Curs de intrducción a Stata Jrdi Muñz (UAB) Curs de intrducción a STATA Jrdi Muñz Departament de Ciència Plítica Universitat Autònma de Barcelna (jrdi.munz@uab.cat) http://gent.uab.cat/jmunz/cntent/curs-stata 1
Curs de intrducción a Stata Jrdi Muñz (UAB) Sesión 1: Intrducción a STATA. Inspección de dats Pr qué usar Stata? SPSS, Stata R? Ptencia Dificultad de us Preci Us priritari SPSS Alta Baja* Muy alt Stata Muy alta Media Medi/Alt R Máxima Alta Gratuit Dcencia / prfesinal Investigación aplicada Investigación básica y aplicada Menús sintaxis? En ls paquetes de análisis de dats pdems trabajar de ds mds: meidante un sistema de menús y ventanas, mediante la sintaxis (escribiend nstrs misms ls cmands que debe ejecturar el prgrama). En este curs usarems una cmbinación de ambs métds. Sin embarg, el trabaj cn sintaxis a pesar de la curva de aprendizaje más prnunciada, tiene ventajas: Replicabilidad. Es fundamental en la investigación científica y cada vez más las revistas académicas exigen ls archivs de sintaxis para la publicación de ls artículs. Eficiencia. En cndicines reales de trabaj cntinuad, el us de la sintaxis representa un increment expnencial de nuestra eficiencia. Cntrl. La psibilidad de cntrl, detección de errres y trabaj clabrativ se incrementa enrmemente cuand usams la sintaxis. Ventanas de Stata Stata se rganiza en diversas ventanas que ns aprtan infrmación y ns permiten realizar distintas peracines. Las principales ventanas en Stata sn las siguientes: 2
Curs de intrducción a Stata Jrdi Muñz (UAB) Línea de cmand Ns permite escribir las órdenes que querems que ejecute el prgrama. Es un de ls principales mecanisms de relación del usuari hacia el prgrama. Results En esta ventana apareceran ls resultads de ls cmands que vayams ejecutand. En esta ventana es dnde el prgrama respnde a nuestras órdenes. Review Esta ventana va archivand las órdenes que vams escribiend en la línea de cmand. Est es muy útil ya que ns permite repetir cn facilidad peracines ya realizadas, recuperar cmands para intrducir pequeñas mdificacines, y archivar l que hayams hech durante una sesión de trabaj en Stata. Variables Esta ventana ns muestra una lista de las variables que cntiene nuestra base de dats, así cóm sus etiquetas. Est ns permite seleccinarlas (mediante un dbre clic) para usarlas en nuestrs cmands sin necesidad de memrizar escribir ls nmbres de tdas ellas. 3
Curs de intrducción a Stata Jrdi Muñz (UAB) Explradr/editr de dats Esta ventana ns muestra nuestra base de dats. La pdems abrir cn ds funcines: editr navegadr. En la primera la pdrems mdificar mientras que en la segunda n será necesari. Es util generalmente para inspeccinar nuestra base de dats y ver que infrmación tenems y cóm está rganizada, aunque habitualmente n la usarems. 4
Curs de intrducción a Stata Jrdi Muñz (UAB) D-file editr Esta ventana en realidad es un editr de texts simple, similar al blc de ntas de windws, en el que pdrems crear, mdificar, abrir y ejectuar archivs de sintaxis de Stata. Lg viewer La ventana de resultads graba sól una pequeña parte de ls resultads que va prduciend el prgrama, así que si querems cnservar tds ls resultads de nuestra sesión de trabaj debems abrir un archiv lg, que pdrems ver y cpiar desde esta ventana. Ayuda La ventana de ayuda (que abrims mediante el menú mediante la rden help en la línea de cmand ns frece ayuda sbre tds ls cmands y funcines de stata Menús Cm cualquier prgrama windws, mediante ls menús de la parte superir de la pantalla, pdems abrir multitud de cuadrs de diálg que ns permitirán realizar una parte sustancial de ls prcedimients de Stata. Sin embarg, en la mayría de ls cass, utilizarems la sintaxis y ls menús serán sól subsidiaris. Tips de archivs básics en Stata: Dats (.dta) Ls dats que utilizarems en stata ls guardarems en frmat.dta, que es el frmat prpi de Stata. De tds mds, Stata tiene la capacidad de imprtar dats en muy diverss frmats (Excel, SPSS, ASCII, CSV, etc) así que cn un pc de trabaj pdrems abrir la mayría de las bases de dats. 5
Curs de intrducción a Stata Jrdi Muñz (UAB) Sintaxis (.d) Ls archivs de sintaxis se guardan en frmat d, y pr es ls cncems cóm dfiles. En realidad sn mers archivs de text que pdems editar en múltiples prgramas, per ns sirven para cnservar la sintaxis de nuestr trabaj. Output (.lg) Si querems cnservar ls resultads l pdems hacer en un lg file. Pdems elegir ds tips, aunque el más recmendable es.lg, que n tiene frmat y ns garantiza cmpatibilidad cn trs editres de texts. Extensines (.ad) Sn un de ls punts fuertes de Stata. Ls usuaris, cn relativa facilidad, pueden escribir funcines y cmands nuevs y distirbuirls gratuitamente. De este md, la ptencia del prgrama se multiplica, ya que allí dnde la distribución ficial n llega, sí l hacen ls usuaris. Durante el curs aprenderems a buscar e instalar archivs ad que ns permitiran realizar funcines que n vienen pr defect en el prgrama. Recurss para usuaris de Stata Stata es un prgrama de us extendid, cn l cual dispnems de múltiples fuentes de ayuda que, cuand sepams utilizar, ns van a permitir aprender cn rapidez nuevs prcedimients y pder realizar peracines nuevas. Ests recurss ls usarems cnstantemente, per durante el prces de aprendizaje inicial van a resultar especialmente útiles. Ayuda de Stata: estructura básica La ayuda de stata es el primer recurs que utilizarems nrmalmente. La pdems abrir desde el menú ayuda desde la línea de cmands usand la rden help. Cada cmand de Stata tiene su archiv de ayuda asciad, que tienen nralmente la estructura siguiente: Title: Títul del archiv de ayuda Syntax: sintaxis básica del cmand Optins: pcines que acmpañan al cmand. Nrmalmente, cada cmand tiene asciadas sus pcines que ns permiten flexibilidad en l que le pedims al prgrama. Menu: Ns indica, si existe, cual es la ruta en el sistema de menús que ns lleva al mism cmand. Descriptin: Describe brevemente el cntenid del cmand y l que realiza Optins: Una descripción más detallada de las pcines del cmand Examples: Ejempls de utilización de ls cmands, nrmalmente aplicads a unas bases de dats de muestra que vienen cn Stata. Es la parte más útil de la aydua ya que pdems ver, en la práctica, cóm se aplican las diversas psibilidades del cmand. Saved results: Cada vez que realizams una peración en Stata, éste guarda en su memria ls resultads, de tal md que pdams llamarls para usarls en peracines sucesivas. En este apartad de la ayuda se ns indica qué resultads guarda el prgrama tras cada cmand. Manual de Stata Stata dispne de un muy buen manual en diverss vlúmenes temátics. Cn el prgrama viene una versión en frmat.pdf, que pdems cnsultar desde el menú help PDF dcumentatin. El manual tiene muchísima infrmación, y cuand ns habituams a su estructura, pdems aprender muchísim usándl. Lista de crre http://www.stata.cm/statalist/ Las dudas que n pdams reslver cn la ayuda el manual, siempre las pdems cnsultar a ls trs usuaris de Stata mediante la lista de crre. De tds mds, es muy prbable que alguien haya tenid ya la misma duda antes, así que antes de escribir a la lista es muy recmendable cnsultar si ya ha sid resuelt anterirmente. UCLA http://www.ats.ucla.edu/stat/stata/ 6
Curs de intrducción a Stata Jrdi Muñz (UAB) UCLA dispne de una web cn abundante infrmación, muy bien explicada y rganizada, sbre aspects muy diverss relacinads en el us de Stata, desde manuales hasta vídes. Navegand pr su web encntrarems infrmación sbre la mayría de prblemas que tengams. www.stata.cm La web de Stata Crp. También resulta de gran utilidad. Tiene un apartad de supprt cn enlaces, FAQs y una sección especialmente útil llamada Visual verview fr creating graphs, que verems en su mment. San Ggle Cm cn (casi) td en la vida, si ns queda alguna duda, siempre se la pdems preguntar a ggle: las prbabilidades de que ns la resuelva sn muy altas. Manuales Existen muchs manuales de Análisis de dats cn Stata que pdems cnsultar. En http://www.stata.cm/bkstre/ están referenciads la mayría de ells. Alguns de ls más útiles pueden ser ls siguientes: Mdest Escbar Mercad, Enrique Fernández Macías, and Fabrizi Bernardi Análisis de dats cn Stata Centr de Investigacines Scilógicas, Cuaderns Metdlógics Philip H. Pllck III A Stata Cmpanin t Plitical Analysis, 2nd Editin CQ Press 2011 La sintaxis de Stata: elements básics Cm ya hems dich, en este curs usarems de md preferente la sintaxis para relacinarns cn Stata. Antes de empezar a ver ejempls de cmands básics, cnviene hacer una pequeña intrducción sbre ls elements generales a tener en cuenta sbre la sintaxis de Stata: Stata habla inglés Aunque de entrada ns pueda parecer cmplej, el lenguaje cn el que ns relacinarems cn Stata es sencill puest que, en l esencial, es inglés. Así, si querems un resumen de una variable le direms al prgrama summarize, si querems una tabla, tabulate, si querems una regresión regress, y así sucesivamente. En cas de duda, siempre pdems prvar. Y distingue mayúsculas y minúsculas! Estructura básica de la sintaxis Ls cmands en Stata tienen una estructura básica cmún, que pdems resumir del siguiente md: cmand variables subgrups, pcines En tras palabras: primer escribirems el nmbre de la acción que querems que realice el prgrama, seguid de las variables a las que querems que se aplique esta rden. Opcinalmente aquí pdems especificar las bservacines a las que querems aplicar la rden (pr defect se aplican a tda la base de dats) y tras una cma especificarems las pcines del cmand que necesitems. Abreviacines en stata Una característica muy útil de Stata per que al principi puede prvcar alguna cnfusión, es que ls cmands, pcines y nmbres de variables se pueden abreviar. La nrma general es que se permite una abreviación tan crta cm sea psible para identificar sin ambigüedad el cmand, pción variable. Pr es es habitual ver sintaxis de stata en las que el cmand summarize se substituye pr sum, tabulate pr tab, la variable gender pr gend, etc. 7
Curs de intrducción a Stata Jrdi Muñz (UAB) Múltiples variables Otra característica útil del lenguaje de Stata es que mediante el sign * pdems aplicar una rden a un cnjunt de variables que cmpartan un prefij. Adicinalmente, separand ls nmbres de ds variables cn un guión -, aplicarems el cmand a tdas las variables cmprendidas entre ambas. D-files Cuand escribams d-files, existen una serie de símbls que ns resultarán muy útiles: Cmentaris: en nuestrs archivs de sintaxis, es cnveniente intrducir numerss cmentaris para recrdarns l que estams haciend cuand retmems el trabaj. Pr supuest, n querems que Stata lea ests elements, que sól tienen carácter infrmativ para nstrs misms. Para es, pdems usar ls siguientes símbls: Un asterisc (*) al principi de la línea, cnvierte tda la línea en un cmentari (representad en verde) El símbl /* abre un cmentari y */ l cierra Salts de línea: Tres /// le dicen a Stata que el rest de la línea es un cmentari y que el cmand sigue en la línea de abaj. Inspección de dats Más adelante verems cóm imprtar a Stata dats en frmats diverss, y cm abrir archivs desde la línea de cmands. De mment,abrirems en Stata un archiv de dats usand el menú, cm cn cualquier tr prgrama de windws. Una vez tenems abiert el archiv de dats que ns interese, pdems empezar a trabajar cn él. La primera tarea a realizar será la inspección de ls dats. A cntinuación presentams alguns de ls cmands que ns permitiran realizar una inspección básica de nuestra base de dats. Brwse El cmand brwse ns permite abrir la ventana de explración de dats. Si escribims brwse en la línea de cmands, sin especificar nada más, verems la base de dats cmpleta. Si, en cambi, querems restringir la inspección a un cnjunt de variables (u bservacines) sól tenems que aplicarl. Summarize El cmand summarize ns prprcina infrmación básica sbre las variables que ns interesen (númer de bservacines (sin cntar ls cass perdids), media, desviación típica, mínim y máxim. Más adelante verems más pcines de este cmand. Tabulate En cas de variables categóricas, de cadena, la rden summarize n funcinará ns aprtará infrmación insuficiente inaprpiada. Pr ell, usarems el cmand tabulate, para generar tablas de frecuencias que ns infrmarán de la distribución de la variable elegida. Pr defect, ns muestra cuants cass hay en cada categría, el prcentaje que representan y el prcentaje acumulad. Tab1: Si querems aplicar el cmand tabulate a más de una variable, debems utilizar la variante tab1. Est evitará que Stata intente hacer tablas multidimensinales (de las que hablarems en su mment). Nlabel: Cuand la variable cn la que trabajams esté etiquetada, el prgrama ns enseñará pr defect las etiquetas en lugar de ls valres. Si querems saber a qué valr crrespnen las distintas categrías, pdems especificar la pción, nlabel después del cmand tabulate. 8
Curs de intrducción a Stata Jrdi Muñz (UAB) Describe El cmand describe ns prprcina infrmación sbre la(s) variable(s) espeficicadas, cm el tip de variable, el frmat en el que está guardada, su nmbre y etiqueta. Es útil para resumir un cnjunt de variables de nuestra base de dats. Inspect Inspect es un cmand que prduce mini-histgramas de las variables, útil para ver rápidamente su distribución Cdebk cdebk es un cmand más cmplet que describe aunque precisamente pr ese mtiv, ls resultads que genera sn mens cmpacts. Prduce abundante infrmación sbre la varibale, ls valres que tma, el rang, ls cass perdids, etc. List list es un cmand de inspección de cass, que ns muestra ls valres de las variables especificadas para ls cass que escjams. Si n especificams que variables querems, pr defect ns mstrará ls valres de tdas las variables, igual que para ls cass. Si trabajams cn encuestas n es un cmand muy útil prque n tenems interés en ls cass particulares per si nuestra base de dats fuese, pr ejempl, de países de municipis, entnces sí ns interesaría. Lkfr A menud trabajarems cn bases de dats grandes, cn numersas variables en las que puede resultar difícil rientarns. Un cmand muy útil para encntrar las variables que buscams, explrar el cntenid de una base de dats (siempre que esté bién etiquetada) es el cmand lkfr, que funcina cm una rden de búsqueda en ls nmbres y etiquetas de las variables. Subgrups Stata pr defect aplicará tdas las órdenes a tds ls cass de la base de dats. Sin embarg, a menud ns interesará trabajar sl cn una submuestra de ells, ya sea pr raznes substantivas de cnveniencia para realizar cálculs y transfrmacines. Existen diversas instruccines para precisar a que parte de ls dats aplicar cada rden. If if es la instrucción principal para definir subgrups. Usand if tras un cmand aplicarems la rden anterir sól al subgrup definid pr la expresión lógica que precisems: se realizará la peración sól para aquells cass que cumplan la cndición definida pr la expresión lógica. Cm if trabaja cn peradres lógics, se trata de un mecanism muy ptente que ns permite definir casi cualquier tip de subgrup que pdams necesitar. Así pdems hacer referencia a valres de la misma variable a la que estems aplicand la rden u tras variables de la base de dats. Pdems cmbinar cndicines de diverss mds. Operadres lógics en stata & y! n ~ n > mayr que < menr que >= mayr igual <= menr igual que == igual!= n igual ~= n igual 9
Curs de intrducción a Stata Jrdi Muñz (UAB) Diferencia entre = y == en stata Un errr frecuente en stata es cnfundir el us del peradr aritmétic = cn el lógic ==. Así, cuand querams expresar una igualdad lógica deberems usar el dbre sign de igual (==) mientras que el simple (=) l reservams para peracines aritméticas. Cn la práctica irems viend en que cntexts se usa un u tr. In Si en lugar de definir una expresión lógica querems aplicar la rden a un grup de bservacines definid pr su númer de psición en la base de dats, usarems la expresión in en lugar de if. Para indicar entre que bservacines querems aplicar la rden usarems ls númers de rden separads pr una barra / By By sirve, n para filtrar ls cass cm if, sin para segmentar la ejecución de la rden y hacerl pr ls grups definids pr la variable que acmpañe a by. El peradr by es un de ls pcs elements en Stata que rmpe cn la estructura básica de la sintaxis, puest que se escribe delante del cmand y n después cm el rest. Así, escribirems by variable (variable2) : cmand Bysrt By requiere que la base de dats esté rdenada pr la(s) variables(s) que usems, pr ecnmía cmputacinal. A menud est n es así, y entnces tenems ds pcines: rdenar previamente la base de dats usand la instrucción srt, cmbinar ambas instruccines en un sl cmand usand el cmand bysrt, que se usa exactamente igual que by. Valres perdids Prácticamente siempre nuestrs dats serán incmplets. Es decir: tendrems bservacines para las cuales n dispndrems de tda la infrmación de tdas las variables. En ess cass hablams de cass perdids valres perdids. Cn Stata pdems trabajar cn ells de diverss mds. Tips:.a,.b, etc Stata representa ls valres perdids cn un punt (.) De este md, el prgrama sabe que aquella celda es un valr perdid y que n debe cnsiderarl en sus cálculs. De tds mds, si querems distinguir entre diferentes tips de cass perdids (n aplicable/ n sabe/ n cntesta, etc) pdems usar una letra después del punt.a,.b, etc. Así, pdems definir hasta 27 tips de valres perdids. Inspección: la pción,missing Pr defect, cuand le pedims a Stata una tabla de frecuencias de una variable, mite ls valres perdids. Est, que en general resulta útil, a veces puede n interesarns, puest que pueden cntener infrmación interesante. Asi, cuand pidams una tabla de frecuencias cn el cmand tabulate, si añadims al final del cmand la pción, missing el prgrama cnsiderará y ns mstrará también ls cass perdids. Definición Para definir valres perdids usarems ls cmands de recdificación que verems en la próxima sesión, dand el valr. (.a, etc.) a la variable. Tips de variables Stata trabaja cn distints tips de variables, de mment vams a fijarns en las ds grandes categrias de variables que pdems encntrar: numéricas y de text de cadena. Para saber qué tip de variable es cada una, pdems usar el cmand describe, ver la ventana prperties si la tenems abierta. Numéricas Las variables numéricas en stata ns permiten realizar la mayría de peracines nrmales, y en el cas que sean variables categóricas, pdems asciar etiquetas de 10
Curs de intrducción a Stata Jrdi Muñz (UAB) valr a las diferentes categrias de la variable. Existen distints tips de variables numéricas, de mment sól ns interesa cncerls e identificarls: byte, int, lng, flat, duble Cadena ( string ) Las variables de cadena (denminadas pr Stata str) cntienen text y n númers, cn l cual el tip de peracines que pdrems realizar cn ellas es limitad. 11