Stata：定制论文中表1-table1

Original 连享会连享会 2023-10-24

收录于合集 #Stata命令 335个

👇 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：公开课-直播 | 计量专题 | 关于连享会

连享会 · 2022空间计量专题

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：因果推断实用计量方法
主讲老师：丘嘉平教授
🍓 课程主页：https://gitee.com/lianxh/YGqjp

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。

”FAN某”的离婚财产分割判决书（全文）

”FAN某”的离婚财产分割判决书（全文）

哈里斯女粉搞4B运动、毒杀丈夫，回旋镖能否让美国“血流成河”

许纪霖：珠海驾车撞人事件的背后，弦绷得太紧了，要给人们以松弛感 | 二湘空间

刑讯逼供、管辖异议，唐山杨立国涉黑案争议

Stata：定制论文中表1-table1

1. 命令介绍

2. 案例介绍

3. 相关推文

🍏 关于我们

您可能也对以下帖子感兴趣

”FAN某”的离婚财产分割判决书（全文）

”FAN某”的离婚财产分割判决书（全文）

哈里斯女粉搞4B运动、毒杀丈夫，回旋镖能否让美国“血流成河”

许纪霖：珠海驾车撞人事件的背后，弦绷得太紧了，要给人们以松弛感 | 二湘空间

刑讯逼供、管辖异议，唐山杨立国涉黑案争议

生成图片，分享到微信朋友圈

Stata：定制论文中表1-table1

1. 命令介绍

2. 案例介绍

3. 相关推文

🍏 关于我们

您可能也对以下帖子感兴趣