Curso de Introducción a STATA_S2
Click here to load reader
-
Upload
jhordan-dq -
Category
Documents
-
view
218 -
download
3
description
Transcript of Curso de Introducción a STATA_S2
Curso de introducción a Stata – Jordi Muñoz (UAB)
Sesiones 2 - 3: Transformación de datos
Hasta ahora hemos visto los elementos básicos de stata, y cómo inspeccionar los datos que
tenemos. A partir de ahora vamos a trabajar sobre ellos, modificándolos del modo que sea
necesario para el análisis.
Nombres y Etiquetas
Las variables en stata tienen nombres y etiquetas que nos ayudarán a identificarlas. Un buen
uso de los nombres y etiquetas nos puede ahorrar mucho tiempo y hacer nuestro tabajo en
Stata más fácil, eficiente y fiable.
Rename
Si queremos cambiar el nombre de cualquier variable, sólo tenemos que usar la orden
rename nombreviejo nombrenuevo
Etiquetas de variable
Las etiquetas de variable resultan útiles especialmente cuando tenemos muchas
variables similares o cuyos nombres no resulten informativos. Para asignar etiquetas o
cambiarlas, sólo tenemos que escribir label variable nombrevariable
“etiqueta” (las comillas son importantes)
Etiquetas de valores
No sólo las variables tienen etiquetas, sino que las categorías en las variables
categóricas también las pueden tener. Esto resulta especialmente útil porque nos
permite identificar las categorias sin tener que recurrir constantemente a los
cuestionarios o libros de códigos. Para asignar etiquetas de valor a una variable
debemos proceder en dos pasos:
o Primero creamos la etiqueta mediante el siguiente comando: label define
nombreetiqueta 1”etiqueta1” 2”etiqueta” (etc.)
o Después vinculamos la etiqueta a la variable o variables: label values
variable nombreetiqueta
Crear y eliminar nuevas variables
Generate
Para crear una nueva variable, usaremos el comando generate. En Stata al crear una
nueva variable debemos especificar el nombre y el contenido de la misma. Para definir
el contenido usaremos expresiones lógicas y funciones aritméticas, lo que da mucho
poder al comando generate. Por ejemplo:
1
Curso de introducción a Stata – Jordi Muñoz (UAB)
o generate nuevavariable=. Genera una nueva variable con todos los
valores ‘missing’
o generate nuevavariable=variableexistente Genera una copia de
una variable
o generate nuevavariable=1 if variableexistente<=2 Genera
una variable que toma valor 1 si la antingua es menor o igual que 2, y missing
para el resto
o generate nuevavariable= variableexistente^2 Genera una
variable igual al cuadrado de la antigua
Drop /keep
Para eliminar una variable, o un conjunto de variables, sólo tenemos que usar el
comando drop nombrevariable Por el contrario, si lo que queremos es conservar
una serie de variables, usaremos el comando keep, que es el inverso de drop (elimina
todas las variables no especificadas).
Drop if / drop in (keep if/ keep in)
Si lo que queremos es eliminar algunas observaciones en lugar de variables, usaremos
las expresiones lógicas para especificar que casos queremos borrar (o conservar). Así,
usaremos drop if cuando queramos especificar una condición, y drop in cuando
queramos delimitar un rango de observaciones.
Recodificar variables: básicos
Replace
Si para crear una nueva variable usábamos el comando generate, para cambiar su
contenido, normalmente usaremos el comando replace. El comando replace,
combinado con las expresiones lógicas y funciones aritméticas, es de gran utilidad y
nos permite hacer muchas cosas que en otros programas resultan más complicadas de
hacer. La sintaxis general es replace variable = valor o expresión (if /
in)
Recode
recode es una alternativa, más limitada pero útil para recodificar variables
categóricas. Con recode cambiamos los valores de la variable uno a uno, debiendo
especificar siempre los valores de partida y los de destino. La sintáxis básica es como
sigue: recode variable (#=#) (# # = #) (# / # =#)
o En esta sintaxis, podemos especificar dos valores de partida separándolos con
un espacio, o un rango de valores, usando el símbolo /
2
Curso de introducción a Stata – Jordi Muñoz (UAB)
o # normalmente será un valor numérico, pero también puede ser:
missing Todos los casos perdidos
nonmissing Todos los casos válidos
else El resto de valores no especificados
min El valor mínimo
max El valor máximo (ojo com los missing que se consideran
infinito)
Opciones de recode
A parte de la sintaxis básica, recode tiene algunas opciones que pueden resultar útiles:
o Generate: Si no queremos sobreescribir la variable, sino recodificarla en una
nueva, usaremos la opción generate: recode variable (#=#),
gen(nx1)
o Prefix: Si estamos recodificando más de una variable al mismo tiempo y
queremos hacerlo en nuevas variables usaremos un prefijo mediante la opción
pre: recode var1 var2 var2 (#=#), pre(nueva) Esto nos aplicará
la recodificación a unas nuevas variables que se llamaran ‘nuevavar1’ y
‘nuevavar2’ respectivamente.
o Etiquetas: A la vez que recodificamos, podemos definir etiquetas siempre y
cuando estemos recodificando en una nueva variable, usando la sintaxis
siguiente: recode variable (#=# “Etiqueta de valor”), gen(nx1)
. Si queremos definir un nombre para las nuevas etiquetas lo podemos hacer
con la opción label (por defecto tomarían el nombre de la variable.
Tab, gen
A menudo necesitaremos recodificar una variable categórica en una serie de variables
dicotómicas o dummies que tomen valor 1 para cada una de las categorías de la variable
preexistente, y 0 en el resto de casos. Un comando muy útil en este sentido es tabulate
variable, generate(prefix)que nos creará automáticamente la serie de variables
dicotómicas que queremos.
Recodificar variables: complejos
Egen
Egen es una família de funciones para crear nuevas variables con múltiples
posibilidades. Tiene una sintaxis particular que conviene conocer porque nos puede
ahorrar mucho tiempo en determinadas circunstancias. Además, egen se ha visto
ampliado por múltiples contribuciones de usuarios que, en sesiones posteriores,
veremos cómo descargar. La sintaxis básica de egen es la siguiente:
3
Curso de introducción a Stata – Jordi Muñoz (UAB)
egen nuevavariable = función(variableexistente)
Entre las funciones de egen podemos destacas las siguientes:
Cut: la función cut nos sirve para crear fácilmente variables categóricas a partir de
una variable contínua: podemos decir, por ejemplo, que nos cree una variable con
4 grupos de edad, bien definidos por nosotros mismos, bien 4 grupos con
frecuencias iguales:
o egen nuevavariable = cut(variableexistente), at(14, 18,
25, 45, 65, 100)
o egen nuevavariable = cut(variableexistente), group(5)
o egen nuevavariable = cut(variableexistente),
at(18(15)99)
Podemos comprovar lo que hemos realizado con el comando table: table nuevavariable, contents(min variableexistente max variableexistente)
Diff. La función dif nos creará una variable dicotómica que tomará valor 1 si las
variables que especifiquemos son iguales entre ellas y 0 si no lo son.
egen nuevavariable = diff(variable1 variable2)
Group: Nos crea una variable categórica para los grupos definidos por las variables
que especifiquemos:
egen nuevavariable = group(variable1 variable2)
Rowmean: Si queremos una variable que recoja la media de cada individuo en un
grupo de variables en nuestra base de datos, podemos usar la siguiente función:
egen nuevavariable = rowmean(variable1 variable2)
Valor medio: Alternativamente, nos puede interesar calcular el valor medio de una
variable para determinados grupos. Esto lo podemos hacer combinando la opción by (o
bysort) con la función mean.
By grupo: egen nuevavariable = mean(variable1)
Variables de cadena y numéricas
Hemos visto que en Stata hay diferentes tipos de variables, básicamente las numéricas
y las de cadena. A menudo querremos convertir las variables de cadena en numéricas
y, quizás, las numéricas en cadenas de texto. Esto lo podemos hacer de dos modos
diferentes:
4
Curso de introducción a Stata – Jordi Muñoz (UAB)
5
o Encode/decode: encode crea una nueva variable numérica basada en una
variable de cadena usando el texto de la variable original cómo etiquetas de
valor. Decode realiza la operación inversa.
encode variable, generate(nuevavariable)
o Destring/tostring: Si lo que tenemos es, meramente, una variable numérica
que está guardada como cadena en Stata, la podemos transformar en una
variable numérica real usando la opción destring