Stata：定制论文中表1-table1

文摘教育 2024-11-12 22:01 山西

👇 连享会 · 推文导航 | www.lianxh.cn

🍎 Stata：Stata基础 | Stata绘图 | Stata程序 | Stata新命令
📘 论文：数据处理 | 结果输出 | 论文写作 | 数据分享
💹 计量：回归分析 | 交乘项-调节 | IV-GMM | 时间序列 | 面板数据 | 空间计量 | Probit-Logit | 分位数回归
⛳ 专题：SFA-DEA | 生存分析 | 爬虫 | 机器学习 | 文本分析
🔃 因果：DID | RDD | 因果推断 | 合成控制法 | PSM-Matching
🔨 工具：工具软件 | Markdown | Python-R-Stata
🎧 课程：最新专题 | 计量专题 | 关于连享会

🍓 课程推荐：2024 机器学习与因果推断专题
主讲老师：司继春 (上海对外经贸大学) ；张宏亮（浙江大学）
课程时间：2024 年 11 月 9-10 日；16-17日
课程咨询：王老师 18903405450（微信）

课程特色 · 2024机器学习与因果推断：

懂原理、会应用。本次课程邀请了两位老师合作讲授，目的在于最大限度地实现理论与应用的有机结合。为期四天的课程，分成两个部分：第一部分讲解常用的机器学习算法和适用条件，以及文本分析和大语言模型；第二部分通过精讲 4-6 篇发表于 Top 期刊的论文，帮助大家理解各类机器学习算法的应用场景，以及它们与传统因果推断方法的巧妙结合。
以 Top 期刊论文为范例。目前多数人的困惑是不清楚如何将传统因果推断方法与机器学习结合起来。事实上，即便是 MIT 和 Harvard 的大牛们也都在「摸着石头过河」。为此，通过论文精讲和复现来学习这部分内容或许是目前最有效的方式了。张宏亮老师此前在浙江大学按照这一模式教授了「因果推断和机器学习」课程，效果甚佳：学生们能够逐渐建立起研究设计的理念，并在构造识别策略时适当地嵌入机器学习方法。

作者：姜昊 (华东师范大学)
邮箱：HaoJiang0204@outlook.com

温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码，直达原文：

1. 命令介绍
2. 案例介绍
3. 相关推文

1. 命令介绍

table1_mc 是 Phil Clayton 编写的外部命令，用于为论文制定一个特征性事实描述的表格。

* 命令安装
ssc install table1_mc, replace

* 命令语法
table1_mc [if] [in] [weight], vars(var_spec) [options]
var_spec = varname vartype [%fmt1 [%fmt2]] [ \ varname vartype [%fmt1 [%fmt2]] \ ...]

默认情况下，table1_mc 会输出指定变量的基线特征结果。var_spec 用于指定的变量集合，其中：

varname：指定单个变量，若进行多个变量的分析需要用反斜杠 \ 隔开；
vartype：指定描述变量的类型，且不可省略，否则代码报错。具体包括以下 7 种变量类型：

contn：用于服从正态分布的连续变量，返回均值和标准误；
contln：用于服从对数正态分布的连续变量，返回几何平均值和几何标准误；
conts：用于不服从正态分布与对数正态分布的连续变量，返回中位数与上下四分位数；
cat：类别变量，采用 Pearson 卡方检验组别差异；
cate：类别变量，采用 Fisher 精确检验组别差异；
bin：二分类变量，采用 Pearson 卡方检验组别差异；
bine：二分类变量，采用 Fisher 精确检验组别差异；

%fmt1：变量结果输出格式设定，参考 format 的输出语法；
%fmt2：变量其他结果输出格式设定，参考 format 的输出语法。

options 如下：

by(varname)：分组变量，且 varname 必须是字符串或者数字，并且仅包含非负整数，无论是否增加值标签；
missing：对于 cat 和 cate 的类别变量，将缺失值视为一个新的类别；
test：结果包括描述显著性检验的方法；
statistic：结果包括描述检验统计量值的列；
percent：报告二 (多) 分类变量在所属组别的比重；
percent_n：以 %(n) 格式报告二 (多) 分类变量在所属组别的比重与个数；
slashN：以 n/N 替代 n (%) 的格式报告二 (多) 分类变量在所属组别的统计内容；
catrowperc：报告多分类变量在不同组别的行百分比；
pdp(#)：设定值小数位数；
saving(filename [, export_excel_options])：设定输出到 Excel 中的文件名与其他选项；
clear: 将 Stata 内存数据集用 table1_mc 结果替换。

2. 案例介绍

为了进一步直观感受各个选项的作用，下文将选取汽车数据 (auto.dta) 进行案例演示。具体地，按照汽车是否属于国产 (用 foreign 变量衡量)，分别对服从正态分布的 weight、服从对数正态分布的 price、不服从正态分布与对数正态分布的 mpg、多分类变量 rep78 和二分类变量 much_headroom 进行分析。

. sysuse auto, clear
. generate much_headroom = (headroom>=3)
. table1_mc, by(foreign) vars(weight contn %5.0f \ price contln %5.0f %4.2f /// 
>     \ mpg conts %5.0f \ rep78 cate \ much_headroom bin) onecol nospace

  +--------------------------------------------+
  | factor               N_0   N_1   m_0   m_1 |
  |--------------------------------------------|
  | Weight (lbs.)         52    22     0     0 |
  |--------------------------------------------|
  | Price                 52    22     0     0 |
  |--------------------------------------------|
  | Mileage (mpg)         52    22     0     0 |
  |--------------------------------------------|
  | Repair record 1978    48    21     4     1 |
  |--------------------------------------------|
  | much_headroom         52    22     0     0 |
  +--------------------------------------------+
   N_ ... #records used below,   m_ ... #records not used
 
  +--------------------------------------------------------------+
  |                      Domestic        Foreign         p-value |
  |--------------------------------------------------------------|
  |                      N=52            N=22                    |
  |--------------------------------------------------------------|
  | Weight (lbs.)        3317 (695)      2316 (433)      <0.001  |
  |--------------------------------------------------------------|
  | Price                5534 (×/1.50)   5959 (×/1.44)    0.46   |
  |--------------------------------------------------------------|
  | Mileage (mpg)        19 (17-22)      25 (21-28)       0.002  |
  |--------------------------------------------------------------|
  | Repair record 1978                                   <0.001  |
  |    1                 2 (4%)          0 (0%)                  |
  |    2                 8 (17%)         0 (0%)                  |
  |    3                 27 (56%)        3 (14%)                 |
  |    4                 9 (19%)         9 (43%)                 |
  |    5                 2 (4%)          9 (43%)                 |
  |--------------------------------------------------------------|
  | much_headroom        35 (67%)        8 (36%)          0.014  |
  +--------------------------------------------------------------+
Data are presented as mean (SD) or geometric mean (×/geometric SD) or 
median (IQR) for continuous measures, and n (%) for categorical measures.

增加 missing 选项，则变量 rep78 的缺失值被识别为新的类别。

. table1_mc, by(foreign) vars(weight contn %5.0f \ price contln %5.0f %4.2f ///
>     \ mpg conts %5.0f \ rep78 cate \ much_headroom bin) onecol nospace missing

  +--------------------------------------------+
  | factor               N_0   N_1   m_0   m_1 |
  |--------------------------------------------|
  | Weight (lbs.)         52    22     0     0 |
  |--------------------------------------------|
  | Price                 52    22     0     0 |
  |--------------------------------------------|
  | Mileage (mpg)         52    22     0     0 |
  |--------------------------------------------|
  | Repair record 1978    52    22     0     0 |
  |--------------------------------------------|
  | much_headroom         52    22     0     0 |
  +--------------------------------------------+
   N_ ... #records used below,   m_ ... #records not used
 
  +--------------------------------------------------------------+
  |                      Domestic        Foreign         p-value |
  |--------------------------------------------------------------|
  |                      N=52            N=22                    |
  |--------------------------------------------------------------|
  | Weight (lbs.)        3317 (695)      2316 (433)      <0.001  |
  |--------------------------------------------------------------|
  | Price                5534 (×/1.50)   5959 (×/1.44)    0.46   |
  |--------------------------------------------------------------|
  | Mileage (mpg)        19 (17-22)      25 (21-28)       0.002  |
  |--------------------------------------------------------------|
  | Repair record 1978                                   <0.001  |
  |    1                 2 (4%)          0 (0%)                  |
  |    2                 8 (15%)         0 (0%)                  |
  |    3                 27 (52%)        3 (14%)                 |
  |    4                 9 (17%)         9 (41%)                 |
  |    5                 2 (4%)          9 (41%)                 |
  |    Missing           4 (8%)          1 (5%)                  |
  |--------------------------------------------------------------|
  | much_headroom        35 (67%)        8 (36%)          0.014  |
  +--------------------------------------------------------------+
Data are presented as mean (SD) or geometric mean (×/geometric SD) 
or median (IQR) for continuous measures, and n (%) for categorical measures.

增加 test 选项，每行结果后增加了显著性检验的方法。

. table1_mc, by(foreign) vars(weight contn %5.0f \ price contln %5.0f %4.2f ///
>     \ mpg conts %5.0f \ rep78 cate \ much_headroom bin) onecol nospace missing test

  +--------------------------------------------+
  | factor               N_0   N_1   m_0   m_1 |
  |--------------------------------------------|
  | Weight (lbs.)         52    22     0     0 |
  |--------------------------------------------|
  | Price                 52    22     0     0 |
  |--------------------------------------------|
  | Mileage (mpg)         52    22     0     0 |
  |--------------------------------------------|
  | Repair record 1978    52    22     0     0 |
  |--------------------------------------------|
  | much_headroom         52    22     0     0 |
  +--------------------------------------------+
   N_ ... #records used below,   m_ ... #records not used
 
  +-----------------------------------------------------------------------------------+
  |                  Domestic        Foreign         Test                     p-value |
  |-----------------------------------------------------------------------------------|
  |                  N=52            N=22                                             |
  |-----------------------------------------------------------------------------------|
  | Weight (lbs.)    3317 (695)      2316 (433)      Ind. t test              <0.001  |
  |-----------------------------------------------------------------------------------|
  | Price            5534 (×/1.50)   5959 (×/1.44)   Ind. t test, logged data  0.46   |
  |-----------------------------------------------------------------------------------|
  | Mileage (mpg)    19 (17-22)      25 (21-28)      Wilcoxon rank-sum         0.002  |
  |-----------------------------------------------------------------------------------|
  | Repair record 1978                               Fisher's exact           <0.001  |
  |    1             2 (4%)          0 (0%)                                           |
  |    2             8 (15%)         0 (0%)                                           |
  |    3             27 (52%)        3 (14%)                                          |
  |    4             9 (17%)         9 (41%)                                          |
  |    5             2 (4%)          9 (41%)                                          |
  |    Missing       4 (8%)          1 (5%)                                           |
  |-----------------------------------------------------------------------------------|
  | much_headroom    35 (67%)        8 (36%)         Chi-square                0.014  |
  +-----------------------------------------------------------------------------------+
Data are presented as mean (SD) or geometric mean (×/geometric SD) or median (IQR) for 
continuous measures, and n (%) for categorical measures.

增加 statistic 选项，每行结果后增加了检验统计量值。

. table1_mc, by(foreign) vars(weight contn %5.0f \ price contln %5.0f %4.2f ///
>     \ mpg conts %5.0f \ rep78 cate \ much_headroom bin) onecol nospace missing test statistic

  +--------------------------------------------+
  | factor               N_0   N_1   m_0   m_1 |
  |--------------------------------------------|
  | Weight (lbs.)         52    22     0     0 |
  |--------------------------------------------|
  | Price                 52    22     0     0 |
  |--------------------------------------------|
  | Mileage (mpg)         52    22     0     0 |
  |--------------------------------------------|
  | Repair record 1978    52    22     0     0 |
  |--------------------------------------------|
  | much_headroom         52    22     0     0 |
  +--------------------------------------------+
   N_ ... #records used below,   m_ ... #records not used
 
  +-----------------------------------------------------------------------------------------------+
  |                 Domestic       Foreign        Test                     Statistic      p-value |
  |-----------------------------------------------------------------------------------------------|
  |                 N=52           N=22                                                           |
  |-----------------------------------------------------------------------------------------------|
  | Weight (lbs.)   3317 (695)     2316 (433)     Ind. t test              t(72)=  6.25   <0.001  |
  |-----------------------------------------------------------------------------------------------|
  | Price           5534 (×/1.50)  5959 (×/1.44)  Ind. t test, logged data t(72)= -0.74    0.46   |
  |-----------------------------------------------------------------------------------------------|
  | Mileage (mpg)   19 (17-22)     25 (21-28)     Wilcoxon rank-sum        Z= -3.10        0.002  |
  |-----------------------------------------------------------------------------------------------|
  | Repair record 1978                            Fisher's exact           N/A            <0.001  |
  |    1            2 (4%)         0 (0%)                                                         |
  |    2            8 (15%)        0 (0%)                                                         |
  |    3            27 (52%)       3 (14%)                                                        |
  |    4            9 (17%)        9 (41%)                                                        |
  |    5            2 (4%)         9 (41%)                                                        |
  |    Missing      4 (8%)         1 (5%)                                                         |
  |-----------------------------------------------------------------------------------------------|
  | much_headroom   35 (67%)       8 (36%)        Chi-square               Chi2(1)=  6.08  0.014  |
  +-----------------------------------------------------------------------------------------------+
Data are presented as mean (SD) or geometric mean (×/geometric SD) or median (IQR) for continuous
measures, and n (%) for categorical measures.

增加 saving 选项将结果保存至指定位置，并利用 clear 选项将 Stata 内存中数据用输出结果替换。

. table1_mc, by(foreign) vars(weight contn %5.0f \ price contln %5.0f %4.2f ///
>     \ mpg conts %5.0f \ rep78 cate \ much_headroom bin) onecol nospace    ///
>     missing test statistic saving("Table 1.xlsx", replace) clear
file Table 1.xlsx saved

3. 相关推文

Note：产生如下推文列表的 Stata 命令为：
lianxh 统计, m
安装最新版 lianxh 命令：
ssc install lianxh, replace

专题：Stata入门

25常见种误区：P值、置信区间和统计功效

专题：Stata命令

Stata：描述性统计分析新命令-dstat

专题：Stata资源

在线统计课本分享：online-statistics-book

专题：数据处理

Stata数据处理：清洗中国城市建设统计年鉴
Stata：变量非重复值统计-distinct
Stata：mtab2-将二维统计表存储为矩阵
滚动吧统计量！Stata数据处理
Stata数据处理：统计组内非重复值个数

专题：Stata绘图

常用科研统计绘图工具介绍

专题：结果输出

Stata结果输出：addest自己定制输出的统计量
Stata结果输出-addest：自己添加统计量
baselinetable命令：论文基本统计量表格输出到Excel和Word
sumup：快速呈现分组统计量
Stata：一文搞定论文表1——基本统计量列表

专题：回归分析

抛弃p值？经济显著性与统计显著性

专题：机器学习

Lasso：拉索中如何做统计推断

🍓 课程推荐：2024 机器学习与因果推断专题
主讲老师：司继春 (上海对外经贸大学) ；张宏亮（浙江大学）
课程时间：2024 年 11 月 9-10 日；16-17日
课程咨询：王老师 18903405450（微信）

尊敬的老师 / 亲爱的同学们：

连享会致力于不断优化和丰富课程内容，以确保每位学员都能获得最有价值的学习体验。为了更精准地满足您的学习需求，我们诚挚地邀请您参与到我们的课程规划中来。请您在下面的问卷中，分享您 感兴趣的学习主题或您希望深入了解的知识领域 。您的每一条建议都是我们宝贵的资源，将直接影响到我们课程的改进和创新。我们期待您的反馈，因为您的参与和支持是我们不断前进的动力。感谢您抽出宝贵时间，与我们共同塑造更加精彩的学习旅程！https://www.wjx.cn/vm/YgPfdsJ.aspx# 再次感谢大家宝贵的意见！

New！ Stata 搜索神器：lianxh 和 songbl GIF 动图介绍
搜：推文、数据分享、期刊论文、重现代码 ……
👉 安装：
. ssc install lianxh
. ssc install songbl
👉 使用：
. lianxh DID 倍分法
. songbl all

🍏 关于我们

连享会 ( www.lianxh.cn，推文列表) 由中山大学连玉君老师团队创办，定期分享实证分析经验。
直通车： 👉【百度一下：连享会】即可直达连享会主页。亦可进一步添加「知乎」,「b 站」,「面板数据」,「公开课」等关键词细化搜索。

http://mp.weixin.qq.com/s?__biz=Mzk0MDI1NTgyOQ==&mid=2247581453&idx=3&sn=93b7a37d9157321aa76c6a8beec65520

连享会

连玉君老师团队分享，主页：lianxh.cn。白话计量，代码实操；学术路上，与君同行。