软件应用 | 如何随机生成满足特定数据特征的新变量？

本文转载自公众号Stata and Python数据分析

作者：赵一帆，中南财经政法大学金融学院

导读

在我们日常科研工作或者写论文的过程中，通常会使用自己从各大数据库和网站等搜集整理的数据，但是诸位是否知道如何快速生成满足特定数据结构的变量呢？今天我们就来介绍Stata中的两个创建其他变量的小命令——corr2data命令&drawnorm命令。这两个命令可以实现哪些功能，又有什么区别呢？下面我们来一起看看吧~

corr2data命令介绍

首先我们来看看corr2data命令，它的全称是 Create dataset with specified correlation structure，我们可以使用这个命令生成具有指定数据结构的数据集。另外，它属于内部命令，不需要进行下载即可使用。

命令语法

corr2data newvarlist [, options]

选项介绍

Options

1. clear：清除之前的数据集。

2. double：表示生成的变量类型是双精度浮点型，表示数据的时候比较准确一些。默认选项是单精度的数据类型(float)。

3. n(#)：表示生成观测值的数量，默认是当前的数量。

4. sds(vector)：表示生成变量的标准差。

5. corr(matrix|vector)：表示生成变量的相关系数矩阵，默认为正交数据。

6. cov(matrix|vector)：表示生成变量的协方差矩阵，默认为正交数据。

7. cstorage(full)：表示生成变量的相关矩阵或协方差矩阵的结构是一个对称的k*k矩阵。

8. cstorage(lower)：表示生成变量的相关矩阵或协方差矩阵的结构是一个下三角矩阵。

9. cstorage(upper)：表示生成变量的相关矩阵或协方差矩阵的结构是为一个上三角矩阵。

10. forcepsd：要求生成变量的协方差/相关矩阵为正定或半正定矩阵。

11. means(vector)：表示生成变量的均值；默认是意味着(0)

12. seed(#)：种子随机数生成器

注意：

(1)选项sds()不能与cov()一起指定。

(2)如果没有指定corr()和cov()选项，默认为正交数据。

(3)cstorage (full|lower|upper)的作用是指定corr()或cov()中相关矩阵或协方差矩阵结构的存储模式。支持以下存储方式:full指定相关矩阵或协方差矩阵为一个对称的k*k矩阵；lower指定相关矩阵或协方差矩阵为下三角矩阵；upper指定相关矩阵或协方差矩阵为上三角矩阵。

drawnorm命令介绍

我们再来看看drawnorm命令,它的全称是Draw sample from multivariate normal distribution，即我们可以从指定的多元正态分布中抽取样本。

命令语法

drawnorm newvarlist [, options]

选项介绍

与corr2data命令的选项一致，在此不作赘述。

案例分析

上面我们分别介绍了corr2data和drawnorm命令，它们似乎都与创建一个新的变量数据有关，那我们应该如何区分然后正确使用呢？

如果是要产生一个具有指定数据结构的总体——使用corr2data命令

比如我们需要产生一个有1000个观测值的总体，其两变量x和y的均值分别为2和3，标准差分别为1和2，变量x与y的相关系数矩阵为(1 0.2\0.2 1)， 并把相关系数矩阵设置为一个对称的k*k矩阵，则命令为:

clear
corr2data x y, clear n(1000) means(2 3) sds(1 2) corr(1 0.2\0.2 1) cstorage(full)  //生成具有指定数据结构的变量
sum               //描述性统计分析      
pwcorr x y, sig   //显示变量间的相关系数

运行结果为：

这时，就生成了含有x和y变量的数据集，而且如上图所示，两个变量的观测值均为1000，均值分别为2和3，标准差分别为1和2。

同时，两个变量间的相关系数矩阵为(1 0.2\0.2 1) 。

如果从一个给定的正态总体中抽取一个有1000个观测值的样本——使用drawnorm命令

举个例子，已知总体数据是呈现正态分布，两变量x和y的均值分别为2和3，标准差分别为1和2，且这两变量的相关系数矩阵为(1 0.2\0.2 1)，并把相关系数矩阵设置为一个对称的k*k矩阵， 则具体代码为：

clear
drawnorm x y, n(1000) means(2 3) sds(1 3) corr(1 0.2\0.2 1) cstorage(full) //从正态总体中抽取有1000个观测值的样本
sum          //描述性统计分析
pwcorr x y, sig   //显示变量间的相关系数

运行结果为:

如图所示，我们的观测值样本均值为1.994498和2.91034；标准差分别为1.016045和2.991129。

如图所示，两个变量的相关系数矩阵为(1 0.2138\0.2138  1)。

我们发现：观测值的均值、标准差和相关系数等统计特征与正态总体的接近但不完全等于，因为这1000个观测值是从这个正态总体随机抽取的样本。

以上就是今天对于corr2data和drawnorm命令的介绍啦，大家快动手试一试呀！

星标⭐我们不迷路！

想要文章及时到，文末“在看”少不了！

点击搜索你感兴趣的内容吧

往期推荐

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

推荐 | 郑泽青

    欢迎扫描👇二维码添加关注    

点击下方“阅读全文”了解更多