开一文记录和总结stata的学习，不断更新中~

拿到一个数据集，首先要全局了解一下这个数据集的情况：

【describe】查看这个数据集的简要介绍，包括了样本数量(obs:)、变量数量(vars:)、大小(size:)、以及每个标量的简要介绍。

【describe[varlist]】:可以单独选择某个变量查看，[]表示可选。

【describe,short】:只看整个数据集的总体概况，即截图显示的上半部分。

【count】:number of rows

【count if missing() 】:设置条件

【isid（）】:check if an variable uniquely id entifies the data.检查变量是否唯一标识数据，相当于判断主属性。

【unique】先安装，指令【ssc install unique】

重复值数据量（所有数据量）和唯一值(不重复的数据)数据量。

【codebook】：适合初次接触一个数据集时查看一些信息

类型(numeric: )、标签（label）、范围（range）、单位（units）、特异值（unique）、缺失值（missing）、以及一些统计量。这样，我们对于该变量有一个初步的了解。

【codebook [varlist][if][in][,options]】

varlist:变量名单（>=1）

if:逻辑判断

in:第几个到第几个观测值

eg: in 10/100 指第10到第100个观测

in 10 第10个

in 10/l 第10个到最后一个

in f/10 第一个到第10个

options:一些自定义的选项

更多详情：【help codebook】

【summarize[varlist] [if] [weight] [,options]】:print summary statistics (mean,stdev,min,max) for varible 变量的摘要统计信息（平均值、标准偏差、最小值、最大值）

注：【summarize】=【sum】=【summ】

与【codebook】的一些不同请参考help

histogram 直方图

【histogram varname [if] [in] [weight] [,[continuous_opts| discrete_opts] options】

varname:只能有一个变量呀~

histogram=hist

常用指令：hist varname/ hist varname,freq/ hist varname,bu(varname2)

y轴统计量：

1.density (stata默认的)

2.fraction=frac

3.frequency=freq

4.percent

（实例：此处hist varname)

A.直方图可以设定宽度\开始值\直方组数

如图：1：连续变量 2：离散变量

B.添加density plots(可以拟合数据的分布）

（实例：

）

Graph box/hbox 箱线图

【graph box yvars [if] [in] [weight] [,options]】

【graph hbox yvars [if] [in] [weight] [,options]】

说明

1.直观明了地识别数据批中的异常值

箱线图判断异常值的标准以四分位数和四分位距为基础，四分位数具有一定的耐抗性，多达25%的数据可以变得任意远而不会很大地扰动四分位数，所以异常值不会影响箱形图的数据形状，箱线图识别异常值的结果比较客观。

2.利用箱线图判断数据批的偏态和尾重

对于标准正态分布的样本，只有极少值为异常值。异常值越多说明尾部越重，自由度越小（即自由变动的量的个数）；

而偏态表示偏离程度，异常值集中在较小值一侧，则分布呈左偏态；异常值集中在较大值一侧，则分布呈右偏态。

3.利用箱线图比较几批数据的形状

图解

异常值：离群值，超过上下限的值，被定义为小于Q1－1.5IQR或大于Q3+1.5IQR的值。

IQR:上四分位-下四分位

（实例如下图，box/hbox）

Vioplot 小提琴图

显示数据分布及其概率密度

注：stata中未自带需要安装

安装：【ssc install vioplot】

【vioplot varlist [if] [in] [weight] [,option] 】