如何用stata画图

如何利用Stata画图~

根据具体情况和数据画图

科学绘图软件origin 2020新功能介绍（英文）

//lecture 6

cd /Victor/stata

use "nei_sample.dta",clear

edit zipcode

//split默认根据空格拆分 stub前缀 prase on these strings根据什么拆分（通过观察）

split facilityname_origin, generate(varnew) parse(,)

split zipcode,generate(zipnew) parse(-)//在2894行 有的没有破折号需要提取前五位

//按照某种符号拆分字符串

edit zipcode

help substr 

//截取

gen zip5=substr(zipcode,1,5)

//生成zip5，表示截取zipcode的前五位 从第一位 截取五位

edit zipcode zip5 if length(zip5) ~=5 

//展示长度不等于5的zip5和zipcode

edit zip5

gen len_cn = ustrlen(zipcode) 

//生成中文字符串长度

edit fips

gen fips2 = substr(fips, 1,2)

edit fips2

gen fips3 = substr(fips, 3,3)

edit fips2 fips3

destring fips2, replace force

destring fips3, replace force

//字符变数值

tostring fips2 fips3, replace force

//数值变字符

edit fips2 fips3

replace fips2="0"+fips2 if length(fips2)==1

replace fips3="0"+fips3 if length(fips3)==2

replace fips3="00"+fips3 if length(fips3)==1

//前面用零补齐，补成五位

help duplicates

//重复观测值

sort newid

duplicates report newid year

//报告重复观测值

//copies代表这个数据一共有多少个 =1就代表没有重复 第4541只有一个观测值newid

duplicates tag newid year, gen(dup)

//标注重复观测值

tab dup

//展示

edit new year if dup>=177

duplicates drop newid year, force

//去掉重复样本//两个都一样才丢掉

duplicates report newid year

ssc install unique

//安装unique

unique newid year 

//展示有几个是唯一的

unique fips

use nei_sample.dta, clear

help collapse

//压缩

collapse (sum) so2 co nox nh3 voc (first) facilityname_origin fips  zipcode , by(newid year)

//根据newid year重复的字符串变量 （first）后面的三个只取第一个数据 数值变量so2等等。。加总（sum） 没涉及的变量就丢掉了

duplicates report newid year

collapse (sum) so2 co nox nh3 voc (count) newid, by(fips year)

//关于fips year 加总。数出newid（在fips year全都相同的情况下有几个newid（企业））

//每个地区每一年污染物的多少，企业有多少

gen id = newid

//replace

//改变面板数据的结构

use nei_sample.dta, clear

help reshape

keep newid year so2

duplicates drop newid year, force

reshape wide so2 , i(newid) j(year)

reshape long so2 co nox voc nh3, i(newid) j(time)

//将宽表和长表相互转换

keep newid year co

reshape wide co,i(newid) j(year)

duplicates drop newid year,force

reshape wide co,i(newid) j(year)

reshape long co,i(newid) j(year)//观测值变成了999*12，转换两次之后，数据变成

*balanced data（平衡面板数据）了 也是为了便于做可视化分析，计量分析

//lecture 7

cd /Victor/stata

use "nei_sample.dta",clear

keep newid year so2

//保留这三个

help reshape

//数据重排

duplicates drop newid year, force

reshape wide so2 , i(newid) j(year)

//不同问题下i不同 这里的i是企业 j是时间

reshape long so2 co nox voc nh3, i(newid) j(time)

//reshape//long wide lecture7

use "nei_sample.dta",clear

keep newid year so2 co nox voc nh3 sic

duplicates drop newid  year, force

reshape wide so2 co nox voc nh3, i(newid sic) j(year)

keep newid year so2 co nox voc nh3 sic

reshape wide so2 co nox voc nh3, i(newid sic) j(year)

//数据变少了是因为有的newid对应多个sic

reshape long so2 co nox voc nh3, i(newid sic) j(year) 

//通过这种方式将它强行变成平衡面板 先wide 后long（意义重大）

use nei_sample,clear

keep so2 co nox voc nh3 newid year

duplicates drop newid year,force

reshape wide so2 co nox voc nh3,i(newid) j(year)

reshape long so2 co nox voc nh3,i(newid) j(time)//三千多个变成了一万多个

*reshape之后每一个企业都在每一年1990——2011有观测值，强行将数据变为balanced

ren  (so2 co nh3 nox voc) (pol1 pol2 pol3 pol4 pol5)

//更改变量名 为了保证前缀都一样 才能转换

*sample

rename so2 pu1

rename co pu2

rename nox pu3

rename voc pu4

rename nh3 pu5

reshape long pu,i(newid time) j(type)

tostring type,replace

replace type="so2" if type=="1"

replace type="co" if type=="2"

replace type="nox" if type=="3"

replace type="voc" if type=="4"

replace type="nh3" if type=="5"

keep newid year pol1 pol2 pol3 pol4 pol5

reshape long pol, i(newid year) j(type)

//??? 没有drop

tostring type, replace force

//???

replace type = "so2" if type == 1

//替代污染物名称

use "nei_sample.dta",clear

duplicates drop newid year, force

//去掉重复值

edit newid year so2

sort newid year

by newid: gen l1so2 = so2[_n-1]

//so2[1] so2[_N] n-1代表上一行的观测值 通过企业来分 每个n对于企业来说是不一样的

by newid: gen l2so2 = so2[_n-2]

//上两行 

by newid: gen l0so2 = so2[_n]

by newid: gen f1so2 = so2[_n+1]

//滞后一期

bys newid: gen Nso2 = so2[_N]

//展示这个企业最后一年的数据

bys newid: gen n1so2 = so2[1]

//有时需要保证它是一个平衡面板：可利用以下命令

xtset newid year 

//set panel variable 让他成为面板数据 如果不告诉它 它永远按上一行处理

gen lso2 = l.so2

//l.代表上一期的滞后变量（上一年）这个和上一行的数据不一样喔 有时可能上一行不是上一年 就没有上一期了

use "nei_sample.dta",clear

duplicates drop newid year, force

edit fips year newid

sort fips year newid

by fips year: egen id_sum = count(newid)

//通过fips year来分 如果两个都相同就算一次

edit fips year newid so2

by fips year: egen so2_fips = sum(so2) 

//missing values

//得到地区层面的数据 用于变量的构造  通过微观数据做加总数据又保留微观数据本身

//

use "nei_sample.dta",clear

help collapse

collapse (sum) so2 co nox nh3 voc (first) facilityname_origin fips zipcode , by(newid year)

//构造更高层面的行业数据 微观数据全部损失了. 加总相同年份的污染量，（first）后面的是只保留第一行

duplicates report newid year

collapse (sum) so2 co nox nh3 voc (count) newid, by(fips year)

gen id = newid

//replace

//collapse by 2_digit sic and fips_stata (2_dight fips), and year,

use "nei_sample.dta",clear

gen fips3 = substr(fips,1,2)

gen sic2 = substr(sic,1,2)

collapse (sum) so2 co nox nh3 voc ,by( fips3 sic2 year)

//lecture 8

//图形的组成

sysuse uslifeexp2

decribe

scatter le year

//第一个是y 第二个是x轴

//connect(l) 表示以直线的方式连接相邻的两个点

//msymbol(i) 表示散点的显示方式为“看不见”

scatter le year, connect(l)

scatter le year, connect(l) msymbol(i)

scatter le year, connect(l) msymbol(smdiamond) 

//散点形状改为棱形

scatter le year, connect(l) msymbol(smdiamond) mcolor(lime)

//标记间连线的方式，标记本身的形状，标记的颜色

help marker_options

//标记标签的选择

graph query symbolstyle

help marker_label_options

sysuse lifeexp.dta, clear

describe

list country lexp gnppc if region == 2

scatter lexp gnppc if region == 2, mlabel(country)

scatter lexp gnppc if region == 2, mlabel(country) mlabpos(9)

//将标签调整到九点钟方向 这样美国就可以显示出来了

//下面尝试利用 mlabvposition(varname) 选项为某些特殊选项的观测值设定标签的位置 为了单独为美国和洪都拉斯设定标签显示方向，

//需要生成一个指标方向的变量，命名为破碎，然后利用这个变量对每个案例的不同附值来调整各个散点的标签位置

generate pos = 3

//所有国家都是3

replace pos = 12 if country == "Honduras"

replace pos = 9 if country == "United States"

scatter lexp gnppc if region == 2, mlabel(country) mlabv(pos)

//下面尝试利用改变坐标轴的覆盖范围来设定标签

//方法一：利用xscale(range())指定作图的区域

scatter lexp gnppc if region ==2,mlabel(country) mlabv(pos) xscale(range(-500 3500))

//方法二：利用plotregion（ margin())来解决作图区域的微小变动

scatter lexp gnppc if region == 2,mlabel(country) mlabv(pos) plotregion(margin(l+9))

sysuse autornd, clear

descrbe

scatter mpg weight

scatter mpg weight, jitter(7)

//由于数据点太密集了，产生重叠，需要将数据点轻微地挪动位置，jitter（#）震荡选项

//二维绘图选项，help twoway

//标题选项，坐标，图例，增加线，by

sysuse lifeexp.dta, clear

scatter lexp gnppc

gen log_gnppc = log(gnppc)

//对数化，更线性

scatter lexp log_gnppc

//另一种方法：

scatter lexp gnppc, xscale(log)

//做散点图，并对比y轴刻度使用正常尺度与逆向尺度的异同

sysuse auto.dta, clear

scatter mpg weight

scatter mpg weight, yscale(rev)

//车重与油耗正相关

//下面绘制完全没有任何坐标的散点图和有坐标刻度但没有坐标线的散点图

scatter mpg weight, yscale(off)

//不要y轴

scatter mpg weight, yscale(noline) xscale(noline)

//去掉了坐标线，保留刻度

help axis_label_options

sysuse auto, clear

describe

sum

//下面分别绘值mpg、weight的标有大约坐标轴上5个10个刻度标识的mpg和weight散点图

scatter mpg weight

scatter mpg weight, ylabel(#5) xlabel(#5)

scatter mpg weight, ylabel(#10) xlabel(#10)

scatter mpg weight, ylabel(10(5)45) xlabel(1500 1970 2500(1000)4500)

//自定义规则

scatter mpg weight, ytick(#10) xtick(#15)

//绘制x轴大约有15个刻度，y大约10个刻度

scatter mpg weight, ymlabel(##5) xmtick(##10)

//把小刻度的标识也标上去，x轴主刻度之间有10个小刻度

scatter mpg weight , ymlabel(##5) xmlabel(##10)

//时间序列散点图时的轴线刻度标识问题

sysuse uslifeexp, clear

scatter le year, c(l)

scatter le year, c(l) xlabel(#10,grid)

//网格,用线连

scatter le year, c(l) xlabel(1900(10)2000,grid)

scatter le year, c(l) xlabel(1900 1918 1936 1950(20)2000,nogrid)

scatter le year, lcolor(yellow) c(l) xlabel(1900 1918 1936 1950(20)2000,nogrid)

line le year, lcolor(navy) lpattern(dot)

sysuse uslifeexp, clear

scatter le year, c(l) xlabel(1990 1918 1940(20)2000,grid) legend(on)

label var le_male "男人，人均寿命"

scatter le_male le_female year, legend(label(1 "Male") label(2 "Female"))

//绘制散点图并添加图例，将图例分别改为”male”和”female“

scatter le_male le_female year, c(l) legend(on)

//legend是图例

/* 图形类型和相关绘图命令
二维图： graph twoway
散点矩阵图：graph matrix
箱式图：graph box
饼图：graph pie
条图：graph bar
圆点图：graph dot
*/
//二维图，以绘制散点图为例
help scatter
help marker_label_options
sysuse uslifeexp2,clear
describe
scatter le year //第一变量是y轴变量，第二个是x轴变量
scatter le year,connect(l) //connect(l) 表示以直线的方式连接相邻的两个点
scatter le year,connect(l) msymbol(i) //msymbol 表示散点的显示方式为“看不见”
scatter le year,connect(l) msymbol(x) mcolor(magenta) //x表示散点形状为x，颜色为magenta
//散点显示选项(marker_options)的设定
help marker_options
graph query symbolstyle
graph query colorstyle
graph query markersizestyle
//散点标签显示（marker_label_options)的设定
help marker_label_options
sysuse lifeexp.dta, clear
describe
list country lexp gnppc if region==2
scatter lexp gnppc if region==2, mlabel(country)
//尝试用mlabpos()选项调整标签的位置
scatter lexp gnppc if region==2, mlabel(country) mlabpos(9)
/*尝试利用mlabvposition(varname) 选项为某些特殊的观测值设定标签位置
为了
*/
generate pos=3
replace pos=12 if country == "Honduras"
replace pos=9 if country =="United States"
scatter lexp gnppc if region==2, mlabel(country) mlabv(pos)
/* 尝试利用改变坐标轴的覆盖范围来设定标签 */
//方法1 利用xscale(range())指定作图的区域
scatter lexp gnppc if region==2,
mlabel(country) mlabv(pos) xscale(range(-500,3500))
//方法2 利用plotregion(margin())来解决作图区域微小的变动
scatter lexp gnppc if region==2,
mlabel(country) mlabv(pos) plotregion(margin(l+9))
//连线选项（connect_options)的设定
//振荡选项（jitter_options)的设定
//由于数据点太密集，甚至产生重叠，需要将数据点轻微地挪动位置，jitter(#)
sysuse autornd,clear
describe
scatter mpg weight
scatter mpg weight,jitter(7)
//坐标轴尺度选项组(axis_scale_options)的设定
help axis_scale_options
//绘制变量lexp与取对数后的变量gnppc的散点图
sysuse lifeexp.dta,clear
scatter lexp gnppc
gen log_gnppc=log(gnppc)
scatter lexp log_gnppc
//another way
scatter lexp gnppc,xscale(log) //图形上与上面方法一样，但x轴刻度不同
//做散点图，并对比y轴刻度使用正常尺度与逆向尺度的异同
sysuse auto.dta,clear
scatter mpg weight
scatter mpg weight,yscale(rev)
//绘制完全没有任何坐标的散点图和有坐标刻度但没有坐标线的散点图
//首先，关掉坐标
sysuse auto.dta, clear
scatter mpg weight, yscale(off)
//去掉坐标线 保留刻度
scatter mpg weight, yscale(noline) xscale(off)
//分别绘制mpg和weight的标有大约5个和10个刻度标识的mpg和weight散点图
scatter mpg weight
scatter mpg weight, ylabel(#5) xlabel(#5)
scatter mpg weight, ylabel(#10) xlabel(#10)
//绘制mpg和weight散点图，要求y轴的刻度标识为10、15、20......45，x轴的刻度
scatter mpg weight,
ylabel(10(5)45) xlabel(1500 1970 2500(500)4500)
//绘制x轴大约有15个刻度，y轴大约有10个刻度的散点图
scatter mpg weight,ytick(#10) xtick(#15)
//绘制mpg和weight散点图中，x轴每两个主刻度之间有10个小刻度，y轴每两个主刻度之间有5个小刻度标识
scatter mpg weight, ymlabel(##5) xmtick(##10) //mtick刻度上有数字 xlabel没有
scatter mpg weight, ymlabel(##5) xmlabel(##5)
//绘制散点图中，x轴每两个主刻度之间大约有20个小刻度，y轴每两个主刻度之间有20个小刻度
scatter mpg weight, ymtick(#20,grid) xmtick(#20, grid gmax)
//根据是否为国产车分别绘制散点图，并要求y轴方向不出现网格线
scatter mpg weight, by(foreign) ylabel(, nogrid)
/* 时间序列散点图时的轴线刻度标识问题 */
sysuse uslifeexp, clear
scatter le year
scatter le year, c(l) xlabel(#10,grid)
scatter le year, c(l) xlabel(1900(10)2000,grid)
scatter le year, c(l) xlabel(1900 1918 1936 1950(20)2000, nogrid)
scatter le year, msymbol(x) lcolor (red) c(l) xlabel(1900 1918 1940(20)2000,grid)
line le year, lcolor(navy) lpattern(dot)
//example
sysuse "uslifeexp.dta", clear
//绘制散点图并添加图例
scatter le year, c(l) xlabel(1990 1918 1940(20)2000, grid) ///
lengend(on)
//绘制le_m\ le_f 散点图并添加图例，将图例分别改成"male"和"female"
//第一种改图例的方式是，改变变量的标签
//第二种方式是用legend修改标签，具体方法如下
scatter le_male le_female year, c(l) ///
legend(label(1 "Male") label(2 "Female"))
scatter le_male le_female year, c(l) legend(on)
scatter le_male le_female year, c(l) ///
lengend(on order(1 "male" 2 "female")) //另一种方式

//twoway可以绘制多张图形
help line
twoway (line le_male year) (line le_female year, lcolor(red) lpattern(dot)) ///
（line le_w year,lcolor(green) lpattern(-)), ///
legend(on order(1"Male"2"Female"3"White")) ///
col(1) ring(0) pos(4) title("标题") subtitle("我是图例"))
//ring(0)是把图例放在图里面，pos(4)表示4点钟方向
/*by选项的设定*/
// exmaple
help by_option
sysuse auto,clear
scatter mpg weight
//按照foreign绘制 散点图
scatter mpg weight, by(foreign)
//按照foreign分组绘制散点图，并添加一张包含所有观测值
scatter mpg weight, by(foreign,total)
//将绘制的图形改为一行排列
scatter mpg weight, by(foreign,total col(1))
//将绘制的图形的留白放在左下方
scatter mpg weight, by(foreign,total holes(3))
//将绘制的图形添加一个全国标题"My title"
scatter mpg weight, by(foreign,total title("My Title"))
//将绘制的图形中每个小图的标题去掉
scatter mpg weight, subtitle(" ") by(foreign, total title("my title"))
//将绘制图形的每个小图的标题位置更改
scatter mpg weight, subtitle(,ring(0) pos(10) nobexpand) by (foreign, title ("my title"))
//如果foreign变量没有标签，怎么办？
label drop origin
scatter mpg weight, by(foreign,total title("My Title"))
label define origin_v 0 "国产" 1 "进口"
label values foreign origin_v
scatter mpg weight, by(foreign,title ("My Title"))
twoway (scatter mpg weight if foreign==0) /*
*/(scatter mpg weight if foreign==1, msymbol(x)), /*
*/legend(order(1 "国产" 2 "进口"))
/* 如何将by和legend共同使用 */
sysuse auto,clear
//绘制散点和线性拟合复合图形，根据foreign分组，添加一个总体图
scatter mpg weight || lfit mpg weight ///
, by(foreign, row(1))
//将图例变为1列显示，放置4点钟方向
scatter mpg weight || lfit mpg weight ||, /*
*/legend(cols(1)) by (foreign, total legend(pos(4)))
//将图例放在2x2 的留白处
scatter mpg weight || lfit mpg weight ||,
*/ legend(rows(1)) by (foreign, total legend(at(4) pos(0)))
/* 轴线选择选项 axis_choice_options */
help axis_choice_options
//example
sysuse auto,clear
//绘制mpg, price and weight 散点图，要求两个y轴变量公用一个y轴
scatter mpg price weight
twoway(scatter mpg weight)(scatter price weight)
//绘制散点图，并使用两个y轴
twoway(scatter mpg weight)(scatter price weight, yaxis(2))
//每一个坐标轴添加刻度和标识，x轴大约10个刻度，左边的y轴大约8个刻度，右边的y轴
twoway (scatter mpg weight)(scatter price weight,yaxis(2)), /*
*/xlabel(1000(500)5000) ytick(#10,axis(2)) ylabel(#8,axis(1))
twoway (scatter mpg weight)(scatter price weight, yaxis(2)), /*
*/xlabel(1000(500)5000) ytick(#10,axis(2)) ///
ylabel(10 18 20(5)50, axis(1))
twoway (scatter mpg weight)(scatter price weight, yaxis(2)), /*
*/xlabel(1500(500)5000) ylabel(#10,axis(2)) ///
ylabel(10(5)50, angle(0) axis(1)) //angle用于调刻度的倾斜角度
//面积图
help graph twoway
help area
sysuse gnp96, clear
graph twoway area d.gnp96 date //d.gnp96代表对gnp96进行一阶差分后的值
gen dev_gnp=gnp96-l.gnp96
twoway(line gnp96 date)(area d.gnp96 date, yaxis(2))
twoway(line gnp96 date)(area dev_gnp date, yaxis(2))
twoway(line gnp96 date)(line dev_gnp date, lpattern(dot))
//
sysuse gnp96, clear
#delimit;
twoway area d.gnp96 date, xlabel(#20,angle(90))
ylabel(-100(50)200,angle(0))
ytitle("Billions of 1996 Dollars")
xtitle("")
subtitle("Change in US CNP",pos(11))
note("Source:US Department of Commerce, Bureau of Economocis")
;
#delimit cr
//分布图，直方图 graph histogram 和k密度图 graph twoway
help graph twoway
sysuse lifeexp, clear
twoway histogram le
twoway hist le, bin(10) //直方图"柱子"的个数
twoway hist le, width(5) //柱子的宽度
twoway hist le, gap(10) //柱子与柱子之间的间隙宽度
twoway hist le, horizontal //水平直方图
//条状图
help graph bar
help graph hbar //bar是垂直条状图,hbar是水平条状图
sysuse citytemp, clear
graph bar (mean) tempjuly tempjan //tempjuly tempjan均值
graph bar tempjuly tempjan, over(region) //根据地区的不同画tempjuly tempjan的均值（其默认值就是均值，所以不用加mean）
graph bar tempjuly tempjan, over(region) bargap(-30) //同一个region条与条之间距离为-30，即有所重叠
graph bar tempjuly tempjan, over(region) stack //将条堆叠起来
graph bar tempjuly tempjan, over(division) over(region) //先根据region分成四类，再根据division变量进一步划分
graph bar tempjuly tempjan, over(region,gap(10)) //region与region的条之间的距离
graph bar tempjuly tempjan, over(region,descending) //region的排列顺序是从大到小(数据中west对应4,south对应3,以此类推)
graph bar tempjuly tempjan, by(region) //分不同的region画四个图

//箱图
/* 图形保存选项 */
sysuse auto, clear
scatter mpg price weight
graph save fig1, replace //保存的图片可以继续进行编辑
//读取已存储图形
graph use fig1
//导出并存储为其他格式
graph export fig1.png, replace //导出图片时要保证该图片的窗口是打开的
//电子地图
findit spmap
help spmap
//
clear //首先要先清零数据再进行转码
unicode encoding set gb18030
unicode translate "china_label.dta"
use china_label, clear //translate乱码
//default example
use china_label,clear
gen x = uniform() //产生随机数,以此产生随机深浅
format x %9.3g
spmap x using "china_map.dta", ///
id(id) label(label(ename) xcoord(x_coord) ycoord(y_coord) size(*.66))
//example
use china_label.dta, clear
gen x = uniform()
spmap x using "china_map.dta",id(id) title("中国地图", size(*0.8)) ///
label(label(ename) xcoord(x_coord) ycoord(y_coord) size(*.8)) ///
plotregion(icolor(stone)) ///
graphregion(icolor(stone)) fc(Greens) clnumber(8) //clnumber表示8种不同深浅的绿色
oc(white ..) osize(medthin ..)
//example1
use china_label.dta, clear
tab name
replace name=subinstr(name,"省","", .)
replace name=subinstr(name,"市","", .)
replace name=subinstr(name,"回族自治区","", .)
replace name=subinstr(name,"壮族自治区","", .)
replace name=subinstr(name,"特别行政区","", .)
replace name=subinstr(name,"自治区","", .)
replace name=subinstr(name,"维吾尔","", .)
tab name
foreach x of numlist 1/5{
gen num`x'=uniform()
}
format x %9.3g
//ssc install spmap
foreach x of numlist 1/5{
spmap `x' using "china_map.dta",id(id) title("中国地图", size(*0.8)) ///
label(label(ename) xcoord(x_coord) ycoord(y_coord) size(*.8)) ///
plotregion(icolor(stone)) ///
graphregion(icolor(stone)) ///
fc(Greens) clnumber(8) oc(white ..) osize(medthin ..)
graph export "china0`x'.png", replace
}

画图是Stata的强项之一，不是因为直接输出的图很好看，而是因为功能强大，图中的绝大部分元素都可以进行调整。
建议修改legend, xlabel, ylabel, graphregion, plotregion等选项。比如一个简单的调整
, ylabel(#5, angle(horizontal) nogrid) xlabel(0(100)800) legend(rows(2)) graphr(style(plotregion))

---

黄浦区17883766631： 怎么应用stata 在地图上画图 - ？
称良奥立： 例1、美国失业率 首先使用nbercycles产生原始图. use ＂data/mod8/unem_m00.dta＂, clear nbercycles unem, file(mod8_nber1.do) replace, graph export figures/mod8_fig1_nber.png, replace 然后将产生的do file copy过来,并对输出图形进行编...

黄浦区17883766631： stata怎么做一个变量的分布图 - ？
称良奥立： 生成新变量的命令是gen 也可以直接用g 然后后面跟变量名称 比如 gen tel= 或者gen dianhua=都行 一开始可以都是一个点,后面你更改每一个观测值的电话的时候用,replace 命令 比如replace tel=135xxxxxxxxx if 姓名==谁谁谁

黄浦区17883766631： stata如何画残差散点图 - ？
称良奥立： 首先确定你把拟合曲线图画出来了,然后在 figure 1上边的选项中按Tools----Basic Fitting-----cubic----Show equations----plot residuals-----＂然后点向右的箭头＂-----”再从右边选项框里选Save to workspace“ 这就行了

黄浦区17883766631： stata一元二次方程怎么画图 - ？
称良奥立： 我觉得可以.根据stata的画图特点,需用两个变量来存值,一个自变量一个因变量.根据你因变量的定义域,求出自变量的值,之后根据这两个变量的值来描点,连接上后就成了函数值.

黄浦区17883766631： 如何用stata做双坐标图 - ？
称良奥立： 可以用origin画图,不要用stata

黄浦区17883766631： 如何用stata绘制信息冲击曲线 - ？
称良奥立： twoway (scatter x1 x2) (lfit x1 x2)

黄浦区17883766631： 如何用stata做分位数上的描述性统计的图 - ？
称良奥立： 做描述性统计得到结果,然后作图

黄浦区17883766631： stata画图怎么画出直方图上下分开的那种 - ？
称良奥立： coreldraw X3以上版本,画一个圆,在画一个S 用智能填冲就可以分开填色了!!!!要想做得好一点中间那S就用两个半圆来做!!!coreldraw X3以下版本没有这个功能..

黄浦区17883766631： 如何用stata 做一个相关性分析的矩阵? - ？
称良奥立： 在stata里help cor. stata的命令名是correlate [varlist] [if] [in] [weight] [, correlate_options] stata 里面分析相关性的命令是 pwcorr a b c d e , sig 结果就有了包括了显著性的判断标准,stata里面没有星星,直接根据sig,也就是p的值来判断是否显著...

黄浦区17883766631： 如何使用stata软件将特异度和灵敏度绘制于同一张森林图 - ？
称良奥立： 使用midas命令 首先安装命令,ssc install midas 使用help命令,help midas 上面有很多可以用到的命令,例如 midas tp fp fn tn, id(author year) ms(0.75) ford fors bfor(dss) 这个命令就可以实现将令您度和特异度放在一张森林图中