Cours Stata Complet

Aude Vescovo, IRD-AFRISTAT
Cours I. Prise en main du logiciel
1. Le logiciel Stata Traditionnellement, Stata est un logiciel qui fonctionne avec des lignes de commande tapes par l'utilisateur (diffrent de SPSS, pareil que SAS). Quelques menus ont t crs dans les dernires versions, notamment pour les graphiques. Le fait de devoir taper des lignes de code plutt que de cliquer dans des menus est souvent rdibitoire, pourtant cela a des avantages : - la reproductibilit. Il est souvent ncessaire de pouvoir justifier de la faon dont a t calcul un indicateur. A la lecture d'un article ou d'un rapport, le lecteur doit pouvoir, partir des mmes donnes, obtenir les mmes rsultats. Or avec un logiciel interface, il n'y a pas de trace de quels clics ont t faits. - l'extensibilit : le logiciel s'enrichit en permanence. Il est possible de crer une commande en utilisant plusieurs autres. Or les interfaces sont figes et ne changent qu' la parution de nouvelles versions. Un des premiers avantages de Stata est son prix. De plus, il est trs pratique pour la manipulation de donnes, notamment de donnes longitudinales. Enfin il couvre la quasi-totalit des domaines des statistiques et de l'conomtrie abords dans diffrentes sciences comme l'conomie, la sant, l'pidmiologie : - techniques d'valuation d'impact (rgressions linaires, modles de slection, variables instrumentales) - modles dichotomiques (modlisation des dterminants du chmage, de la mortalit) - donnes de panel (suivi de gens dans le temps, permet de diffrencier l'effet individuel de l'effet temps) - modles de dure (dmographie, dure de chmage) - sries temporelles (macro-conomie, prvisions) - donnes d'enqutes (estimateurs sans biais, prcision des indicateurs) 2. Installation de Stata Stata est install dans C:\Program Files. Dans le dossier Stata 9 se trouve un dossier ado l'intrieur duquel se trouvent les rpertoires base et update (mise jour). Dans le fichier base sont rangs des fichiers .ado. Chacun de ces fichiers (pouvant s'ouvrir dans l'diteur de texte, mais ne pas modifier sans prcaution) dfinit une commande. Ils sont rangs selon la premire lettre de la commande. Par exemple, la commande mean est dfinie dans le fichier mean.ado situ dans C:\Program Files\Stata 9\Stata9\ado\base\m. Lorsqu'on voudra calcul l'ge moyen des Bamakois, on tapera la commande mean age qui utilisera le fichier mean.ado pour retourner le rsultat attendu. Dans le dossier C:\Program Files\Stata 9\Stata9\ado\update\m se trouve les commandes mises jour. Si vous achetez le logiciel Stata 10 en 2008, et qu'avant la sortie de la version 11 de nouvelles commandes sont cres, vous pouvez les tlchargez via le site internet de Stata, gratuitement.
Aude Vescovo, IRD-AFRISTAT 3. Les fentres
Les 4 fentres de base sont les fentres Command, Review, Variables et Results. Les commandes sont saisies dans la fentre Command puis excutes en tapant Entre. Elle sert tester des commandes mais non rdiger un programme complet. La fentre Review liste les dernires commandes effectues. Il suffit de cliquer sur l'une d'elle pour la rappeler dans la fentre Command. La fentre Variables liste les variables figurant dans le base de donnes. Il suffit de cliquer sur l'une d'elles pour qu'elle soit saisie dans la fentre Command. La fentre Results, sur fond noir, dcrit les rsultats de toutes les commandes. Les commandes effectues y figurent en blanc, les rsultats en jaune, vert et blanc, les messages de mise en garde en vert, et les erreurs, stoppant l'excution, en rouge. Les erreurs sont rfrences. En cliquant sur le code de l'erreur, ici r(101), on accde une description de l'erreur. On peut copier les rsultats de Results pour les coller dans Word. Selon qu'on veuille copier du texte ou un tableau (slectionner uniquement le tableau avec des lignes entires), on utilisera Copy text ou Copy table dans le menu Edition.
De gauche droite : - Ouvrir un fichier de donnes Stata - Sauvegarder un fichier de donnes (quivalent la commande save) - Imprimer les rsultats tels qu'ils apparaissent dans la fentre Results - Commencer un fichier log, un journal qui conservera tout ce qui a t fait - Faire apparatre la fentre Results lorsqu'elle n'est pas prsente - Ouvrir un do.file - Afficher la base de donnes (en pouvant ou pas le modifier manuellement) - Stopper la commande en cours (si c'est trop long ou qu'on s'est rendu compte d'une erreur)
Aude Vescovo, IRD-AFRISTAT 4. Types de fichiers
dta : Base de donnes Les variables sont en colonne, les observations (individus, mnages,) en ligne. Les quatre premires variables sont des caractres, ce pourquoi elles sont crites en rouge. La variable poids, idenq, idsup et m2 sont numriques donc crites en noir. La variable m3 est numrique galement, mais elle est "labellise". C'est--dire qu'on a affect un label qui fait correspondre "homme" la valeur 1 et "femme" la valeur 2.
Pour affecter un label une variable, on utilise la commande :

. label variable m3 genre
Ainsi, on saura que m3 contient le genre de l'individu. On peut galement affecter un label chacune des modalit d'une variable, toujours afin de rendre plus comprhensible la lecture de la base de donnes ou les rsultats.
. label define labgenre 1 "homme" 2 "femme" . label values m3 labgenre
ado (dj vu)
hlp : Fichier d'aide (avec les fichiers ado). Ils sont appels en tapant la commande help :
help mean
qui fait ouvrir un fichier expliquant comment calculer la moyenne d'une variable.
do : programme cr par l'utilisateur. Il permet de sauver les commandes effectues et de relancer son programme plus tard ou sur un autre ordinateur. Si je veux calculer le taux de pauvret du Mali, cela ncessite beaucoup de commandes. Ce n'est pas pratique de les taper une par une dans la fentre Command. Donc on les crit dans un fichier do. En sauvegardant ce fichier do, il sera possible de le relancer et d'obtenir de nouveau les mmes rsultats.
.log : Journal Fichier pouvant s'ouvrir en dehors de Stata avec le bloc note, il permet de sauvegarder tout ce qui a t fait, les commandes et les rsultats.
Aude Vescovo, IRD-AFRISTAT 5. Commencer travailler La mmoire :
La mmoire alloue par dfaut la base de donnes peut parfois tre insuffisante lorsque la base contient beaucoup d'observations. Supposons que l'utilisateur veuille dupliquer toutes les observations de la base de donnes qu'il utilise (command expand), mais que la base devienne alors trop volumineuse. Un message d'erreur apparat alors. Par exemple, dans l'exemple ci-dessous, la premire ligne demande Stata d'ouvrir la base de donne table.dta. Puis la deuxime ligne (expand 2) demande Stata de dupliquer toutes les observations. Si la mmoire alloue est insuffisante, un message d'erreur d'affiche, en rouge :
. use table.dta . expand 2 no room to add more observations
Il est alors ncessaire d'augmenter la mmoire disponible par la commande set memory :
set memory 100m
Ici, une mmoire de 100 Mo est alloue.
Cration d'un rpertoire de travail L'utilisation de Stata ncessite une base de donnes et un fichier do. Nous verrons par la suite qu'il est possible de crer des fichiers de rsultats (log, rsultats de rgressions, graphiques). Afin de ne pas disperser ses fichiers et de ne pas devoir indiquer le chemin des fichiers chaque fois, il est utile de crer un rpertoire de travail en dbut de son fichier do.
cd "C:\Formation Stata\Espace de travail"
Ainsi, par la suite, si l'on souhaite sauvegarder sa base de donnes, on tapera seulement
save table.dta
au lieu de
save "C:\Formation Stata\Espace de travail\table.dta"
Cration d'un fichier log, journal des commandes effectues et des rsultats Afin de garder une trace de toutes les commandes effectues et des rsultats il est conseill d'ouvrir un fichier log en dbut de travail
log using trace.log
ou, si on n'a pas cr de rpertoire de travail :

log using "C:\Formation Stata\Espace de travail\trace.log"
Il se ferme en tapant la commande

log close
Ouvrir une base de donnes

use table.dta [, clear]
Il faut parfois rajouter l'option clear afin d'effacer le fichier de donnes dj utilis par le logiciel. Par prcaution, on peut l'crire tout le temps. Sauvegarder sa base de donnes :
save table.dta [,replace]
Il est galement possible de crer "manuellement" une base de donnes l'aide de la commande edit qui ouvre une base de donnes vide de laquelle on remplit les cases. C'est rare d'avoir le faire. Pour observer la base de donnes, il suffit de taper la commande browse ou de cliquer sur l'onglet correspondant dans la barre des tches du logiciel.
Inscrire des commentaires dans son fichier do Il est trs utile de commenter son programme, afin qu'il soit comprhensible un autre utilisateur et soimme si on s'en sert quelques temps aprs. Pour crire un commentaire sans que Stata pense qu'il s'agit d'une commande, on utilise l'astrisque ou /*commentaire*/
*j'ouvre la base de donnes use table.dta
ou
/*j'ouvre la base de donnes*/ use table.dta
ou encore
use table.dta /*j'ouvre la base de donnes*/
/*commentaire*/ peut galement aider rendre son programme plus lisible. En effet, dans les fichiers do, on peut crire "sans fin" sur une ligne, pas comme dans Word. Alors, l'cran on ne voit pas l'ensemble de sa commande. Si on va la ligne sans prcaution, Stata interprtera les deux lignes comme deux commandes distinctes :
use "C:\Formation Stata\Documents de travail\base de donnees de la formation\bases individuelles\donnees sociodemo\base1.dta"
Stata va essayer de lire la ligne

individuelles\donnees sociodemo\base1.dta"
comme une commande, alors qu'elle n'est que la suite de la commande use. Pour viter cela, on crit :
use "C:\Formation Stata\Documents de travail\base de donnees /* */de la formation\bases individuelles\donnees sociodemo\base1.dta"
Excuter le fichier do : f
do run
Pour excuter seulement la slection, on clique sur do. Pour tout excuter, on ne slectionne aucune ligne en particulier et on clique sur do. Cliquer sur run excute galement le fichier, mais "silencieusement". C'est--dire qu'il n'affiche rien dans la fentre Results, et de ce fait rien dans le fichier log. Pourtant il excute les commandes. De mme que pour do, on peut ne slectionner que certaines lignes.
Cours II. Pricipes de syntaxe dans Stata
Cours II. Principes de syntaxe dans Stata
1. Trouver une commande et de l'aide Pour trouver une commande lorsqu'on ne connat pas son nom, il suffit de taper la commande search suivie d'un ou plusieurs mots cls. Supposons que l'on souhaite trouver une commande permettant de calculer des statistiques descriptives de base d'une variable :
search univariate summary statistics
Stata retourne la liste de fichiers d'aide des commandes correspondantes ainsi que des liens hypertextes pointant sur le site web de Stata. Dans l'exemple ci-dessus il retourne deux commandes dont summarize qui correspond ce qu'on souhaite. Pour trouver ensuite des dtails sur la faon d'utiliser la commande summarize, on tape
help summarize
Chaque commande possde un fichier help, en anglais, assez dtaill. Les commandes search et help sont trs utilises car il est impossible de connatre toutes les commandes de Stata.
N'hsitez pas utiliser la commande help 2. La syntaxe type des commandes dans Stata La syntaxe est commune toutes les commandes. La majorit des commandes s'crive en respectant la syntaxe de base suivante :
command [varlist] [if exp] [,options]
[varlist] :
Il s'agit de la liste de variables utiliser. Par exemple, si on veut calculer l'age moyen, puis l'ge moyen et le nombre moyen d'annes d'tudes des individus de notre base de donnes (commande summarize) :
. summarize age Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------age | 12749 21.69896 17.27642 0 98 . summarize age etudes Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------age | 12749 21.69896 17.27642 0 98 etudes | 12749 3.350145 4.450341 0 22
Pour certaines commandes, si on ne spcifie pas varlist, par dfaut Stata applique la commande toutes les variables _all. C'est le cas entre autres pour summarize.

[if exp] :
Supposons qu'on souhaite calculer ces mmes statistiques descriptives sur les individus vivant dans la commune III de Bamako. On utilise alors if pour indiquer Stata que la commande ne doit tre effectue que sur les observations vrifiant cette condition d'appartenance la commune III :
. summarize age etudes if commune==3 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------age | 1924 24.12058 17.8297 0 95 etudes | 1924 4.954782 4.798545 0 20
Si on veut excuter la commande seulement sur les femmes de la commune III :

. summarize age etudes if commune==3 & femme==1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------age | 923 23.66197 17.39158 0 94 etudes | 923 4.211268 4.353397 0 20
Certains oprateurs sont utilse pour crire les conditions : Tableau rcapitulatif des oprateurs dans Stata : Op. arithmtiques + addition - soustraction * multiplication / division ^ puissance + concatnation ~ not ! not | or & and Op. logique Op. de condition > suprieur < infrieur >= suprieur <= infrieur == gal ~= diffrent de != diffrent de Attention : Pour une condition, l'galit s'crit == et non =
[,options] :
Quasiment toutes les commandes proposent des options. Celles-ci sont indiques aprs une virgule. Par exemple, la commande summarize possde l'option detail qui permet d'obtenir plus de statistiques descriptives (par exemple certains quantiles). Pour connatre toutes les options possibles d'une commande, il faut regarder le fichier d'aide (commande help)
. summarize age, detail age ------------------------------------------------------------Percentiles Smallest 1% 0 0 5% 1 0 10% 3 0 Obs 12749 25% 8 0 Sum of Wgt. 12749 50% 75% 90% 95% 99% 17 32 46 55 71 Largest 96 97 97 98 Mean Std. Dev. Variance Skewness Kurtosis 21.69896 17.27642 298.4748 .9544977 3.52789
3. Autres lments de syntaxe : type de variables et abrviations Nous avons vu plus haut qu'il existe des variables numriques, contenant des entiers ou des rels, et des variables alphanumriques (string) contenant des chanes de caractres. Si on manipule une variable alphanumrique, on utilise des guillemets :
. generate varnum=10 . generate varalpha="dix" . generate varalpha2="10"
Il est prfrable de crer des variables numriques car certaines commandes n'arrivent pas traiter des variables alphanumriques. Il n'est pas ncessaire de taper le nom d'une commande en entier pour que Stata la reconnaisse. Par exemple, si j'utilise la commande generate, je peux crire
. generate CDM=1 if m5==1 . gen CDM=1 if m5==1
ou ou mme
. gener CDM=1 if m5==1 . g CDM=1 if m5==1
ou
On ne peut pas rduire toutes les commandes une lettre ni mme deux. En effet certaines abrviations peuvent prter confusion. Par exemple, je peux abrger :
. summarize age en . su age mais pas . s age Car Stata ne peut pas s'avoir s'il s'agit de summarize ou de sort age par exemple. Dans le reste du cours, nous crivons les commandes en entier, mais en TD, vous pouvez les abrger.
Il en est de mme pour les noms des variables . summarize etudes en
. su etud
mais pas
. su e
car il y a une confusion possible entre etudes et une variable nomme e1 par exemple. Supposons qu'on veuille lancer une commande sur les variables revenu_travail1 revenu_travail2 et revenu_hors_travail.
. summarize revenu_travail1 revenu_travail2 revenu_hors_travail
On peut taper de faon plus concise :

. summarize revenu*
Stata excutera la commande sur toutes les variables dont le nom commence par revenu.
Cours III. Dcrire les donnes
browse : La commande browse ouvre la base de donnes, mais ne permet pas de la modifier " la main" describe : La commande describe permet de dcrire les donnes de faon trs gnrale : pour chaque variable, elle retourne le format dans lequel la variable est stocke (double, float, int) le format dans lequel la variable s'affiche (%9.0g, %9s, ) le nom du label des modalits de la variable et le label de la variable. Si on n'indique pas les variables dcrire, Stata dcrit toute la base de donnes, en fournissant galement le nombre d'observations, de variables, la taille de la base de donnes et la date. L'option short permet de n'obtenir que la description de la base.
. describe age m3 storage display value variable name type format label variable label ------------------------------------------------------------------------------age float %9.0g age m3 float %9.0g labgenre genre . describe Contains data from table.dta obs: 12,749 vars: 189 3 Apr 2008 13:42 size: 9,523,503 (90.9% of memory free) ------------------------------------------------------------------------------storage display value variable name type format label variable label ------------------------------------------------------------------------------strate str2 %9s ZD str3 %9s menage str3 %3s mnage
list : La commande list permet d'afficher la base de donnes ou un extrait de cette base dans la fentre de rsultats. Attention, si on oublie de prciser quelles variables (en tapant seulement list) on veut voir et quelles observations, toutes la base de donnes s'affiche dans la fentre Results !
. list age etudes m3 in 1/5 +----------------------+ | age etudes m3 | |----------------------| 1. | 39 16 homme | 2. | 4 0 homme | 3. | 11 3 homme | 4. | 6 0 femme | 5. | 25 10 femme | +----------------------+
N'oubliez pas de prciser les variables et les lignes que vous voulez voir apparatre !
Aude Vescovo, IRD-AFRISTAT codebook :
La commande codebook permet de crer un dictionnaire des variables indiquant le nom de la variable, son label, son format de stockage, l'intervalle de ses valeurs, ses valeurs uniques, sa moyenne et son cart-type (variable continue), la frquence des modalits (variable discrte), le nombre de valeurs manquantes, des quantiles, le label de ses modalits. L'option mv fournit des informations sur les valeurs manquantes.
. codebook strate age sitac ----------------------------------------------------------------------------------strate strate ----------------------------------------------------------------------------------type: string (str2) unique values: tabulation: 6 missing "": 0/12749
Freq. Value 2271 "01" 2115 "02" 1924 "03" 2291 "04" 1992 "05" 2156 "06" ----------------------------------------------------------------------------------age age ----------------------------------------------------------------------------------type: numeric (float) range: unique values: mean: std. dev: percentiles: [0,98] 95 21.699 17.2764 units: missing .: 1 0/12749
10% 25% 50% 75% 90% 3 8 17 32 46 ----------------------------------------------------------------------------------sitac situation dans activit ----------------------------------------------------------------------------------type: numeric (float) label: lsitac range: unique values: tabulation: [1,5] 5 units: missing .: 1 0/12749
Freq. Numeric Label 4354 1 actif occupe 304 2 chomeur BIT 277 3 chomeur decourage 3937 4 inactif 3877 5 moins de 10 ans . codebook ap13a1 if sitac==1,mv ----------------------------------------------------------------------------------ap13a1 salaire mensuel ----------------------------------------------------------------------------------type: numeric (float) range: unique values: mean: std. dev: percentiles: [0,5000] 155 49.2143 191.828 10% 2 25% 7 50% 20 75% 50 90% 90 units: missing .: 1 1774/4354
missing values:
h3==mv --> ap13a1==mv ap2==mv --> ap13a1==mv
10
Aude Vescovo, IRD-AFRISTAT more :
Si le rsultat d'une commande est trop long, par exemple describe sans prciser les variables dcrire, l'dition des rsultats se bloque. Il faut alors cliquer sur more (ou taper Entre) pour relancer l'dition des rsultats. Pour que Stata ne bloque pas l'dition des rsultats, on peut dsactiver cette option avec la commande :
set more off
Pour ractiver cette option :

set more on
N'oubliez pas set more off si vous lancez un long programme et vous absentez
11
Cours IV. Crer des variables
generate : La commande principale pour crer une variable est la commande generate. Sa syntaxe possde une partie supplmentaire :
command [varlist] [=exp] [if exp] [,options]
C'est dans [=exp] qu'on indique comment construire la variable, par exemple :
. generate var3=var1+var2 . generate var4=5*var1 . generate logvar=log(var) . generate CDM=1 if m5==1 . generate nonCDM=0 if CDM~=1 . generate CDMfemme=1 if femme==1 & CDM==1 . generate CDM_conjoint=1 if CDM==1 | m5==2 /*addition*/ /*multiplication*/ /*logarithme*/ /*== : test d'galit*/ /*~= : test de diffrence*/ /* & : et*/ /* | : ou*/
replace : La commande replace sert remplacer la valeur d'une variable dj existante

generate moins10ans=1 if age<10 replace moins10ans=0 if age>=10
La fonction cond(x,a,b)
Une fonction est trs utile pour crer des variables en tapant moins de ligne de commande, la fonction cond. La cration de la variable moins10ans ci-dessus s'crit en une ligne :
quivaut
generate moins10ans=cond(age<10,1,0) cond(x,a,b)
retourne a si la condition x est vrifier, b si elle ne l'est pas. Ici, elle retourne 1 si l'age de l'individu est strictement infrieur 10, et 0 si cette condition d'age n'est pas vrifie.
Beaucoup d'autres fonctions existent dans Stata (exponentielle, tirage de nombres alatoire, extraction de caractres,). Pour en avoir la liste exhaustive, tapez help functions. Pour avoir la liste des plus utilises, voir en annexe.
rename : La commande rename sert renommer une variable.

rename m3 genre
12
Aude Vescovo, IRD-AFRISTAT recode : La commande recode sert recode les modalits d'une variable :
recode var1 (rgle1) (rgle2) , gen ( )
Ces rgles peuvent prendre plusieurs formes : rgle 3=1 2.=9 1/5 = 4 nonmiss = 8 miss = 9 action 3 recod en 1 2 et . recod en 9 toute valeur de 1 5 recode en 4 toute valeur non manquante recode en 8 toute valeur manquante recode en 9
L'option gen permet de crer une nouvelle variable contenant le nouveau dcoupage des modalits. Sans spcifier cette option, var1 est remplace par la variable nouvellement code.
. list +------+ | var1 | |------| 1. | 1 | 2. | 2 | 3. | 3 | 4. | 4 | 5. | 5 | |------| 6. | 6 | 7. | 7 | 8. | . | +------+ . recode var1 (1 2 = 1) (3/7 = 2) (miss = 9), gen (newvar1) (7 differences between var1 and newvar1) . list +----------------+ | var1 newvar1 | |----------------| 1. | 1 1 | 2. | 2 1 | 3. | 3 2 | 4. | 4 2 | 5. | 5 2 | |----------------| 6. | 6 2 | 7. | 7 2 | 8. | . 9 | +----------------+
encode La commande encode permet de convertir une variable alphanumrique en une variable numrique discrte, dont les modalits sont "labellises" avec les chanes de caractres de la variable initiale. Ici, var1 est initialement une variable alphanumrique prenant les valeurs "absent", "prsent" et "visiteur" :
13

. list +----------+ | var1 | |----------| 1. | absent | 2. | present | 3. | visiteur | +----------+ . encode var1, gen(newvar1) . list +---------------------+ | var1 newvar1 | |---------------------| 1. | absent absent | 2. | present present | 3. | visiteur visiteur | +---------------------+
. describe var1 newvar1 storage display value variable name type format label variable label ------------------------------------------------------------------------------var1 str8 %9s newvar1 long %8.0g newvar1
La commande decode fait l'opration inverse.
drop : La commande drop sert supprimer : - des variables :

drop age
- des observations :
drop if age<10
keep : La commande keep permet de prciser les variables ou observations que l'on veut conserver, au lieu de celles que l'on veut supprimer :
keep etudes genre age keep if age>=10
order : La commande order sert ordonner les variables de la base :

order strate ZD menage age genre etudes revenu
destring : La commande destring transforme une variable alphanumrique en variable numrique

destring strate, gen (str)
tostring : Transforme une variable numrique en variable alphanumrique

tostring str, gen (strate)
14
Aude Vescovo, IRD-AFRISTAT Les valeurs manquantes dans Stata :
La faon de Stata de traiter les valeurs manquantes (missing values) peut tre diffrente de celle des autres logiciels de statistique. Il faut y prter attention lorsqu'on crit des conditions et lorsqu'on calcule des statistiques. Par dfaut, les valeurs manquantes s'crivent l'aide d'un point pour les variables numriques (sysmiss pour system mossing value). Pour les variables alphabtiques, les valeurs manquantes s'crivent "". Pour les variables numriques toute valeur non manquante (nmv pour non missing value) est considre infrieure .
Vrification d'une condition Par exemple, si je construis la variable

Si l'age d'un individu n'est pas renseign (age=.), son ge sera considr comme suprieur 10 et la variable moins10ans prendra la valeur0, bien qu'on ignore compltement son ge. Pour viter cela :
generate moins10ans=1 if age<10 & age~=. replace moins10ans=0 if age>=10 & age~=.
ou
generate moins10ans=1 if age<10 & age< . replace moins10ans=0 if age>=10 & age< .
ou encore
generate moins10ans=1 if age<10 replace moins10ans=0 if age>=10 replace moins10ans=. if age==.
Valeurs manquantes en argument de fonction :

. + nmv = . . - nmv = . . * nmv = . max(1,5,.)=5 max(.,.,.)=.
Certaines fonctions de Stata interprtent . d'une manire spcifique. Par exemple, la fonction inrange. inrange(x,a,b) retourne la valeur 1 si x appartient l'intervalle [a,b]. Si a est manquante, elle teste l'appartenance de x l'intervalle [-,b] Si b est manquante, elle teste l'appartenance de x l'intervalle [a,+] Les autres fonctions de Stata retourne la valeur . si un ou plusieurs de leurs arguments sont manquants ou invalide. Regardez toujours si la variable que vous tudiez a des non-rponses.
15
Aude Vescovo, IRD-AFRISTAT Les boucles
Supposons qu'on veuille effectuer la mme manipulation des variables v1, v2, , v10, par exemple remplacer la valeur 9 par une valeur manquante
replace v1=. if v1==9 replace v2=. if v2==9 replace v10=. if v10==9
Cela peut allonger le programme et tre source d'erreurs. On peut alors crer une boucle :
forvalues num=1/10 { replace v`num'=. if v`num'==9 }
Si les variables qu'on veut modifier sont v5 v10 v15 v20, , v100.
forvalues num=5 10 to 100 { replace v`num'=. if v`num'==9 }
Si les variables n'ont pas un nom contenant un chiffre sur lequel effectuer la boucle :
foreach statut in actifocc chomeur inactif moins10ans { summarize `statut' } Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------actifocc | 12749 .341517 .474237 0 1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------chomeur | 12749 .0455722 .2085636 0 1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------inactif | 12749 .3088085 .4620201 0 1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------moins10ans | 12749 .3041023 .4600442 0 1
N'oubliez pas de fermer les accolades. Attention aux quotes (touche 7 puis touche 4)
16
Cours V. Structure des bases de donnes
Nous avons vu prcdemment que les variables sont en colonne et les observations en ligne. Supposons que nos observations correspondent aux individus des mnages chantillonns. C'est le cas dans nos exercices et c'est le cas dans la plupart des enqutes, pour lesquelles on tire un chantillon de mnages puis on interroge chaque membre des mnages tirs. Crer des identifiants uniques et ayant un sens. Il faut toujours, avant de travailler sur une base de donnes, identifier les observations, ici les individus, par un identifiant unique. Mthode nave : on cre un identifiant (ident1) dont la valeur est gale au numro de la ligne.
strate 05 02 02 02 02 02 06 01 01 04 ZD 007 039 045 070 077 051 003 106 209 007 menage 146 204 214 094 138 039 058 057 012 162 individu 05 05 01 04 01 08 01 03 01 02 age 9 5 32 0 38 6 26 2 50 22 ident1 1 2 3 4 5 6 7 8 9 10
Cet identifiant est bien unique pour chaque individu (on a pas deux individus tels que ident1=3). En revanche il n'a aucun sens. Supposons que je dispose d'une autre base de donnes avec les mmes individus et d'autres variables. Je construis un identifiant selon la mme mthode nave.
strate 02 06 05 02 02 04 02 02 01 01 ZD 039 003 007 077 070 007 045 051 209 106 menage 204 058 146 138 094 162 214 039 012 057 individu 05 01 05 01 04 02 01 08 01 03 etudes 0 15 2 5 0 0 0 2 0 0 ident2 1 2 3 4 5 6 7 8 9 10
Alors il m'est impossible, l'aide de ces identifiant seulement, de dire quel ge correspond quel niveau d'tudes, puisque l'individu 1 de la 1re base de donne n'est pas le mme que l'indivdu 1 de la 2me base de donne.
17
En revanche, on remarque tout de suite, qu'il est possible de dire quel ge correspond quel niveau d'tudes en regardant les variables strate ZD menage et individu. C'est donc partir de ces variables qu'on va construire un identifiant efficace. D'une part il a un sens, d'autre part, il est unique, enfin ces variables se trouvent dans toutes les enqutes auprs des mnages. strate est le numro de la strate (dans notre base de donnes, la commune de Bamako). ZD est la zone de dnombrement du recensement. menage est le numro du mnage chantillonn au sein de la ZD, et individu le numro de l'individu au sein du mnage. Il est possible qu'on ait chantillonn le mnage 058 de la ZD 003 et le mnage 058 de la ZD 023. Aussi, le numro du mnage ne suffit pas identifier de faon unique un mnage, donc encore moins un individu. La seule faon d'tre sr de l'unicit de l'identifiant est donc d'utiliser ces 4 variables. Ici, on a concatn les variables strate, ZD, menage et individu en tapant la commande :
generate ident3=strate+ZD+menage+individu
strate 02 06 05 02 02 04 02 02 01 01 strate 05 02 02 02 02 02 06 01 01 04
ZD 039 003 007 077 070 007 045 051 209 106 ZD 007 039 045 070 077 051 003 106 209 007
menage 204 058 146 138 094 162 214 039 012 057 menage 146 204 214 094 138 039 058 057 012 162
individu 05 01 05 01 04 02 01 08 01 03 individu 05 05 01 04 01 08 01 03 01 02
etudes 0 15 2 5 0 0 0 2 0 0 age 9 5 32 0 38 6 26 2 50 22
ident3 0203920405 0600305801 0500714605 0207713801 0207009404 0400716202 0204521401 0205103908 0120901201 0110605703 ident3 0500714605 0203920405 0204521401 0207009404 0207713801 0205103908 0600305801 0110605703 0120901201 0400716202
Il est alors possible, l'aide de cet identifiant ident3 uniquement, de dire quel ge correspond quel niveau d'tudes. En effet l'individu 0500714605 a 9 ans . Ce mme individu a dj fait 2 ans d'annes d'tudes avec succs. Crez toujours un identifiant des observations, unique et qui ait un sens rel.
18
Trier la base de donnes Supposons qu'on ait construit notre identifiant de l'individu
strate 03 03 03 03 05 02 05 03 06 01 ZD 037 005 073 039 007 074 157 062 080 039 menage 097 070 256 105 118 009 238 151 495 033 individu 04 03 04 09 02 01 03 01 09 01 idind 0303709704 0300507003 0307325604 0303910509 0500711802 0207400901 0515723803 0306215101 0608049509 0103903301 genre femme homme femme femme femme homme homme homme femme homme age 26 10 12 18 65 4 33 0 35 statut enfant du CDM enfant du CDM enfant du CDM Conjoint CDM CDM enfant du CDM CDM enfant du CDM CDM 24 Autres parents
Dans la base, on a plusieurs individus pour chaque mnage. Mais si la base n'est pas trie, les individus d'un mme mnage ne sont pas la suite les uns des autres. Il est donc utile de la trier par mnage. sort : La commande sort sert trier la base de donnes.
sort idind
Alors les individus d'un mme mnage se trouve les uns la suite des autres :
strate 01 01 01 01 01 01 01 01 01 01 01 01 01 01 ZD 009 009 009 009 009 009 009 009 009 009 009 009 009 009 menage individu segment 007 016 016 016 016 016 016 016 016 016 016 025 025 025 01 01 02 03 04 05 06 07 08 09 10 01 02 03 01009 01009 01009 01009 01009 01009 01009 01009 01009 01009 01009 01009 01009 01009 idmen 01009007 01009016 01009016 01009016 01009016 01009016 01009016 01009016 01009016 01009016 01009016 01009025 01009025 01009025 idind 0100900701 0100901601 0100901602 0100901603 0100901604 0100901605 0100901606 0100901607 0100901608 0100901609 0100901610 0100902501 0100902502 0100902503 m3 homme homme femme homme femme femme femme homme femme femme homme homme femme homme m4 39 49 45 20 30 14 6 11 25 5 4 28 23 2 Conjoint enfant du Conjoint enfant du enfant du enfant du Conjoint enfant du enfant du m5 CDM CDM CDM CDM CDM CDM CDM CDM CDM CDM CDM
CDM Conjoint CDM enfant du CDM
De plus, comme on a tri par l'identifiant de l'individu et non celui du mnage, les membres d'un mme mnage sont rangs par ordre. Souvent, le numro 1 au chef de mnage, puis les numro suivants son (sa ou ses) conjoint(e)(s). C'est le cas ici. Compte tenu de la faon dont nous avons construit notre identifiant, sort segment sort idmen sort idind sort strate ZD sort strate ZD menage sort segment menage sort segment menage individu sort idmen individu
sort strate ZD menage individu
19
Trier sa base de donnes n'a pas seulement une utilit visuelle. Une de ses premires fonction est de permettre de calculer des statistiques sur des sous-chantillons dfinis par les modalits d'une variable. Par exemple, supposons qu'on souhaite calculer ces statistiques descriptives selon le genre. On utilise alors le prfixe by, qui peut s'appliquer la grande majorit des commandes de statistiques : [by varlist] : command [varlist] [=exp] [if exp] [,options] Pour pouvoir utiliser by, il faut au pralable trier la base de donnes selon la variable de genre.
. sort femme . by femme : summarize age etudes --------------------------------------------------------------------------------> femme = 0 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------age | 6380 22.48652 18.11568 0 97 etudes | 6380 3.966458 4.855989 0 22 --------------------------------------------------------------------------------> femme = 1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------age | 6369 20.91003 16.35614 0 98 etudes | 6369 2.732768 3.907078 0 20
Le tri permet galement de crer des variables constantes pour certains groupes d'observations. Si on dispose du revenu individuel de chaque individu et qu'on souhaite calculer le revenu total du mnage. Cette nouvelle variable doit avoir la mme valeur pour tous les membres d'un mme mnage. egen : La commande egen, extension de generate, permet de crer ces variables :
. sort idmen . egen revmen=total(revind), by(idmen) . list idmen idind revind revmen in 1/18 +-----------------------------------------+ | idmen idind revind revmen | |-----------------------------------------| 1. | 01009025 2. | 01009025 3. | 01009025 0100902501 0100902502 0100902503 120 132 0 252 | 252 | 252 |
4. | 01009034 0100903401 1584 2844 | 5. | 01009034 0100903402 1200 2844 | |-----------------------------------------| 6. | 01009034 0100903403 0 2844 | 7. | 01009034 0100903404 0 2844 | 8. | 01009034 0100903405 60 2844 | 9. | 01009052 10. | 01009052 11. 12. 13. 14. 15. 0100905201 0100905202 132 0 132 | 132 |
|-----------------------------------------| | 01009061 0100906101 528 660 | | 01009061 0100906102 132 660 | | 01009061 0100906103 0 660 | | 01009061 0100906104 0 660 | | 01009061 0100906105 0 660 |
Il existe beaucoup d'autres fonctions que total( ), par exemple mean( ), max( ), min( ). Pour en avoir la liste complte, consultez le fichier d'aide de la commande egen (help egen).
20
Aude Vescovo, IRD-AFRISTAT Fusionner des bases de donnes. append :
La commande append permet de fusionner "horizontalement" deux bases de donnes en ajoutant les observations de l'une l'autre. Supposons que j'ai une base de donnes avec les mnages de la commune I de Bamako et une autre base de donnes contenant les mnages de la commune II. Je veux les assembler pour ne travailler que sur une base de donnes. Alors j'utilise la commande append :
use table_CommI.dta append using table_CommII.dta
table_CommI.dta :
commune 1 1 1 1 1 strate 01 01 01 01 01 ZD 009 009 009 009 009 idmen idind m3 homme femme homme homme femme 01009025 0100902501 01009025 0100902502 01009025 0100902503 01009034 0100903401 01009034 0100903402
table_CommII.dta :
commune 2 2 2 2 2 strate 02 02 02 02 02 ZD 003 003 003 003 003 idmen idind m3 homme femme homme homme femme 02003011 0200301101 02003011 0200301102 02003011 0200301103 02003020 0200302001 02003020 0200302002
Rsultat de la commande append :

commune 1 1 1 1 1 2 2 2 2 2 strate 01 01 01 01 01 02 02 02 02 02 ZD 009 009 009 009 009 003 003 003 003 003 idmen idind 01009025 0100902501 01009025 0100902502 01009025 0100902503 01009034 0100903401 01009034 0100903402 02003011 0200301101 02003011 0200301102 02003011 0200301103 02003020 0200302001 02003020 0200302002 m3 homme femme homme homme femme homme femme homme homme femme
table_CommI
table_CommII
La command append ne ncessite pas de trier les observations. Si une variable n'existe que dans une des deux tables, par exemple dans la base table_CommI, elle figurera dans la base finale, avec des valeurs manquantes pour les observations de la commune II.
21
Aude Vescovo, IRD-AFRISTAT merge :
La commande merge permet de fusionner "verticalement" deux bases de donnes contenant des individus en commun et des variables diffrentes. Supposons que je dispose des donnes socio-dmographiques des individus dans une base de donnes, et des variables relatives l'emploi dans une autre base de donnes. Je veux les assembler en tant sure d'affecter les bonnes valeurs des variables d'emploi aux bons individus. Alors j'utilise la commande merge :
use sociodemo.dta, clear sort idind save sociodemo.dta, replace use emploi.dta, clear sort idind merge idind using sociodemo.dta
Il est ncessaire de crer le mme identifiant dans les deux bases et de trier les bases selon cet identifiant. sociodemo.dta :
idmen 01009025 01009025 01009025 01009034 01009034 idind 0100902501 0100902502 0100902503 0100903401 0100903402 m3 homme femme homme homme femme
emploi.dta :
idmen 01009025 01009025 01009025 01009034 01009034 idind 0100902501 0100902502 0100902503 0100903401 0100903402 sitac actif occup actif occup moins de 10 ans actif occup actif occup
Rsultat de la commande merge :

idmen 01009025 01009025 01009025 01009034 01009034 idind 0100902501 0100902502 0100902503 0100903401 0100903402 m3 homme femme homme homme femme sitac actif occup actif occup moins de 10 ans actif occup actif occup _merge 3 3 3 3 3
La commande merge cre automatiquement une variable nomme _merge qui vaut : - 1 si l'observation ne se trouvait que dans la base de donnes "matre" (master data), ici emploi.dta - 2 si l'observation ne se trouvait que dans la base de donnes " utiliser" (using data) - 3 si l'observation se trouvait dans les deux bases de donnes Aussi, pour s'assurer de la qualit de la fusion, il est ncessaire de regarder la distribution de la variable _m. Ici :
tabulate _merge _merge | Freq. Percent Cum. ------------+----------------------------------3 | 5 100.00 100.00 ------------+----------------------------------Total | 5 100.00
Ici les 5 observations se trouvaient dans les deux bases de donnes. Une fois la qualit de la fusion vrifier, on peut supprimer la variable _merge :
drop _merge
22
Aude Vescovo, IRD-AFRISTAT Autre exemple : sociodemo.dta :

idmen 01009025 01009025 01009034 01009034 idind 0100902502 0100902503 0100903401 0100903402 m3
femme homme homme femme
emploi.dta :
idmen 01009025 01009025 01009034 01009034 idind 0100902501 0100902502 0100903401 0100903402 sitac actif occup actif occup actif occup actif occup
Rsultat de la commande merge :

idmen 01009025 01009025 01009025 01009034 01009034 idind 0100902501 0100902502 0100902503 0100903401 0100903402 m3 . femme homme homme femme sitac actif occup actif occup . actif occup actif occup _merge 2 3 1 3 3
On vrifie la qualit de la fusion :

tabulate _merge _merge | Freq. Percent Cum. ------------+----------------------------------1 | 1 20.00 100.00 2 | 1 20.00 100.00 3 | 3 60.00 100.00 ------------+----------------------------------Total | 5 100.00
_merge prend la valeur 1 pour l'individu "0100902503". En effet, il est bien dans la base "matresse", sociodemo.dta, mais pas dans la base utilise, emploi.dta. On ignore donc sa variable de statut vis--vis de l'activit dont la valeur est manquante dansla base finale. De la mme faon, _merge prend la valeur 2 pour l'individu "0100902501". En effet, il est bien dans la base utilise, emploi.dta, mais pas dans la base "matresse", sociodemo.dta. On ignore donc sa variable de genre, dont la valeur est manquante dansla base finale. Vrifier la qualit du merge. Pensez supprimer ensuite la variable _merge
23
collapse : A UTILISER AVEC PRECAUTION La commande collapse remplace la base de donnes utilise par une table de statistiques descriptives. Supposons que la base de donnes contienne le revenu de chaque membre des mnages. Si je veux crer une base ne contenant qu'une seule ligne par mnage avec comme variable le revenu total du mnage :
. list idmen idind revind +--------------------------------+ | idmen idind revind | |--------------------------------| 1. | 01009025 0100902502 132 | 2. | 01009025 0100902503 0 | 3. | 01009025 0100902501 120 | 4. | 01009034 0100903401 1584 | 5. | 01009034 0100903402 1200 | |--------------------------------| 6. | 01009034 0100903403 60 | 7. | 01009034 0100903404 0 | 8. | 01009043 0100904302 132 | 9. | 01009043 0100904301 0 | 10. | 01009043 0100904304 0 | |--------------------------------| 11. | 01009043 0100904303 396 | +--------------------------------+ . sort idmen . collapse (sum) revind, by(idmen) . list +-------------------+ | idmen revind | |-------------------| 1. | 01009025 252 | 2. | 01009034 2844 | 3. | 01009043 528 | +-------------------+
Cette commande remplae la base de donnes initiale par une base de donnes contenant des statistiques descriptives (ici le total du revenu). Il convient donc de vrifier qu'on a bien enregistr sa base de donnes avant d'utiliser collapse. Par prudence, on lui prfre egen, qui calculera aussi le revenu total du mnage, mais en conservant toutes les observations individuelles (voir egen, dans le mme chapitre) : Attention : lorsqu'on dbute, egen est prfrable collapse
expand
La commande expand permet de dupliquer les observations :

. list +------------------+ | idind age | |------------------| 1. | 0100900701 39 | 2. | 0100901603 20 | +------------------+ . expand 3 (4 observations created) . list +------------------+ | idind age | |------------------| 1. | 0100900701 39 | 2. | 0100901603 20 | 3. | 0100900701 39 | 4. | 0100900701 39 | 5. | 0100901603 20 | |------------------| 6. | 0100901603 20 | +------------------+
24
Aude Vescovo, IRD-AFRISTAT Les variables systmes _n et _N
Une variable systme est une variable cre par Stata mais qui n'est pas prsente dans la base de donne. Elles existent ds lors qu'une base de donnes est charge dans Stata. Les deux variables systme les plus utilises sont _n et _N. _n contient le numro de l'observation courante. Par exemple, lorsqu'on utilise la commande list, des numros figurent gauche de la premire variable (en rouge ici, mais en vert dans la fentre Results) :
. list idmen idind m3
1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
+-------------------------------+ | idmen idind m3 | |-------------------------------| | 01009025 0100902501 homme | | 01009025 0100902502 femme | | 01009025 0100902503 homme | | 01009034 0100903401 homme | | 01009034 0100903402 femme | |-------------------------------| | 01009034 0100903403 femme | | 01009034 0100903404 homme | | 01009034 0100903405 femme | | 01009052 0100905201 homme | | 01009052 0100905202 femme | +-------------------------------+
Ces numros sont la valeur de la variable _n pour chaque observation. _n est donc la position de l'observation dans la base de donnes. Si je trie la base de donnes dans un autre ordre, l'individu "0100902501" n'aura plus la mme valeur de _n :
. list idmen idind m3
1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
+-------------------------------+ | idmen idind m3 | |-------------------------------| | 01009034 0100903403 femme | | 01009052 0100905201 homme | | 01009025 0100902503 homme | | 01009034 0100903405 femme | | 01009052 0100905202 femme | |-------------------------------| | 01009025 0100902502 femme | | 01009034 0100903401 homme | | 01009034 0100903402 femme | | 01009034 0100903404 homme | | 01009025 0100902501 homme | +-------------------------------+
L'individu "0100902501" a dsormais comme valeur de _n le nombre 10 car il est sur la 10me ligne de la base de donnes, alors qu'avant, il avait comme valeur de _n le nombre 1 car il tait sur la 1re ligne de la base de donnes. _n est donc le numro de la ligne de l'individu dans la base.
25
La variable _n peut galement compter les observations au sein d'un groupe, par exemple du mnage.
. sort idmen . by idmen : list idmen idind m3 -----------------------------------------------------------------------------------> idmen = 01009025 +-------------------------------+ | idmen idind m3 | |-------------------------------| 1. | 01009025 0100902501 homme | 2. | 01009025 0100902502 femme | 3. | 01009025 0100902503 homme | +-------------------------------+ -----------------------------------------------------------------------------------> idmen = 01009034 +-------------------------------+ | idmen idind m3 | |-------------------------------| 1. | 01009034 0100903401 homme | 2. | 01009034 0100903402 femme | 3. | 01009034 0100903404 homme | 4. | 01009034 0100903405 femme | 5. | 01009034 0100903403 femme | +-------------------------------+ -----------------------------------------------------------------------------------> idmen = 01009052 +-------------------------------+ | idmen idind m3 | |-------------------------------| 1. | 01009052 0100905202 femme | 2. | 01009052 0100905201 homme | +-------------------------------+
Supposons que je ne dispose que de l'identifiant du mnage. Je veux numroter les individus au sein des mnages sans rgle particulire (une rgle frquemment utiliser est d'attribuer le numro 1 au chef du mnage, mais pour l'exemple, on suppose que cela nous est gal).
. sort idmen . by idmen : gen num_individu=_n . list idmen num_individu m3 +-----------------------------+ | idmen num_in~u m3 | |-----------------------------| 1. | 01009025 1 homme | 2. | 01009025 2 femme | 3. | 01009025 3 homme | 4. | 01009034 1 homme | 5. | 01009034 2 femme | |-----------------------------| 6. | 01009034 3 homme | 7. | 01009034 4 femme | 8. | 01009034 5 femme | 9. | 01009052 1 femme | 10. | 01009052 2 homme | +-----------------------------+
26
_N contient le nombre total d'observations dans la base de donnes, c'est--dire le maximum de _n. Par exemple, dans la base de donnes ci-dessus, _N=10. De la mme faon que pour _n, _N peut tre calcul par sous-groupe, par exemple par mnage.
. sort idmen . by idmen : generate taille=_N . list idmen idind taille +--------------------------------+ | idmen idind taille | |--------------------------------| 1. | 01009025 0100902501 3 | 2. | 01009025 0100902502 3 | 3. | 01009025 0100902503 3 | 4. | 01009034 0100903401 5 | 5. | 01009034 0100903402 5 | |--------------------------------| 6. | 01009034 0100903403 5 | 7. | 01009034 0100903404 5 | 8. | 01009034 0100903405 5 | 9. | 01009052 0100905201 2 | 10. | 01009052 0100905202 2 | +--------------------------------+
Un exemple courant d'utilisation de ces deux variables (_n et _N) est la recherche et la suppression de duplications dans une base de donnes. Il arrive souvent que des erreurs dans la saisie des donnes conduisent des duplications d'observation. C'est--dire qu'un mme individu figurera deux fois dans la base de donnes. Dans certains cas, ces duplications sont nombreuses. Aussi, lorsqu'on rcupre une base de donnes, il convient de vrifier l'existence de duplications et le cas chant, de les supprimer. Si deux lignes sont strictement identiques, elles auront le mme identifiant de l'individu
. sort idind . by idind : generate dupli = cond(_N==1,0,_n)
dupli vaut 0 si si _N==1, c'est--dire si le nombre d'observations par valeur d'identifiant est gal 1, c'est-dire si un seul individu correspond un seul identifiant. Donc, dupli vaut 1 si l'individu n'est pas dupliqu. Si _N n'est pas gal 1, c'est--dire s'il est suprieur 1, cela veut dire que plusieurs observations ont le mme identifiant, par exemple _N=2 observations ont le mme identifiant. C'est--dire qu'un individu figure deux fois dans la base de donnes. Si plusieurs observations ont le mme identifiant, dupli vaut _n. Exemple :
. list +--------------------------+ | idind m3 age | |--------------------------| 1. | 0303512904 homme 6 | 2. | 0201501802 femme 35 | 3. | 0301709104 homme 25 | 4. | 0511720405 homme 1 | 5. | 0112302203 femme 13 | |--------------------------| 6. | 0201501802 femme 35 | 7. | 0201501802 femme 35 | 8. | 0511720405 homme 1 | +--------------------------+
27
Si on se penche sur la base de donnes, on s'aperoit que les lignes 2, 6 et 7 sont les mmes et que les lignes 4 et 8 sont identiques galement. C'est encore plus visible lorsqu'on trie la base selon idind :
. sort idind . list +--------------------------+ | idind m3 age | |--------------------------| 1. | 0112302203 femme 13 | 2. | 0201501802 femme 35 | 3. | 0201501802 femme 35 | 4. | 0201501802 femme 35 | 5. | 0301709104 homme 25 | |--------------------------| 6. | 0303512904 homme 6 | 7. | 0511720405 homme 1 | 8. | 0511720405 homme 1 | +--------------------------+
On cre alors la variable dupli :

. by idind : generate dupli = cond(_N==1,0,_n) . list +----------------------------------+ | idind m3 age dupli | |----------------------------------| 1. | 0112302203 femme 13 0 | 2. | 0201501802 femme 35 1 | 3. | 0201501802 femme 35 2 | 4. | 0201501802 femme 35 3 | 5. | 0301709104 homme 25 0 | |----------------------------------| 6. | 0303512904 homme 6 0 | 7. | 0511720405 homme 1 1 | 8. | 0511720405 homme 1 2 | +----------------------------------+
dupli vaut 0 lorsque l'observation est unique. dupli vaut 1 pour la premire occurrence de l'identifiant "0201501802", 2 pour la deuxime occurrence et 3 pour la troisime. De mme, dupli vaut 1 pour la premire occurrence de l'identifiant "0511720405" et 2 pour la deuxime occurrence. Pour supprimer les duplications, il suffit alors de taper :
. drop if dupli>1 (5 observations deleted) . list +----------------------------------+ | idind m3 age dupli | |----------------------------------| 1. | 0201501802 femme 35 2 | 2. | 0201501802 femme 35 3 | 3. | 0511720405 homme 1 2 | +----------------------------------+
Attention, il ne faut pas garder uniquement les observations pour lesquels dupli=0, mais bien celles pour qui dupli=0 ou dupli=1. Sinon vous supprimeriez toutes les rplications d'un individu et il disparatrait de la base.
28
Cours VI. Commandes de bases pour des statistiques descriptives
Cours VI. Commandes de bases pour obtenir des statistiques descriptives
tabulate : La commande tabulate sert calculer les frquences d'apparition des modalits d'une variable discrte :
. tabulate m14b type | enseignement | Freq. Percent Cum. ------------+----------------------------------sans educ | 6,492 50.92 50.92 fonda 1 | 3,077 24.14 75.06 fonda 2 | 1,604 12.58 87.64 Lyce Gal | 447 3.51 91.14 Lyce TP | 660 5.18 96.32 Sup | 469 3.68 100.00 ------------+----------------------------------Total | 12,749 100.00
L'option nolabel permet d'affichier la valeur des modalits plutt que leur label. L'option plot reprsente la rpartition des modalits avec des lignes d'toiles :
. tabulate m14b, plot nolabel type | enseignement | Freq. -------------+------------+----------------------------------------------------0 | 6,492 |***************************************************** 1 | 3,077 |************************* 2 | 1,604 |************* 3 | 447 |**** 4 | 660 |***** 5 | 469 |**** ------------+------------+----------------------------------------------------Total | 12,749
L'option gen est trs utile car elle permet de crer une variable indicatrice correspondant chacune des modalits. Ici, on cr 6 variables nommes niveau1, niveau2,niveau6 :
. tabulate m14b, gen (niveau)
29
La commande tabulate permet galement de crer des tableaux croiss de variables. Ici, on croise la situation dans l'activit du chef de mnage avec le quintile de revenu du mnage.
. tabulate sitac quintiles if CDM==1, row col nofreq +-------------------+ | Key | |-------------------| | row percentage | | column percentage | +-------------------+ situation | 5 quantiles of revcap activit | 1 2 3 4 5 | Total -----------+-------------------------------------------------------+---------actif | 10.17 17.36 18.90 24.44 29.13 | 100.00 occupe | 38.98 78.55 87.65 90.53 92.40 | 77.96 -----------+-------------------------------------------------------+---------chomeur | 76.81 8.70 5.80 5.80 2.90 | 100.00 BIT | 10.82 1.45 0.99 0.79 0.34 | 2.86 -----------+-------------------------------------------------------+---------chomeur | 50.00 23.33 3.33 10.00 13.33 | 100.00 decourage | 3.06 1.69 0.25 0.59 0.68 | 1.25 -----------+-------------------------------------------------------+---------inactif | 53.47 17.59 10.42 9.49 9.03 | 100.00 | 47.14 18.31 11.11 8.09 6.59 | 17.93 -----------+-------------------------------------------------------+---------Total | 20.34 17.23 16.81 21.05 24.57 | 100.00 | 100.00 100.00 100.00 100.00 100.00 | 100.00
Les options row et col indiquent qu'on souhaite voir les pourcentages en ligne et en colonne. L'option nofreq prcise qu'on ne souhaite pas voir les effectifs. La commande tabulate permet galement d'effectuer un test du 2. L'option expected permet de voir les effectifs attendus, si les variables taient indpendantes.
. tabulate sitac quintiles if CDM==1, chi2 expected +--------------------+ | Key | |--------------------| | frequency | | expected frequency | +--------------------+ situation | 5 quantiles of revcap activit | 1 2 3 4 5 | Total -----------+-------------------------------------------------------+---------actif | 191 326 355 459 547 | 1,878 occupe | 382.0 323.5 315.7 395.2 461.5 | 1,878.0 -----------+-------------------------------------------------------+---------chomeur | 53 6 4 4 2 | 69 BIT | 14.0 11.9 11.6 14.5 17.0 | 69.0 -----------+-------------------------------------------------------+---------chomeur | 15 7 1 3 4 | 30 decourage | 6.1 5.2 5.0 6.3 7.4 | 30.0 -----------+-------------------------------------------------------+---------inactif | 231 76 45 41 39 | 432 | 87.9 74.4 72.6 90.9 106.2 | 432.0 -----------+-------------------------------------------------------+---------Total | 490 415 405 507 592 | 2,409 | 490.0 415.0 405.0 507.0 592.0 | 2,409.0 Pearson chi2(12) = 597.1354 Pr = 0.000
L'hypothse nulle du test du 2 est l'indpendance des deux variables. Ici on a moins de 1 chance sur 1000 de se tromper en rejetant H0. Donc on la rejette. Les variables sont significativement dpendantes.
30
Aude Vescovo, IRD-AFRISTAT table
La commande table sert crer des tableaux de statistiques descriptives. Ici, on cre une table contenant, pour chaque croisement de la situation dans l'activit et du genre, la moyenne du revenu individuel.
. table m3 sitac, contents (mean revind) -----------------------------------------------------------| situation dans activit genre | 1 2 3 4 5 ----------+------------------------------------------------homme | 362.5652 150.6192 253.1582 229.9465 191.8583 femme | 295.5595 177.4115 157.0455 240.8907 208.6397 ------------------------------------------------------------
summarize La commande summarize sert calculer des statistiques descriptives d'une variable continue (vue prcdemment).
mean La commande mean calcule la moyenne d'une variable, l'erreur type et l'intervalle de confiance de l'estimation de la moyenne. L'option over permet de faire les calculs sparment sur des groupes :
. mean revind, over(m3) Mean estimation homme: m3 = homme femme: m3 = femme -------------------------------------------------------------Over | Mean Std. Err. [95% Conf. Interval] -------------+-----------------------------------------------revind | homme | 389.0121 21.99022 345.9079 432.1162 femme | 121.5222 8.247381 105.3561 137.6883 -------------------------------------------------------------Number of obs = 12748
total La commande total calcule le total d'une variable

. total unite poids Total estimation Number of obs = 12749
-------------------------------------------------------------| Total Std. Err. [95% Conf. Interval] -------------+-----------------------------------------------unite | 12749 0 . . poids | 1142483 5766.12 1131181 1153786 -------------------------------------------------------------. total unite [pw=poids] Total estimation Number of obs = 12749 -------------------------------------------------------------| Total Std. Err. [95% Conf. Interval] -------------+-----------------------------------------------unite | 1142483 0 . . --------------------------------------------------------------
31
Aude Vescovo, IRD-AFRISTAT ratio
La commande ratio calcule le ratio entre deux variable

. ratio actif/PAT Ratio estimation Number of obs = 12749 _ratio_1: actif/PAT -------------------------------------------------------------| Linearized | Ratio Std. Err. [95% Conf. Interval] -------------+-----------------------------------------------_ratio_1 | .5562444 .0052749 .5459048 .5665839 --------------------------------------------------------------
Cette commande donne le mme rsultat que

. mean actif if PAT==1
Les graphiques dans Stata On prsente ici quelques commandes permettant de dessiner des graphiques. Stata dispose d'un menu graphique qui vite de programmer les commandes graphiques et leurs options. Ce menu est trs pratique car les options "esthtiques" sont trs nombreuses (couleurs, police,). Par exemple, la commande histogram reprsente l'histogramme d'une variable (catgorielle ou continue).
. histogram m14b if m17==2 & age>=7, discrete
.6 Density 0 .2 .4
2 type enseignement
Au prix de la commande ci-dessous, trs longue et incomprhensible, on peut dessiner des graphiques trs travaills. Pour de tels graphiques, il est donc prfrables d'utiliser le menu.
histogram m14b if age>=7 & m17==2, discrete fcolor(eltgreen) lcolor(dkgreen)/* */ ytitle(Frquence, size(small) color(dkgreen)) ylabel(, tlcolor(dkgreen) /* */ labcolor(dkgreen) labsize(medsmall)) xtitle(Niveaux d'ducation, size(small) /* */ color(dkgreen)) xlabel( 0 "Non scolariss" 1 "Fondamental 1" 2 "Fondamental 2"/* */ 3 "Lyce gnral" 4 "Lyce tech. et prof" 5 "Suprieur" , noticks labels /* */ valuelabel tlcolor(dkgreen) labcolor(dkgreen) angle(forty_five) /* */ labsize(medsmall)) title(, size(medium) color(dkgreen)) /* */ subtitle(,color(dkgreen)) by(femme, title(Education Bamako en 2001, /* */ size(medium) color(dkgreen)) subtitle(, size(small) color(dkgreen)) /* */ note(Individus de 7 ans et plus ayant fini leur scolarit, /* */ size(vsmall)color(dkgreen)) legend(off))
32
Education Bamako en 2001

Hommes
.6
Femmes
Frquence
.2
.4
sc ol ar Fo is nd s am en Fo ta nd l1 am en Ly ta c l2 e Ly g c n e te ra ch l .e tp ro f Su p rie ur
Niveaux d'ducation
Individus de 7 ans et plus ayant fini leur scolarit
La commande quantile reprsente les quantiles de la distribution d'une variable continue et ceux de la distribution uniforme. La commande qnorm reprsente les quantiles de la distribution et les compare ceux de la loi normale. La commande graph box reprsente un box-plot La commande scatterplot reprsente un nuage de points La commande kdensity reprsente la densit de Kernel de la distribution d'une variable La commande lowess lisse une distribution La commande graph twoway reprsente une fonction quelconque dfinie par (x,y)
Sauver un graphique :
graph save "Distribution des revenus.gph", replace
sc ol ar Fo is nd s am en Fo ta nd l1 am en Ly ta c l2 e Ly g c n e te ra ch l .e tp ro f Su p rie ur
No n
No n
33
Cours VII. La prcision: poids, plan de sondage et bootstrap
Cours VII. La prcision dans Stata : poids, plan de sondage et bootstrap
Il existe 4 types de poids dans Stata : - fweights, pour frequency weights. Ils indiquent le nombre d'individus reprsents par une observation. Ils doivent tre entiers. - pweights, les poids d'chantillonnage, ou coefficients d'extrapolation, inverses des probabilits d'inclusion. - aweights, pour analytic weights. Ils s'utilisent quand les observations reprsentent des moyennes et le poids reprsente le nombre d'lments ayant servi calculer ces moyennes. Ils ne changent pas la valeur de la moyenne calcule, mais l'erreur-type, la prcision, car il tient compte du fait que chaque observation est dj issu d'une estimation. - iweights, pour importance weights. Ils indiquent une importance relative des observations. Ils n'ont pas de dfinition statistique. Les commandes qui supportent les iweights dfinissent prcisment le traitement fait. En fait ils sont utiliss par les programmeurs de commandes. On prcise le type de poids dans la commande :
[by varlist] : command [varlist] [=exp] [if exp] [weights] [,options]
. summarize age [aw=poids] Variable | Obs Weight Mean Std. Dev. Min Max -------------+----------------------------------------------------------------age | 12749 1142483.45 21.07993 16.97981 0 98
. mean age [pw=poids] Mean estimation Number of obs = 12749
-------------------------------------------------------------| Mean Std. Err. [95% Conf. Interval] -------------+-----------------------------------------------age | 21.07993 .1703419 20.74604 21.41383 --------------------------------------------------------------
. summarize age [iw=poids] Variable | Obs Weight Mean Std. Dev. Min Max -------------+----------------------------------------------------------------age | 12749 1142483.45 21.07993 16.97915 0 98
. summarize revcap [fw=taille1] if CDM==1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------revcap | 12749 255.352 819.6166 0 60000
Tous les types de poids ne sont pas disponibles avec toutes les commandes. Pour connatre le type de poids support par la commande, il faut regarder dans le fichier d'aide.
34
Cours VII. La prcision: poids, plan de sondage et bootstrap
L'utilisation des poids d'chantillonnage se fait l'aide de pweight. Cependant un calcul sans biais de la prcision des indicateurs calculs ncessite d'utiliser d'autres informations du plan d'chantillonnage : les strates, les units primaires de sondage dans un sondage deux degrs,. Il faut donc donner toutes ces informations Stata. Le plan d'chantillonnage se dfinit par la commande svyset :
svyset ZD [pw=poids], strata(strate)
Une fois le plan de sondage dfini, le prfixe svy permet d'effectuer des estimations en estimant correctement la prcision : svy : mean, svy : total, svy : ratio, svy : regress La variance des totaux, moyenne et autres statistiques peut tre estime l'aide de plusieursm thodes : la linarisation de la variance, le bootstrap, le jackknife, la mthode des BRR (Balanced Repeated Replications). Il est possible de dcrire des plans de sondage trs complexes, comme 5 degrs, stratifis tous les degrsPlusieurs exemples sont prsents dans le fichier d'aide de svyset. Pour effacer le plan de sondage :
svyset, clear
Lorsqu'on dispose de peu d'information sur le plan de sondage (ou dans le cas de modles conomtriques, qu'on doute de l'homoscdasticit du modle ou qu'on suppose un mauvais calcul des erreurs-type) la mthode de bootstrap peut tre utile. Largement rpandue aujourd'hui, elle a l'avantage de suivre un principe "universel". Le bootstrap consiste tirer avec remise R chantillons de mme taille que lchantillon initial. L'estimateur, quel qu'il soit, est calcul chaque itration. La prcision de l'estimateur bootstrap est estime par la variance des R estimateurs. Le prfixe bootstrap permet de faire des rplications bootstrap d'une estimation. Par dfaut, Stata effectue 50 rplications. Ici, on lui demande d'en faire 100.
. bootstrap, reps(100) : mean age (running mean on estimation sample) Bootstrap replications (100) ----+--- 1 ---+--- 2 ---+--- 3 ---+--- 4 ---+--- 5 .................................................. .................................................. Mean estimation Number of obs Replications
50 100 = = 12749 100
-------------------------------------------------------------| Observed Bootstrap Normal-based | Mean Std. Err. [95% Conf. Interval] -------------+-----------------------------------------------age | 21.69896 .1716595 21.36251 22.0354 --------------------------------------------------------------
35
Cours VIII. Le modle linaire dans Stata
Supposons qu'on tudie les dterminants du revenu. On commence par tudier des corrlations. La commande correlate calcule le coefficient de corrlation entre deux variables
. correlate age revind etudes (obs=12748) | age revind etudes -------------+--------------------------age | 1.0000 revind | 0.2109 1.0000 etudes | 0.2544 0.1598 1.0000
Il apparat que le revenu individuel (activits principale et secondaire et autres revenus) est corrl positivement l'ge et au nombre d'annes d'tudes russies. Pour savoir si cette corrlation est significative, on peut procder un test de nullit du coefficient de la corrlation, l'aide de la commande pwcorr et de son option sig :
. pwcorr age revind etudes, sig | age revind etudes -------------+--------------------------age | 1.0000 | revind | 0.2109 1.0000 | 0.0000 | etudes | 0.2541 0.1598 1.0000 | 0.0000 0.0000
Les corrlations (revenu, ge) et (revenu, tudes) sont toutes les deux significatives. (La corrlation entre l'ge et les tudes aussi). On moins de 1 chance sur 1000 de se tromper en affirmant que le coefficient de corrlation est diffrent de 0. On dit que le coefficient de corrlation entre le revenu et le nombre d'annes d'tudes est de 25,4% et qu'il est significatif au seuil de 1. significativit = 0.000 significatif au seuil de 1 significativit < 0.010 significatif au seuil de 1% significativit < 0.050 significatif au seuil de 5% significativit < 0.100 significatif au seuil de 10%
Le revenu dpend de plusieurs variables en mme temps. La corrlation nous permet de tester les varaibles explicatives une par une, mais pas ensemble. Le modle linaire, ou modle des moindres carrs ordinaires permet d'estimer l'effet d'un facteur sur la variable d'intrt, "toute chose gale par ailleurs", c'est--dire en maintenant les autres variables constantes, leur moyenne pour les varaibles continues,
36
leur valeur dite de rfrence pour les variables catgorielles. Il est prfrable de choisir la cargorie la plus reprsente come catgorie de rfrence. Pour pouvoir assumer que les coefficients de la MCO sont non-biaiss, cest--dire que la valeur prdite par lestimateur converge vers la valeur dans la population, on doit faire lhypothse que les 4 conditions suivantes sont respectes dans notre chantillon : 1. Les paramtres suivent une fonction linaires : y = 0 + 1x + u 2. Lchantillon est identiquement et indpendamment distribu (iid). 3. Lesprance du terme derreur sachant x est gale zro. E (u/x) = 0 4. Pas de multicolinarit exacte entre les varaibles explicatives x. La commande regress permet d'estimer un modle par les moindres carrs ordinaires. Ici on cherche expliquer le revenu de l'activit principale par le genre, l'ge et son carr, et le niveau d'tudes. ON a choisi le niveau "sans ducation" comme modalit de rfrence.
. regress lrevAPh femme age age2 nived2 nived3 nived4 nived5 nived6 Source | SS df MS -------------+-----------------------------Model | 1616.0648 8 202.0081 Residual | 3564.32398 3867 .921728466 -------------+-----------------------------Total | 5180.38877 3875 1.33687452 Number of obs F( 8, 3867) Prob > F R-squared Adj R-squared Root MSE = = = = = = 3876 219.16 0.0000 0.3120 0.3105 .96007
-----------------------------------------------------------------------------lrevAPh | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------femme | -.3826071 .0321178 -11.91 0.000 -.4455765 -.3196378 age | .0958512 .0053997 17.75 0.000 .0852647 .1064378 age2 | -.0009373 .0000689 -13.59 0.000 -.0010724 -.0008021 nived2 | .0557579 .0427996 1.30 0.193 -.0281541 .1396699 nived3 | .2882051 .0465887 6.19 0.000 .1968644 .3795458 nived4 | .525106 .0889622 5.90 0.000 .3506888 .6995233 nived5 | .837949 .0573946 14.60 0.000 .7254225 .9504756 nived6 | 1.203702 .0653987 18.41 0.000 1.075483 1.331921 _cons | -3.905688 .1016011 -38.44 0.000 -4.104885 -3.706491 ------------------------------------------------------------------------------
Stata retourne les coefficients estims, leur erreur standard et l'intervalle de confiance (en bleu). Les colonnes t et P>|t|, en vert, reprsentent les rsultats des tests de nullit des coefficients (test de Student). H0 : le coefficient est nul. Pour la variable nived2 (niveau fondamental 1), P>|t|=0.193, il y a 19% de chance de se tromper en rejetant H0. Donc on ne la rejette pas. On dit alors que le coefficient de nived2 n'est pas significativement diffrent de 0, ou encore plus simplement qu'il n'est pas significatif. Gnralement, on tablit 3 seuils en dessous desquels on considre qu'un coefficient est significatif : 1% d'erreur, 5% d'erreur et 10% d'erreur. Tous les autres coefficients sont significatifs au seuil de 1% P>|t|=0.000 significatif au seuil de 1 P>|t|<0.010 significatif au seuil de 1% P>|t|<0.050 significatif au seuil de 5% P>|t|<0.100 significatif au seuil de 10% Le R2 (en rouge) reprsente la part de la variabilit du revenu esplique par le modle. Ici, 31,2% de la varaibilit du revenu est explique par le genre, l'ge et les tudes. Cette mesure peut augmenter
37
artificiellement lorsqu'on ajoute des varaibles explicatives, mais si celle-ci n'explique pas la variable dpendante. Aussi, il est d'usage de lui prfrer le R2 ajust. Ici ils sont proches car il y a peu de variables explicatives dans notre modle. La commande outreg2 permet de crer un fichier de rsultat qu'on pourra ouvrir dans Word.
outreg2 using "MCO.doc", bdec(3,3,3) adec(3) nor2 addstat(R2a,e(r2_a))
L'option bdec permet de prciser le nombre de dcimales de coeffiients, l'option nor2 prcise qu'on ne veut pas que le R2 apparaisse, l'option addstat permet de demander que d'autres statistiques apparaissent, ici le R2 ajust. L'option adec prcise le nombre de dcimales des statistiques supplmentaires, donc ici du R2 ajust. On obtient alors aisment un tableau de la forme (en utilisant la fonction convertir un texte en tableau dans Word) : lrevAPh -0.383*** (0.032) age 0.096*** (0.005) age2 -0.001*** (0.000) nived2 0.056 (0.043) nived3 0.288*** (0.047) nived4 0.525*** (0.089) nived5 0.838*** (0.057) nived6 1.204*** (0.065) Constant -3.906*** (0.102) Observations 3876 R2a 0.311 Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1 femme
38
Annexe 1. Quelques fonctions utiles de Stata
Quelques fonctions
Fonctions mathmatiques
abs(x) exp(x) log(x) max(x1,x2,...,xn) min(x1,x2,...,xn) round(x,y) sqrt(x) sum(x)
retourne la valeur absolue de x. retourne l'exponentielle de x. retourne le logarithme de x si x>0. retourne le maximum de x1, x2, ..., xn. retourne le minimum de x1, x2, ..., xn. retourne x arrondi l'unit de y. retourne la racine carre de x si x > 0. retourne la somme cumule de x, traitant les valeurs manquantes comme des 0.
Distributions et densits
binomial(n,k,p)
retourne la probabilit d'au moins k succs en n tirages avec une probabilit de succs chaque tirage de p. retourne la fonction de rpartition de la loi normale standard. retourne la fonction de densit de la loi normale standard.
normal(z) normalden(z)
Gnrations de nombres alatoires

uniform( )
retourne des nombres uniformment distribu sur l'intervalle [0,1].
des nombres normalement distribu, de moyenne 0 et d'cart-type 1. Ces fonctions n'ont pas d'arguments mais il est ncessaire de mettre les parenthses.
invnormal(uniform( ))retourne
Chane de caractres
length(s) string(n) substr(s,n1,n2)
retourne la longueur de la chaine de caratre s. convertir n en une chane de caractre
retourne une partie d'une chane de caractre s. Elle extrait la partie allant du n1me caractre au (n1+n2)me caractre inclus. Si n2 n'est pas renseign, elle retourne tous les caractres se trouvant droite de n1, n1 compris.
generate s2=substr("CSPouvrier", 4, 7) generate s3=substr("CSPouvrier", 4)
Alors s2=s3="ouvrier"
39
Fonctions utiles en programmation

cond(x,a,b)
retourne a si la condition x est vrifier, b si elle ne l'est pas
generate femme=1 if m3==2 replace femme=0 if m3==1
peut s'crire en une ligne

generate femme=cond(m3==2,1,0)
retourne la valeur 1 (la valeur vraie) si z appartient lal iste des autres arguments de la fonction (a, b, ). Sinon elle retourne 0. Le nombre d'arguments peut tre compris entre 2 et 255 pour des rels et entre 2 et 10 pour des chanes de caractres.
inlist(z,a,b,...) inrange(z,a,b) r(name)
retourne la valeur 1 (vraie) si a < z < b, 0 sinon. Elle retourne 0 si z est manquant
contient la valeur d'un rsultat sauv
. summarize revcap, detail revcap ------------------------------------------------------------Percentiles Smallest 1% 0 0 5% 0 0 10% 17.45455 0 Obs 12749 25% 56.57143 0 Sum of Wgt. 12749 50% 75% 90% 95% 99% 132 250.6 477.72 741 2160 Largest 18484 18484 27864 60000 Mean Std. Dev. Variance Skewness Kurtosis 255.352 819.6166 671771.4 38.65029 2411.216
. gen ligne2=0.5*r(p50)
Pour connatre la liste des rsultats de l commandes, on tape :

return list e(sample)
retourne la valeur 1 si l'observation a t utilise dans l'chantillon d'estimation de la commande prcdente.

Number of obs F( 3, 3872) Prob > F R-squared Adj R-squared Root MSE = = = = = = 3876 366.78 0.0000 0.2213 0.2207 1.0207
. regress lrevAPh femme age age2 Source | SS df MS -------------+-----------------------------Model | 1146.38086 3 382.126953 Residual | 4034.00791 3872 1.04184089 -------------+-----------------------------Total | 5180.38877 3875 1.33687452
-----------------------------------------------------------------------------lrevAPh | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------femme | -.4861283 .0336211 -14.46 0.000 -.5520451 -.4202116 age | .1177752 .0056444 20.87 0.000 .1067089 .1288415 age2 | -.0011868 .0000722 -16.43 0.000 -.0013284 -.0010452 _cons | -4.055482 .1065508 -38.06 0.000 -4.264383 -3.846582 -----------------------------------------------------------------------------. gen R2=e(r2) . display R2 .22129244
Pour connatre la liste des rsultats d'estimation, on tape :

ereturn list
40

Cours Stata Complet

Transféré par

Droits d'auteur :

Formats disponibles

Cours Stata Complet

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Stata Complet

Transféré par

Droits d'auteur :

Formats disponibles

Aude Vescovo, IRD-AFRISTAT

Cours I. Prise en main du logiciel

Cours I. Prise en main du logiciel

Aude Vescovo, IRD-AFRISTAT 3. Les fentres

Cours I. Prise en main du logiciel

Aude Vescovo, IRD-AFRISTAT 4. Types de fichiers

Cours I. Prise en main du logiciel

Pour affecter un label une variable, on utilise la commande :

ado (dj vu)

Aude Vescovo, IRD-AFRISTAT 5. Commencer travailler La mmoire :

Cours I. Prise en main du logiciel

Ici, une mmoire de 100 Mo est alloue.

ou, si on n'a pas cr de rpertoire de travail :

Il se ferme en tapant la commande

Ouvrir une base de donnes

Aude Vescovo, IRD-AFRISTAT

Cours I. Prise en main du logiciel

Stata va essayer de lire la ligne

Aude Vescovo, IRD-AFRISTAT

Cours II. Pricipes de syntaxe dans Stata

Cours II. Principes de syntaxe dans Stata

Aude Vescovo, IRD-AFRISTAT

Cours II. Pricipes de syntaxe dans Stata

Si on veut excuter la commande seulement sur les femmes de la commune III :

Aude Vescovo, IRD-AFRISTAT

Cours II. Pricipes de syntaxe dans Stata

. gener CDM=1 if m5==1 . g CDM=1 if m5==1

Il en est de mme pour les noms des variables . summarize etudes en

On peut taper de faon plus concise :

Aude Vescovo, IRD-AFRISTAT

Cours III. Dcrire les donnes

Cours III. Dcrire les donnes

Aude Vescovo, IRD-AFRISTAT codebook :

Cours III. Dcrire les donnes

h3==mv --> ap13a1==mv ap2==mv --> ap13a1==mv

Aude Vescovo, IRD-AFRISTAT more :

Cours III. Dcrire les donnes

Pour ractiver cette option :

Aude Vescovo, IRD-AFRISTAT

Cours IV. Crer des variables

Cours IV. Crer des variables

replace : La commande replace sert remplacer la valeur d'une variable dj existante

rename : La commande rename sert renommer une variable.

Cours IV. Crer des variables

Aude Vescovo, IRD-AFRISTAT

Cours IV. Crer des variables

La commande decode fait l'opration inverse.

drop : La commande drop sert supprimer : - des variables :

order : La commande order sert ordonner les variables de la base :

destring : La commande destring transforme une variable alphanumrique en variable numrique

tostring : Transforme une variable numrique en variable alphanumrique

Aude Vescovo, IRD-AFRISTAT Les valeurs manquantes dans Stata :

Cours IV. Crer des variables

Vrification d'une condition Par exemple, si je construis la variable

Valeurs manquantes en argument de fonction :

Aude Vescovo, IRD-AFRISTAT Les boucles

Cours IV. Crer des variables

Aude Vescovo, IRD-AFRISTAT

Cours V. Structure des bases de donnes