数间距的1.5倍的最高和最低值。在wiskers上下方的点用圆圈表示为异常值。

让我们画一个地区1月份的温度箱形图。我将使用 over(region) 选项,并用 sort(1) 选项控制排列顺序——按照第一个变量 tempjan 中位数大小排列。我还通过设定RGB值将颜色设置为蓝色：

我们看到，1月份的气温在东北部和北部中部地区较低，变化较小，相当一部分城市气温异常偏冷。

对变量分布更详细的展示需要用到平滑直方图，可以使用 kdensity 命令使用核密度平滑器计算平滑直方图。

让我们使用默认设置对每个区域的1月温度进行单独的核密度估计，并保存结果。

接下来我们做出核密度估计图。由于密度图重叠，我使用Stata 15中引入的不透明选项使它们透明度达到50％。在这种情况下，我使用颜色名称后面跟着一个%符号和不透明度。我也简化了图例，匹配密度的顺序，并把它放在图示的右上角。

这个图示使我们清楚地看到了1月份气温的区域差异，东北部和北部中心地区的气候分布更冷，更窄，南部和西部的气候相当相似。

Stata默认在内存中保存您绘制的最后一个图形，并将其称为“Graph”。如果你在在创建图形时使用 name() 为图形单独命名，在内存中可以保留多个图形。这对于组合图形很有用， help graph combine 了解更多。请注意，即使您保存了数据，保存在内存中的图表也会在您退出Stata时消失，除非您保存图形本身。

要使用Stata自己的格式将当前图形保存到磁盘上，输入 graph save filename 。该命令有两个选项 replace 和 asis ，如果该文件已存在，则需要使用 replace 选项替代原有图形，而 asis 选项会冻结图形（包括其当前风格），然后将其保存。默认情况下，将图形保存为可在未来可编辑的实时格式。以Stata格式保存图形后，可以使用 graph use filename 命令从磁盘加载它。（ graph save 和 graph use 类似于 save 和 use ）存储在内存中的任何图形可以使用 graph display [name] 显示。 help graph_manipulation 了解更多信息。

如果您打算将图表合并到另一个文档中，您可能需要将其保存为更便携的格式。Stata的命令 graph export filename 可以使用各种矢量或光栅格式导出图形，通常由文件扩展名指定。您还可以使用 graph print 打印图形，或使用Windows剪贴板将其复制并粘贴到文档中。

01 导论计量经济学及stata应用

配套教材：《计量经济学及stata应用.陈强.2015.高等教育出版社》
官方课程链接：http://www.econometrics-stata.com/
官方公众微信号：econometrics-stata

写博客的初衷就是为了督促自己把所学的知识进行整理和完善，我将于接下来的时间一点点更新“计量经济学与stata应用”的专栏内容，主要是学习笔记（仅记录个人觉得重要的部分）还有对应知识点的相关代码。想要系统学习的朋友建议可以购买陈强老师的视频课程，里面也有很多生动有趣的案例说明。个人博客仅供参考。

什么是计量经济学

“计量经济学”（econometrics）是运用概率统计方法对经济变量之间的关系进行定量分析的科学（因为经济社会活动的复杂性，大多为非实验数据，变量之间的关系不是显而易见的，需要理论或实证等的支持，如存在逆向因果或双向因果等）

遗漏变量

经济数据的类型

由于个人行为的随机性，所有经济变量原则上都是随机变量。

（1）横截面数据
多个经济个体的变量在同一时点上的取值
如：2018年中国各省的GDP

（2）时间序列数据
某个经济个体的变量在不同时点上的取值
如：湖北省2015-2022年GDP

（3）面板数据
多个经济个体的变量在不同时点上的取值
如：2016-2022年中国分省GDP（前两种的结合）