CFPS和CHARLS数据库分析技巧大指南
欢迎投稿(荐稿)计量经济圈，计量相关都行
邮箱：econometrics666@sina.cn
编辑: @计量经济圈(ID: econometrics666);来源: 统计学和量化研究 公众号;计量经济圈社群有相关数据库。
在这里讲的数据分析和商业中用到的数据不同，不是那种用Excel表格汇总出来的数据，而是一个一个个体的数据，是通过抽样方法，从一个大的总体（population）中抽取出来的样本数据。这种数据，是学术研究中经常会用到的，通常会由若干个库和模块组成，通过一定的途径进行合并，加权。在清理之后建模，来分析、处理自己的问题。
常用的抽样数据有很多，比如作为截面数据代表的“中国综合社会调查（China General Social Survey）”，作为面板数据（追踪数据）代表的“中国家庭追踪调查（China Family Panel Studies）”。还有一些比较时间比较长的数据，比如，北卡罗来纳大学所做的“中国健康与营养追踪调查（China Health and Nutrition Survey）”，北师大做的“中国家庭收入调查（China Household Income Projects）”等等。
数据很多，而且数据库越来越庞杂，所以用起来不是那么轻松。这就需要有一定的途径去了解这些数据的用法。
今天，开始给大家介绍中国家庭追踪调查的数据（CFPS）分析方法。数据的官网是：http://www.isss.edu.cn/cfps/。关于数据的一切介绍，可以通过官网来了解，在本文中不再赘述。
1.注册和登录
CFPS数据是北京大学中国社会科学调查中心负责实施的，2008、2009年分别进行了两次试调查，之后从2010年开始正式调查。形式为追踪调查，根据每个受访者的信息，形成问卷并进一步编码为数据库。
如何获得数据？需要使用自己单位所用的邮箱，比如后缀分别为“edu”、“org”、“gov”这种，机构邮箱很容易验证通过审核，大概在两三个工作日之内。由于数据是北大主持实施的，所以北大的学生可以直接通过校内门户进行登录，非常简洁。之后就是在数据中心下载数据。
2.获得数据
登陆进去之后，可以得到数据列表。如下图：
在这时候，我们就可以下载所需的数据了。每期的数据都分成五个库，并附有stata和SAS两种数据格式。其实格式都无所谓，现在绝大多数的统计软件功能都是想通的，互相转化数据格式也是比较简便的。在这里，我们以stata格式的数据（.dta）为例进行介绍。
a)社区问卷数据库 SAS格式（下载） STATA格式（下载）
b)家庭关系数据库 SAS格式（下载） STATA格式（下载）
c)家庭问卷数据库 SAS格式（下载） STATA格式（下载）
d)成人问卷数据库 SAS格式（下载） STATA格式（下载）
e)少儿问卷数据库 SAS格式（下载） STATA格式（下载）
得到的数据如下：
需要注意的是，CFPS的用户手册和使用说明是一定要提前研究的，这些文件，对于数据使用非常有帮助。这里面，需要仔细阅读的，包括：电访问卷和面访问卷、抽样设计、编码规则、家庭关系库的分解与匹配、权重设计等等。这些材料有助于我们理解整个数据在抽样过程中如何设计样本框、如何实施抽样方案、如何实施质量监控以及最后数据产品的产出。
3.数据分析
CFPS的数据分析是非常重要的部分，应该会分成几个部分介绍。关于CFPS数据的分析，我应该不会特别侧重某个库来介绍，而是整体上如何处理变量，如何加权以及如何匹配不同的库。
3.1 数据清理
当我们看到CFPS问卷的第一眼，直觉上，我们会立即懵掉：这个问卷太复杂了，涉及到了太多的条件和跳转，稍微一不留神就有可能把某个条件忽略掉。这是为什么呢？因为数据采集时候，采用的主要是CAPI系统，也就是计算机辅助面访技术：被访者在回答问题的时候，是利用的计算机问卷程序，在机器里，跳转和逻辑都是自动的，不需要解释；但落实到纸面上的问卷的时候，就会显得异常复杂。所以，我们需要首先搞懂问卷中的内在逻辑，然后再逐次分析。在这里，我不面面俱到地介绍所有的变量，仅取一些比较有代表性的变量来举例。
数据清理的第一个问题，就是如何处理缺失值。在这里，所列举的数据仅仅是因为其形式有代表性而使用，并不一定探究其实际意义。
我使用的素材是CFPS2010年的社区库，也就是“村居问卷”的数据。
第一题：如何使用循环
我们看A部分（基础设施），A3题-您村/居地界内是否有以下设施？【可多选】此题目有15个选项，对应数据中ca3_s_1- ca3_s_15十五个选项。可以看出，在这里，我们直觉上可以判断，多选题被编码成多元单选题，也就是每个选项对应一个二分类的题目“是”和“否”。但是否是这样呢？
接下来，我们看，每个变量是如何编码的，比较常用的方法是codebook这个命令，即：codebook ca3_s_1- ca3_s_15。空间有限，我只选择两个变量的编码书来表示。
这个结果很出乎意料，它并不是一个多元单选题，而是一个多元多选题，而且，里面还出现了负数，这个负数是什么鬼？所以，我们需要把每个变量里面每个单一的元素“择（zhai二声）”出来。
先讲一个比较笨的方法，但通常不会出错误的。上代码：
gen new1=.
replace new1=1 if ca3_s_1==1
replace new1=1 if ca3_s_2==1
...
replace new1=1 if ca3_s_15==1
label var new1 "商店"
这样是否大功告成了？非也，我们还需要重复这个过程15遍。上面的命令，我们已经写了17条，再写15遍（共255条，太吓人），岂不是要把人累死？所以，肯定会有简单的方法。循环语句也就正好为此准备。
这个过程，实际上涉及到了两重循环：第一重，生成从1到15的新变量；第二重，每个值都询问了15次，因此每个新变量都要替换15次值。所以，我们要用两次循环才可以。
第一次：
forval i=1/15{
gen new`i'=.
label var new`i' "这是第`i'个选项"
}
第二次：
forval i=1/15{
replace new1=1 if ca3_s_`i'==1
}
把以上第二次循环重复15次。
...
读者可能又要问：这样命令算下来，同样仍然有49行之多（将大括号｛｝所占位置作为单独一行），那么，有没有最简便的？
方法都是为懒人准备的，所以一定会有的。请看下面代码：
forval j=1/15{
gen f`j'=0
label var f`j' "有第`j'项设施的村子"
forval i=1/15{
replace f`j'=1 if ca3_s_`i'==`j' & ca3_s_`i' !=.
}
}
*
/*注释：这其中有两层关系：
1.每个题目都有15个选项
2.共问了15次
所以，在操作时，需要考虑将每个新生成项分别替换：
例如：
f1=0，替换f1=1 if ca3这个选项中15个子问题均为1；
f2=0，替换f2=1 if ca3这个选项中15个子问题均为2；
...
f15=0，替换f15=1 if ca3这个选项中15个子问题均为15.
由此可以推测出：
f1-f15是第一层关系；ca3这15个选项是第二层关系，即子关系。
设置循环时候，需要考虑两层。*/
其实，仔细看来，CFPS数据库中，大多数的变量都是同样如此，需要非常复杂的逻辑操作，这时候，使用循环语句会带来意想不到的效果，非常节省时间。
第二题：缺失值设定及重新编码
我们继续往下看，A301题目中开始询问：上述这15种设施，在村子里有多少个？我们从数据中的ca301_a_2，即“幼儿园”开始看起。
同样，首先是codebook
发现存在“不适用=-8”这个值。一般来说，编码规则中，不适用和无应答等缺失值通常会被编码为“-8”或者“-9”，我们在分析数据时候，切记要看清楚每个变量的数据标签的含义，不然容易犯错误。
第二步就是tabulate一下这个变量，看一下不同值的频次以及有多少个频次（通常这应用于类别变量或者分类较少的定距变量，分类较多的定距变量--连续变量需要采用其他的分析方法）。
可以看出不同类别的分布和频数统计。由上面可以知道，不适用=-8，所以，在这里，缺失值是310个。
处理方法：编码成缺失值
recode ca301_a_2 (-8=.),gen(newvar)
或者：recode ca301_a_2 (-8=.)；二者皆可。
此外，出于不同的研究目的，我们还可以把不同的值再重新编码，以下仅供测试：
recode ca301_a_2 (-8=0)（1/5=1）(6/10=2)(12/30=3),gen(newvar)
然后，就可以给变量加上label以及不同值的标签。
label var newvar "for trial"
label define trial 0"none" 1 "one" 2"two" 3"three"
label value newvar trial
这样，再进行tab，就可以看到新的变量。这个可以下来试一试，比较简单，都是套路性的编码方法。
3.数据分析
CFPS的数据分析是非常重要的部分，应该会分成几个部分介绍。关于CFPS数据的分析，我应该不会特别侧重某个库来介绍，而是整体上如何处理变量，如何加权以及如何匹配不同的库。
3.1数据清理
第三题：如何数清家里的人数？
在使用CFPS这种大型的数据库的时候，我们时常会为复杂的家庭关系而头疼。为什么这么说呢？首先，就是数据库中设置的家庭成员数量非常多，这体现在“家庭成员关系库”中，就是个人、父母、配偶及子女的数量及变化；第二，就是家庭中直系亲属与非直系亲属、同住家庭成员与不同住家庭成员等等的区分。
根据2010年问卷中，家庭成员问卷对全部家庭成员进行了分类，并分别归拢到T1、T2、T3表当中。（。问卷链接：http://www.isss.edu.cn/cfps/wd/wj/2010wj/）如下图所示：
T1表是同住家庭成员表，其中：编码为1**的成员为与家庭有血缘/婚姻/领养关系的成员，包括岳父母/继父母/外甥孙/侄子孙等。这部分人可能会进入T2表。另外，编码为 3**的成员为与家庭没有血缘/婚姻/领养关系的成员，如保姆、司机、勤杂人员、临时借住人员等，这些人是不进入表 T2，也不会有个人问卷的成员。这部分人包括是否“同灶吃饭”，也就是是否发生了经济关系，由此判定是否属于家庭成员以及是否属于直系家庭成员。
承上文，T2表是针对“同住”直系亲属关系制定的统计表格；而T3表，则是针对“不同住”直系亲属制定的表格。家庭中，个人编码也从2开头，为2**。
了解了家庭关系问卷的结构，那么，问题又重新回来：如何计算家庭成员数量？在这里，我们以子女数量作为代表来进行演示：
素材：家庭成员问卷对应的数据
范围：对于子女所在的10条（可能的）记录。
变量：code_a_c1- tb5_siops_a_c10
我们根据“孩子`i'是否健在”来进行梳理（`i'≤10），健在记为1，反之记为0。下文即命令：
use cfps2010famconf_report_nat092014,clear /*打开数据*/
keep code_a_c1- tb5_siops_a_c10
接下来，生成新的子女目标变量：
forval i=1/10{
recode alive_a_c`i' (1=1)(0=0)(else=.),gen(new`i')
label var new`i' "trial"
}
统计一下人数：
egen childsize=rowtotal(new1- new10)
看一下子女数量的分布：
这样，就可以得到子女数量。同样，如果家庭成员的问卷结构依次法进行设计的话，都可以这样进行计算。比如，在“成人库”中，兄弟姐妹数量这个变量就是通过此法进行计算的。
最后，还要再加一句。CFPS为了用户的使用方便，已经在各个子库中清理出了若干公共变量，比如家庭规模（familysize），收入，父母出生年份，最高学历等等诸多变量。这些变量都是可以直接拿来使用的。
第四题：如何实现长宽数据的转换？
长数据转变为宽数据，一般用reshape命令。言归正传，咱们仍然以家庭库中的子女数量部分的问题为例子进行阐释。
素材：家庭成员问卷对应的数据
范围：对于子女所在的10条（可能的）记录。
变量：code_a_c1- tb5_siops_a_c10
我们根据“孩子`i'是否健在”来进行梳理（`i'≤10），健在记为1，反之记为0。下文即命令：
use cfps2010famconf_report_nat092014,clear /*打开数据*/
keep code_a_c1- tb5_siops_a_c10
上文直接copy过来。在这里，我们保留了与子女有关的全部变量，这些变量为一个10次的循环，角标也从1到10。这种结构非常适合转换的演示。
上图所示为第一个孩子的所有信息，除了尾巴上为第二个孩子的变量。这也说明，每个孩子的一组变量都是相同的，唯一的不同体现在角标上。因此，也预示着我们在使用reshape命令时候，只要保存主要变量名即可。
我们通过（粗糙的）命令，可以大致得出整体的结果。
gen newid=_n
reshape long code_a_c bio_c t_c pid_c tb2_a_c tby_a_c tbm_a_c ///
tbb_a_c tba_a_c alive_a_c tb3_a_c tb4_a_c tb6_a_c tb604_a_c tb60_a_c ///
tb602acode_a_c co_c td7_a_c td7spcode_a_c td8_a_c tb5_code_a_c tb50_a_c ///
tb5_isco_a_c tb5_isei_a_c tb5_siops_a_c, i(newid)
结果：（有对齐强迫症的朋友自动忽略下一段...）
Data wide -> long
-----------------------------------------------------------------------------
反之，用reshape wide即可进行反向的转化。可用help文档进行查看。
今天介绍一下常用的数据库，它是来自北大的CHARLS数据（网址：http://charls.pku.edu.cn/zh-CN）。顾名思义，这个追踪调查得到的是一个关于健康与养老方面的panel数据。
这个数据其实分成了两个部分：第一个是主干的追踪调查，从2011年基期开始，经过2013年、2015年调查，在全国范围内已经进行了三期（前两期的预调查不具备全国推断的能力）；第二个是2014年的生命历程数据，这个数据采用了回溯性的调查方法，对老年人的生命历程中的若干事件进行了回顾。由于个体ID和村居、社区等层面的ID都有，且保持了一致，所以匹配时候也比较方便。
有过大型数据库分析经历的朋友肯定对这些库的复杂性深有体会，那么，怎样能够更简便地操作这些数据库呢？答案是。。。没有捷径。除非在熟悉数据的情况下，直接copy别人的命令脚本。
但是呢，有一条路是每个人都可以走的，那就是熟能生巧。因为这些数据库都会有一个内在的逻辑，掌握了他们的逻辑，分析起来就游刃有余。无他，但手熟尔。
很久以前的上次，介绍过中国家庭追踪调查的数据（CFPS），感兴趣的朋友可以翻一翻看看那个，由于是在公众号运行的早期，木有很好地排版什么的，不美观。所以，这次的CHARLS就稍微给它略施粉黛，排一排版。
另外呢，介绍顺序稍微打乱一下，从数据的结构讲起。
Part I 数据结构
CHARLS的数据结构可以用一个词来形容：复杂。如果再用一个词形容，那就是：简单。
为什么用自相矛盾的词呢？因为逻辑结构。CHARLS数据主要采用了模块式的调查方法，从基本信息，到家庭信息、健康状况、医疗保险、个人和家庭的收支财务、工作退休、住房等几个模块。每个模块都对应了相应的ID等变量。
在这个小文章里，我以2015年追踪数据为例，对数据结构进行展示。从2015年的问卷中，可以找到几个比较大的模块：
Contents ⽬录
B DEMOGRAPHIC BACKGROUNDS 基本信息1
C FAMILY 家庭13
C1 RARENT, CHLIDREARING AND SIBLING INFORMATION 父母、子女、
兄弟姐妹信息. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
C2 TIME TRANSFER AND TRANSFERS 家庭交往与经济帮助. . . . . . . 37
A HOUSEHOLD MEMBER 家户成员. . . . . . . . . . . . . . . . . . . . . 48
D HEALTH STATUS AND FUNCTIONING 健康状况和功能51
DA HEALTH STATUS 健康状况. . . . . . . . . . . . . . . . . . . . . . . . 52
DB FUNCTIONAL LIMITATIONS AND HELPERS 身体功能障碍以及辅助者74
DC COGNITION & DEPPRESSION 认知和抑郁. . . . . . . . . . . . . . . 89
E HEALTH CARE AND INSURANCE 医疗保健与保险97
PART I MEDICAL INSURANCE 第一部分：医疗保险. . . . . . . . . . . . 97
PART II HEALTH CARE COSTS AND UTILIZATION 第二部分：医疗成本与
使用情况. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
F WORK, RETIREMENT AND PENSION ⼯作、退休和养⽼⾦121
FA JOB STATUS 工作情况. . . . . . . . . . . . . . . . . . . . . . . . . . . 123
FC AGRICULTURE WORK 农业工作. . . . . . . . . . . . . . . . . . . . . 133
FARM EMPLOYED 农业打工. . . . . . . . . . . . . . . . . . . . . . . . 133
HOUSEHOLD AGRICULTURAL WORK 自家农业生产活动. . . . . . . 133
FD EMPLOYED 受雇. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
......不做列举
G&H INCOME, EXPENDITURES AND ASSETS 收⼊、⽀出与资产191
G2 HOUSEHOLD INCOME AND EXPENDITURES 家户收入与支出. . . . 191
HA HOUSEHOLD ASSETS 家户资产. . . . . . . . . . . . . . . . . . . . . 202
HB INDIVIDUAL ASSETS 个人资产. . . . . . . . . . . . . . . . . . . . . . 215
I HOUSING CHARACTERISTICS 住房情况223
这个结构可以去比对CFPS数据，CFPS数据不是根据经济生活的模块划分的，而是根据家庭成员的不同属性划分的，如成人库，儿童库等不同类别。大类的好处是不需要合并，缺点是难以把握各个变量内在的关系。
此外，从CHARLS的数据结构看，这个数据的不同模块也保留了相当大的兼容性和协调性。
例如，每个数据的前几行都是householdID、communityID还有个体的ID，这样，给不同模块合并提供了“钥匙”。
一般来讲，我们合并数据时候，需要做的预处理就以下几个部分：
保存不同数据中相关的ID变量；
根据ID，作为索引进行合并
**--基本命令--**
cd: work_file_path...
use data1.dta,clear
keep id householdid communityid x1-x5
save work1.dta,replace
use data2.dta,clear
keep id householdid communityid x1-x3 x6-x10
save work2.dta,replace
**--append--**
use work2.dta,clear
append using work1.dta
/*可以看到x1-x3的案例数出现了增加，也就是说，数据在纵向上变长了。但由于x5,x5-x10在两个数据中分别存在，合并之后会出现缺失*/
merge和匹配~~
**--merge的用法--**
*merge的情况则比较复杂，分情况讨论。
*第一种：两个工作文件都是个体文件，都含有个体的id，那么，直接根据ID进行一对一匹配即可；
*第二种：两个文件都是家庭层面的汇总，但没有个体ID。那么需要根据家庭ID进行多对多匹配；
*第三种：两个文件是个体文件，但某个文件是长数据（long），每个个体ID会对应几个observations。这样，需要根据个体ID，一对多匹配
**--merge 1--**
use work2.dta,clear
merge 1:1 id using work1.dta
/*这步的工作就是通过ID去从个体层面合并数据*/
**--merge 2--**
use work2.dta,clear
merge m:m householdid using work1.dta
/*这步的工作是讲，如果家庭层面或者社区层面合并匹配，需要多对多*/
**-merge 3--**
use work2.dta,clear
*生成几个变量，并转变成宽数据
forval i=1/10{
gen a`i'=1
}
*根据ID，转变成长数据
reshape long a, i(id) j(num)
save work2.dta,replace
merge id m:1 using work1.dta
*反之亦然，如果work1在前面，则是1:m
Part II ID的作用
ID有什么作用呢？很简单，就是钥匙串。
无论是哪个大型的、分模块的数据库，一定会有一个东西把它串联起来。“钥匙串”应该是一个形象的比喻吧。
比如，在CHARLS中，背景中的家庭基本信息就是一个大的钥匙串。我们在匹配家庭关系时候，必然要回到这里。
举一个例子，讨论或者隔代抚养对老年人健康的影响。（不一定在CHARLS中，也可能在其他数据中）
我们知道，一个家庭，基本上只有一个人来填答问卷（假定为户主），其他人的信息尽管会采集，但怎样采集呢？给每个家庭成员一个户内编码。
因此，需要做的，首先是在成人库中寻找关系，“谁是祖孙”且“他们的孙子女刚好未成年”？
符合这个条件的，可以现在家庭成员中暂时找到对应的锁口--家庭内部编码（三位数）
然后转变数据格式，把每个人都变成一条记录。
再回到家庭关系库中找钥匙，打开锁，确定每个人的具体信息。
这样，就完成了。
相似的问题还有：居住安排，子女赡养与经济反哺等等。
这个需要写个小循环，可以参照循环的写法。
1.常用循环的逻辑
常用的循环（当然不止stata一家的统计语言），其实是“流程--过程”的一种体现，在这个过程中，程序的运行和演算会遵从几个逻辑，或者可以说是特征：
（1）if语句，体现为条件：在哪里运行，在哪里终止；在哪里运行A部分，在哪里运行B部分....不一而足。
（2）变量标签的规律性，比如，在某量表中，对同一个维度，如“认知能力”采用了十个维度的衡量指标，那么，这是个问题的变量标签，在数据中通常都会体现为：（例）cog1_1, cog1_2, ...... cog1_10。这十个变量就构成未来进一步分析的基础。
（3）变量值的规律性。仍然以上面的“认知能力”作为衡量指标。每个问题的提问方式都是比较接近的，比如，“你的记忆力如何？”这个问题，以及相关其他维度的问题。接下来，我们针对每个问题给出五个答案：很差，较差，一般，较好，很好。分别赋值为0,1,2,3,4。那么，这十个问题对应的答案值域，就可以构成一个10X5的矩阵，然后再从其中选择具体值即可。
2.常用循环
（1）foreach命令
一般格式是：
foreach x in varlist...{
rename `x ' abc_`x'
}
这段命令有几个特点：
第一，foreach命令需要前后两个大括号｛｝包裹起来；
第二，x在此为varlist--变量列表的暂元（local局部宏），所以在命令中，需要加上左右撇号。注意，左撇号是英文输入法下的“~键”，右撇号是英文输入法下的单引号键。这个非常关键。
第三，函数、命令的句柄在这里只要正常使用即可。
举例来说：
sysuse auto,clear
foreach x in make-mpg weight-turn{
sum `x'
}
解释一下：在这里，我想要做的是sum一下make price mpg weight length turn这六个变量的值，这六个变量构成了varlist。因为前三个相邻，后三个相邻，所以中间用省略号“-”连接。这样可以节省一些空间。
参考结果
给变量重命名，也遵从此法。在这里，我给各个变量加上前缀。
命令：
foreach x of varlist make-foreign{
rename `x' a_`x'
}
执行结果：
空间有限，关于foreach的命令就介绍到这里。下面，介绍一种更常用的方法：forvalue。
（2）Forvalue语句
其实，在之前几次课，我们已经隐隐约约的讲到了forval的循环用法，在数据分析专题的第一讲（参考公众号上次推送的文章）就介绍了forval在处理相应结构的数据时候，如何用forval来处理重复结构的变量。为了节约大家时间，我简要回顾一下：
第一，生成若干个结构相近的变量，并用某些值来代替，
forval i=1/15{
gen x`i'=.
replace x`i'=_n
}
第二，根据不同层再进一步设置循环。
forval j=1/15{
gen f`j'=0
label var f`j' "有第`j'项设施的村子"
forval i=1/15{
replace f`j'=1 if ca3_s_`i'==`j' & ca3_s_`i' !=.
}
}
*
接下来，可以参考之前的介绍，来重复演练一下即可。
3.forvalue循环的更广泛用途
其实，话说回来，forval这个命令的用途当然不止这么局限，不光在生成变量、赋值这些地方可以运用，在其他地方同样可以用到。大家可以open mind来想一想，哪里可以用到？一定要敢想才可以~~
在这里，我举两个例子，非常实用的例子。
（1）forval运行回归模型
我们仍然使用auto.dta数据来做例子。
在这里，我们先利用price做因变量，之后生成三个price的次方，price^`i'，并取对数。这样，相当于`i'*ln(price)，即price对数的1至3倍。好了，介绍完毕，上程序：
sysuse auto,clear
forval i=1/3{
gen price_new_`i'=`i'*ln(price)
reg price_new_`i' mpg rep78 weight length
est store m`i'
}
*
请看结果：
m1的结果。
m2的结果
m3的结果
补充一点，我们可以用esttab命令更方便的比较这几个模型的系数：
其实呢，esttab还可以输出这个系数对应的表格（输出word-rtf格式），出来之后基本不用特别多的修改，就可以直接作为学术文章中的表格，非常实用，强烈推荐。
2）forval循环制作复合图形
由于前面很详细的介绍了一些制图的技巧。所以在这里，我简单介绍一下循环作图的方法。其实万变不离其宗，一个是循环，一个是作图，两个命令结构结合在一起，就可以做出循环的图形。
在这里，我们首先明确作图的意图：我们要做一个什么样的图形？
假设，我们使用auto.dta的数据（sysuse auto，clear），根据不同价格档次，来确定长度和重量之间的散点图。要求：根据价格等级，分成五等，我们看不同等级与总体之间的散点分布区别，如何去操作？
上命令（注意其中的断行）：
sysuse auto,clear
xtile grade=price, nq(5)
set scheme s1color
forval i = 1/5 {
scatter length weight if grade != `i', xsc(log) ysc(log) xla(1500 2000 3000 5000) ///
yla(150 200 250 300) ms(oh) mc(blue*0.2) || scatter length weight if grade ///
== `i', xsc(log) ysc(log) xla(1500 2000 3000 5000) yla(150 200 250 300) ///
ms(O) mc(blue) yla(, ang(h)) subtitle("`: label (grade) `i''", place(w)) ///
legend(off) name(g11_`i', replace)
}
*
scatter length weight, xsc(log) ysc(log) xla(1500 2000 3000 5000) yla(150 200 250 300) ///
ms(O) mc(blue) yla(, ang(h)) name(g11_6, replace) subtitle("all", place(w))
graph combine g11_1 g11_2 g11_3 g11_4 g11_5 g11_6, saving(g11, asis replace) imargin(small)
主要的处理思路：
1.根据price设置等级；
2.每一个等级都画一张散点图，对比全图；
3.画一张全图；
4.合并
结果展示：
最后，可以把几张图合并来看：
计量经济圈是中国计量第一大社区，我们致力于推动中国计量理论和实证技能的提升，圈子以海内外高校研究生和教师为主。计量经济圈六多精神：计量资料多，社会科学数据多，科研牛人多，名校人物多，热情互助多，前沿趋势多。如果你热爱计量并希望长见识，那欢迎你加入到咱们这个大家庭（戳这里），要不然你只能去其他那些Open access圈子了。注意：进去之后一定要看小鹅社群“群公告”，不然接收不了群息，也不知道怎么进入咱们的微信群和计量论坛。
帮点击一下下面的小广告，谢谢支持！