Introduction Stata

Ferramentas

Introduo ao STATA (PDF) Como Utilizar os Comandos infile e infix do STATA (PDF) Como Utilizar os Comandos merge e reshape do STATA (PDF) STATA Corporation Web Site

17.871 2 Trimestre de 2002 Introduo ao Stata1 1. Introduo Stata um pacote moderno e geral, acionado por comandos, para se fazer anlise estatstica, gerenciamento de dados e grficos. As verses esto disponveis para PC/DOS/Windows, Mac e Unix. Este documento revisa brevemente alguns elementos-chave do programa, reproduz uma sesso de amostra e termina com uma tabela descrevendo alguns dos comandos mais importantes do Stata. Este documento foi produzido para ajudar a introduzir o Stata no ambiente operacional Athena; assim, o sistema operacional que estou assumindo Unix. 1. Iniciando o Stata Em uma janela xterm, digite o seguinte:

Isso acionar a interface grfica do Stata. Se em vez de digitar xstata for digitado stata, voc obter uma puramente uma interface de linha de comando. ADVERTNCIA: No ano passado, quando a interface grfica foi adicionada ao Unix, vrios problemas foram descobertos quando o Athena fez o upgrade. Particularmente, o xstata s vezes far com que as mquinas Athena apresentem falha, requerendo uma partida a frio. Esse problema parece estar associado com gerenciadores de janelas no-padro. Os trs pontos a seguir ajudam a contornar o problema: (1) Salve seu trabalho com freqncia. (2) Se o Athena trava para quando voc usa o Stata, tente usar o padro do gerenciamento de janela Athena. (3) Para se ter absoluta certeza de que voc no vai ter esses problemas, use a verso da linha de comando de Stata. 1.1 Inserindo e editando comandos Os comando so inseridos e editados pelo teclado. Os comandos anteriores so salvos em um buffer e podem ser recuperados para edio. Alm disso, a interface do usurio contm uma janela marcada como "review", que grava os comandos recentes inseridos por voc. Depois de ter inserido um comando, voc pode ir at a Janela Review e clicar duas vezes sobre qualquer

1 Este documento foi profundamente inspirado em outro documento semelhante criado por Jeroen Wessie, Departamento de Sociologia, Utrech University.

comando para execut-lo novamente. Um clique nico leva o comando para a Janela Command para edio e execuo. O quadro abaixo mostra os comando de edio mais teis para a Janela Command, usando o Unix.

Para revisar os 10 comandos anteriores, digite #review 10. 1.2 Sair do Stata Para sair do Stata, execute o comando exit. Caso esteja trabalhando em um conjunto de dados, voc provavelmente fez alteraes nos dados, como ter criado novas variveis. Se voc no tiver primeiro salvado seus dados, o Stata ir recusar sua sada. Esse mtodo visa a proteg-lo de seu prprio erro. Para sair do Stata sem salvar os dados, digite exit, clear. 1.3 Ajuda

A tecla F1 reservada pelo Stata para ajuda. Usando o comando help, voc obtm informaes detalhadas sobre a maioria dos aspectos dos programas e sobre os comandos. Por exemplo, ao digitar help regress, voc obtm informaes detalhadas sobre a execuo de regresses lineares usando o comando regress. 1.4 Busca O comando search topic permite que voc procure pelo comando Stata para anlises com referncia ao topic (tpico). Por exemplo, search regression d uma pesquisa completa dos comandos pertinentes anlise da regresso. Observao: no final da seo de ajuda dos comandos, voc tambm encontrar uma lista dos comandos relacionados. 1.5 Stata na Internet O site do Stata na internet www.stata.com, e ele pode ser acessado a partir do prprio Stata por meio do menu Help. No site, voc encontrar uma pgina extensa de perguntas freqentes, alm de outros brindes . 1.6 Identificadores Um identificador (nome), como o nome de um comando ou varivel, formado por no mximo 32 caracteres (caixas alta e baixa, dgitos e underscores), no qual o primeiro caractere deve ser preferencialmente uma letra (observe que o limite de 32 caracteres novo para a verso 7. As verses anteriores impunham um limite de 8 caracteres. Em funo de problemas de compatibilidade, eu continuarei a considerar o limite de 8 caracteres e pedirei que faam o mesmo). O Stata faz distino entre letras maisculas e minsculas. Quase todos os comandos do Stata esto em caixa baixa. 1.7 Abreviaes Uma regra geral no Stata que voc pode abreviar os comandos e nomes de variveis desde que o Stata no se confunda com o que voc deseja fazer. Por exemplo, se voc tiver as variveis income1 e inkvar2 em seu conjunto de dados, o Stata entender que inc a varivel income1, mas no seria capaz de decidir se in significa income1 ou inkvar1. Se voc realmente quiser especificar todas as variveis que comeam com in, possvel usar uma expresso com curinga (in*). 1.8 Arquivos de log O comando log using filename especifica que todos os comandos que so inseridos a partir do teclado, mais a maioria dos resultados produzidos, so salvos em um arquivo de nome filename.scml.

Dessa maneira, voc pode salvar o resultado e revis-lo. Infelizmente (a meu ver), o Stata v. 7 produz como padro um arquivo de log que uma verso no convencional de html. Portanto, para traduzir um arquivo de log em algo que possa ser lido com mais facilidade, voc precisar executar o comando translate. possvel pular esta etapa ao digitar log using filename, text. 1.9 Comandos de shell Voc pode inserir comando Unix ao colocar nele o prefixo !. Por exemplo, !ls relacionar a list de arquivos que esto no diretrio atual. 1.10 Arquivos em lote Voc pode construir um arquivo de comandos do Stata para ser executado em lote. Isso muito til para replicar suas anlises, e voc precisar escrever esses arquivos para documentar seu trabalho em alguns problemas e em seu projeto final. Para construir e testar um arquivo de comandos do Stata, possvel usar tanto um editor de ASCII (como emacs) quanto o Editor de Arquivos "Do" na interface grfica. 1.11 Uma sesso de amostra A seguir apresentada uma sesso introdutria em Stata, usando o conjunto de dados dos Governistas Negros Eleitos (beo_example.dta) em /mit/17.801/Examples. Os comentrios so precedidos por *.

2. A sintaxe do Stata O Stata possui uma sintaxe poderosa e consistente. Com algumas excees, a forma bsica : [by varlist1:] command [varlist2] [weight] [if expr2] [in range] [,options] Exemplos de comandos do Stata: summarize age regress income educ exp sex tabulate sex edu if age>25 tabulate sex edu,no freq cell chi2 by cohort: tabulate sex edu Observaes sobre a sintaxe do Stata:

No diagrama de sintaxe exibido acima, as partes opcionais esto dentro de colchetes [ ]. by varlist1: requisita uma anlise separada para cada valor de varlist1: As partes opcionais [if expr2] [in range] restringem o conjunto de observaes sobre

o qual o comando opera. Eles podem ser colocados em qualquer ordem.

Um conjunto de observaes referido na forma de # ou #/#; # representa um nmero ou l (ou seja, a letra L), significando a ltima observao. Por exemplo, in 1/10 significa apenas para as dez primeiras observaes; in l significa apenas a ltima observao; -5/l significa as ltimas 5 observaes.

No discutimos pesos aqui. Observe que uma vrgula obrigatria antes das opes. Na maioria dos casos pode

haver no mximo uma vrgula (algumas funes separam argumentos usando vrgulas, mas elas so raras).

A linha que comear com * ignorada. Em um arquivo ".do", qualquer texto entre /* e */ considerado um comentrio. Eles precisam estar na mesma linha: /* */ pode ser usado para fazer uma nova linha invisvel no Stata.

Como padro, as linhas de comando terminam com ENTER (retorno do carro). Em um arquivo ".do" (e somente em um arquivo ".do"), voc pode alterar o separador de comandos para ; por #delimit ; , enquanto o comando #delimit cr leva-o de volta para o retorno do carro. Nenhum outro caractere permitido como delimitador.

A sintaxe faz diferenciao de letras MAISCULAS e minsculas: a diferente de A! Todos os nomes do Stata esto em minsculas.

Os nomes podem ser formados por 1 a 32 letras, dgitos e/ou underscores, comeando com uma letra. Para facilitar a compatibilidade com verses anteriores do Stata, uma boa idia manter os nomes com 8 ou menos caracteres.

Um nome de varivel pode conter o caractere curinga *. As listas de variveis so indicadas por . Em uma lista de nomes, v1 - v100 significa v1, v2, . . . v100.

O Stata suporta diferentes tipos de variveis: inteiros (bye, int, long) nmeros reais aproximados (float, double), datas e strings alfa-numricas. O padro float.

Muitos nomes de sistema comeam com _. Por exemplo:

_n nmero da observao corrente _N nmero total de observaes _all todas as variveis _b vetor dos coeficientes de regresso _se vetor dos erros-padro dos coeficientes de regresso

Ao ser combinado com by, _N e _n, refere-se ao nmero de observaes dentro do grupo atual.

Para expresses, veja abaixo ou help exp. Em expresses lgicas, use == para igualdade. O Stata permite indexar ou subscrever variveis no comando generate, usando [ ], _n, _N, etc. Por exemplo, gen dx = x - x[_n-1] significa gerar uma nova varivel (dx) que subtraia o valor de x da observao anterior do valor de x da observao corrente.

Aspas so usadas apenas para strings. Use aspas duplas. 3. Expresses e transformao de dados

3.1 As expresses lgicas podem conter os seguintes operadores:

Aqui, & E, | OU e ~ NO. Observe o uso de sinal de igual duplo (==) para a igualdade booleana. No Stata, um nico = usado exclusivamente para tarefas, enquanto o duplo == usado para o operador booleano de igualdade. 3.2 As expresses aritmticas podem conter os seguintes operadores:

Observaes: x^y representa xy. Observe que -2^2 resulta em 4, enquanto (-2)^2 resulta em 4. [ ] so usados para subscrever ou para a gerao de variveis defasadas: x[3] o valor de x para a observao 3; x[_n-1] o valor de x para a observao anterior. _n o nmero da observao corrente e _N o nmero total de observaes. . (ponto final) representa o valor ausente no sistema quando se refere a variveis numricas (valores ausentes para variveis de string so representados por strings nulas). Internamente, os valores ausentes so representados pelo maior valor possvel do tipo de dado. Isso pode requerer alguns cuidados. Por exemplo: 0 0, x < 0 ou x == 0,

respectivamente. sum() A soma de todos os valores da expresso () para todas as observaes

anteriores e a observao corrente (ou seja, uma soma contnua ou acumulada)

uniform() Isso gera um nmero aleatrio uniformemente distribudo entre 0 e 1. Nenhum argumento necessrio, mas o () no deve ser omitido. A semente pode ser alterada com set seed. Como padro, o Stata estabelece uma nica semente , sempre gerando a mesma seqncia de nmeros aleatrios.

Alm disso, autocode, group e recode so funes muito teis para se fazer a recodificao dentro de um conjunto discreto de valores. O comando tabulate pode ser usado para gerar variveis dummy, que so discutidas no prximo pargrafo. Alm disso, h vrias funes para as strings, e entre strings e nmeros, funes de distribuio: da distribuio normal, a distribuio c2 (chiprob(df,x)), a distribuio F, a distribuio T-Student e o inverso da distribuio normal. A ltima funo pode ser usada para gerar nmeros aleatrios normalmente distribudos: invnorm(uniform()). Para obter mais detalhes, veja o manual ou digite help functions. 3.3 Transformaes de dados O Stata possui recursos muito bons de transformao de dados.

Ao contrrio da maioria dos pacotes estatsticos, h diferentes comandos para definir novas variveis (generate) e para modificar as variveis existentes (replace). tabulate pode ser usado para fazer variveis dummy, chamadas de variveis indicadoras pelo Stata. As expresses Stata so bastante poderosas: h um bom conjunto de funes e a possibilidade de mistura de expresses lgicas e numricas, como est explicado abaixo.

Para alterar os valores de uma varivel discreta, voc pode tambm usar o comando recode. Eis um exemplo: recode xyz 1=2 2=1 *=3 Para a varivel xyz, este comando substitui 1 por 2, 2 por 1 e tudo por 3. Veja trs exemplos de generate:

gen laginc = inc[_n-1] gen loginc = log(inc) gen hiinc = inc > 100000

O primeiro exemplo mostra como fazer uma varivel defasada. O terceiro exemplo cria uma varivel dummy hiinc, que igual a 1 para as observaes maiores do que 100.000 e para valores ausentes, 0. Qualquer expresso lgica pode ser usada como uma expresso aritmtica ou parte dela. Verdadeiro interpretado como 1; falso 0. De modo contrrio, toda expresso aritmtica pode ser interpretada como expresso lgica. Qualquer expresso com resultado 0 tomada como falsa; qualquer expresso com outro nmero ou um valor ausente como resultado tomada como verdadeira.

Considere que temos a varivel age (em anos) e que desejamos recodific-la em quatro categorias com pontos de quebra em 20, 40 e 60 anos. A expresso lgica (age>20) 1 (ou seja, verdadeira) para todas as pessoas com mais de 20 anos. Assim, podemos escrever:

gerando uma nova varivel, age4, que ter valores 1, 2, 3 ou 4. O resultado ser 1 para todos os pesquisados com idade igual ou inferior a 20 anos e 4 para todos com mais de 60 anos.

Se quisermos transformar uma varivel contnua como age em discreta usando os limites superiores das faixas de idade como novos valores podemos usar a funo recode:

Se oldvar

Algumas manipulaes poderosas de dados so possveis com a opo by. Por exemplo, digamos que voc tenha um conjunto de dados que possua informaes sobre pessoas em diferentes lares; cada um possui vrios entrevistados. Se a varivel hhold identificar o lar em que um indivduo est e age registrar a idade de cada pessoa, ento o exemplo a seguir descobrir a idade mdia das pessoas mais velhas em todos os lares: sort hhold age by hhold : gen oldest = _n == _N summ age if oldest O comando a seguir encontraria a idade mdia dos outros membros do lar: summ age if~oldest. Como outro exemplo, vamos supor que voc tenha dados sobre as rendas das pessoas dentro dos lares. Voc quer descobrir a renda total do lar, fazendo a soma de todos em cada casa. possvel fazer isso com o seguinte conjunto de comandos: sort hhold by hhold : gen hhinc = sum(inc) by hhold : replace hhinc = hhinc[_N] Esta ltima operao realizada de modo mais fcil usando uma das funes egen: egen hhinc = sum(inc), by(hhold) 4 Resumo dos comandos do Stata Nesta seo, h uma breve explicao para os comandos mais importantes do Stata. Indicamos abreviaes permitidas ao sublinh-las. No use abreviaes em excesso nos arquivos ".do", pois isso dificulta a compreenso. 4.1 Ajuda Stata Descrio help help Ajuda interativa sobre como usar o sistema de ajuda. help topic

Ajuda interativa sobre o topic (comandos do Stata), como por exemplo help regress.

search string

Lista as descries dos comandos do Stata relacionadas com o termo string, como por exemplo search regression. O resultado tambm inclui tpicos que apareceram no Boletim Tcnico do Stata e os programas disponveis em arquivos antigos dos programas do Stata.

lookfor string

Relaciona as variveis que contm string no nome da varivel ou no rtulo da varivel, como por exemplo lookfor age.

4.2 Lendo e gravando arquivos de dados Stata Descrio use

Carrega um arquivo do sistema do Stata para processamento.

save filename

Salva como arquivo do sistema do Stata; no se esquea de substituir caso deseje sobrescrever um arquivo de disco existente.

merge commonvar using filename

Adiciona variveis de outro arquivo de sistema para o arquivo atual. Os dois arquivos devem ter uma varivel em comum, commonvar, que identifique os casos a serem combinados. Os dois arquivos devem ser classificados por commonvar.

append filename Adiciona casos de outro sistema de arquivo. compress

Compacta o arquivo de dados ao converter, por exemplo, nmeros reais de 4 bytes em inteiros, se isso for possvel, sem causar perda da informao. Esse comando pode economizar muito espao em disco e memria interna.

edit

Insere os dados diretamente no editor de dados ou altera o valor das variveis existentes (isso no est disponvel na verso de linha de comando do Stata).

input varlist

Insere os dados de forma interativa. Digite end para encerrar a insero.

infile varlist L os dados ASCII em formato livre ou fixo. infix varlist L os dados ASCII em formato fixo. insheet using filename

L os dados ASCII em formato delimitado por tabulaes ou vrgula.

outfile using filename Escreve um arquivo de dados ASCII de formato livre (opcionalmente, com um dicionrio)

outsheet using filename

Escreve um arquivo de dados ASCII em formato delimitado por tabulaes ou vrgula.

4.3 Modificando os dados de forma interativa Stata Descrio generate newvar = expr

Cria uma nova varivel newvar usando uma expresso expr.

replace oldvar = expr Altera os valores de uma varivel existente. edit / browse varlist Insere dados diretamente no editor de dados ou altera o valor

das variveis existentes usando uma interface semelhante a uma planilha (isso no est disponvel na verso de linha de comando do Stata).

for Repete um comando para uma lista de variveis, uma lista numrica ou uma lista de strings arbitrrios.

egen Vrias extenses teis para o comando generate, incluindo gerao de mdias de variveis na mesma linha, etc.

recode varname Recodifica a varivel varname. reshape Altera a organizao de um conjunto de dados entre os

formatos largura e altura. Isso muito til para administrar conjuntos de dados que possuam uma organizao individual (pessoa, lugar, coisa) por unidades de tempo.

collapse Agrega variveis. Por exemplo, se voc possuir um conjunto de dados em nvel municipal, possvel agregar at o nvel estadual usando o comando collapse. Advertncia: o comando collapse sobrescreve os valores existentes das variveis.

4.4 Procedimentos descritivos Stata Descrio describe Lista de nomes, rtulos e n de observaes de

variveis, entre outros ds Lista compacta de nomes de variveis. Summarize Estatsticas resumidas bsicas sobre as observaes vlidas. summarize, detail Estatsticas resumidas detalhadas, incluindo quanta,

assimetria, curtose. by varname : summ Estatstica para subgrupos. tab varname, summ() Resumo para subgrupos. Tabulate Tabelas de uma e duas entradas. tab varname, plot Histogramas. by varname : tab Tabelas de vrias entradas. Table Tabelas de vrias entradas, com formatao avanada. inspect Outros resumos univariados para inspeo de dados. correlate Matriz de correlao ou covarincia das variveis. pwcorr

Matriz de correlao com excluso de pares de casos ausentes.

pcorr Correlaes parciais. spearman Correlao no-paramtrica de Spearman. count if exp Para quantas observaes a expresso exp verdadeira. list Lista de observaes. display expr

Calculadora rudimentar. Calculadora simples.

4.5 Grficos

Stata Descrio graph, box Plotagem do tipo Box plot. graph, hist Histogramas (padro, se for dada apenas uma varivel). graph, oneway Plotagens de freqncia em diagrama de barras. graph, matrix Plotagem de matriz de disperso de duas variveis. graph, twoway Diagrama de disperso (padro se forem dadas duas

variveis). Avplot Plotagens de varivel agregada depois da regresso. 4.6 Procedimentos estatsticos Stata Descrio regress Regresso. Ttest t-teste. Teste T-Student 4.7 Procedimentos variados Stata Descrio sort Classifica as observaes com base em uma ou mais variveis. order Reorganiza as variveis na matriz de dados. rename Altera o nome de uma varivel. drop if expr Abandona observaes quando expr verdadeira. drop varlist Abandona as variveis em varlist. drop all Abandona todas as variveis. clear Abandona todas as variveis.Necessrio antes que um novo

conjunto de dados possa ser lido. sample Amostra aleatria de observaes de dados. keep O oposto de drop. label Rotula variveis e valores de variveis. do filename Executa um arquivo ASCII de comandos do Stata. Assume

que a extenso do arquivo .do, a menos que seja determinada outra extenso.

run filename Mesmo que do, apenas executa o arquivo sem apresentar resultados.

exit Sai do Stata (isso no permitido quando os dados foram

alterados mas no foram salvos). exit, clear Sai do Stata mesmo se os dados alterados no foram salvos. log using filename Gera arquivo de log com o nome filename.