B2a. Stata 工作流程

1. 工作流程概览

Source: 连玉君, 陈鑫梅, 2020, 可重复性研究：如何保证你的研究结果可重现？, 连享会 No.124.

图 3 展示了一个典型的实证分析工作流程。你在本地或网盘中的文件夹中存如原始数据文件，然后在 Stata 中执行命令，以实现数据读入、清洗和分析，最后把结果输出成表格和图形，嵌入到 Word 或 TeX 文档中。

简言之，我们要实现「数据 → 代码 → 结果 → 文档」的有机衔接，让研究流程清晰透明，也方便日后重复或更新分析。

Stata 工作流程示意图

图 3：Stata 工作流程示意图

左：本地文件夹

本地文件夹：D:/paper/myAER，其中包含三个文件夹和一个 dofile：

  • “./data0”：存放原始数据文件，如 data_org.xlsx
  • “./dataClean”：存放清洗后的数据文件，如 data_clean.dta
  • “./out”：存放输出结果，如回归表格 Table01.rtf 和图形 Fig01.png
  • dofile_myAER.do：Stata do 文档，记录所有处理过程。

采用这种分类管理方式，无论是查看数据源还是寻找输出文件，都能快速定位。与合作者分享论文复现资料时，也只需分享 dofile_myAER.do 和 “./data0” 子文件夹即可。合作者运行 dofile_myAER.do 后变会自动生成清洗后的数据文件和结果文档。

右：dofile

右上角打开的 dofile_myAER.do 是我们向 Stata 下达指令的脚本文件 (dofile)。具体解释如下：

  • 首先，使用 global path "D:/paper/myAER" 命令，指定了项目文件所在路径，并以此为基础定义了几个相对路径。在后续命令中，便可以使用 $path，$data0 等全局暂元来引用这些路径，而不必每次都手动输入完整路径。你的合作者只需酌情修改第 4 行的文件路径 (绝对路径)，而无需做其他更改。
  • 接下来，在 dofile 中写好一系列命令，以便完成数据导入、清洗、回归以及结果输出等一整套流程。有了 dofile，只需轻轻点一下执行按钮，就能让整套分析重复进行，也可以让修改和完善工作更有效率。
  • dofile 中的第 15, 20 和 24 行都用于输出结果，分别将清洗后的中间数据，回归表格，以及生成的图形存储到项目文件夹 D:/paper/myAER 中的指定子文件中。随后你只需将这些表格和图形插入论文 Word 文档中即可。

中：Stata 主界面

在 Stata 的主界面中会呈现回归结果、显示输出的图片等。比如，

  • 执行 reg price wei mpg, robust 命令后，可以在 Stata 的结果窗口查看回归结果
  • 进一步执行 esttab using "$path/out/Table01.rtf", replace 命令时，结果窗口中会显示自动输出的 .rtf 文档 (等同于 word 文档) 的存储路径 (单击蓝色链接可以打开此文档)。
  • 执行第 22-23 行的命令后，就会绘制散点图，并将图片以 .png 格式存储到 $out 文件夹中。

小结

总之，dofile 就像一个中心控制台：我们在 dofile 中下达命令，以便从指定路径中导入 Excel, txt, dta 等格式的数据文件，进而进行统计和回归分析，并最终将输出的图形、表格等结果保存到指定文件夹中，以便随后插入 Word, TeX 等写作文档中。

2. Stata 安装路径和个人文件夹的设置

安装 Stata 时，文件路径中尽量不要包含中文、空格和特殊字符。否则，会导致涉及读写或保存文档的程序无法运行。我个人通常将 Stata 安装在 D 盘根目录下，如 D:/stata17。

我会在 D 盘中另外建立一个文件夹 D:/stata，其中，

  • 新建 personal 文件夹，用以保存我自己的数据和程序文件；
  • 新建 plus 文件夹，用以存放外部命令。

这样做的好处是，无论 Stata 更新到哪个版本，我个人的文件都不会受到任何影响。例如，更新到 Stata 18 后，我只需将 D:/stata17/profile.do 文档复制到 D:/stata18 目录下即可。

2.1 Stata 17 目录下的文档结构

Stata 安装目录 D:/stata17/ 的文档结构如下：

D:/stata17:: 
                             --- 解释 ---
├── ado
│   └── base           |  Stata 官方提供的程序文件（按 _, A-Z 分类）
├── docs               |  Stata 电子手册（PDF 格式），便于查阅
└── utilities          |  包含 JAVA、Python 等插件和工具
│  profile.do          |  Stata 启动时自动执行该文件中的命令
│  mp-64.dll           |  Stata 运行所需的动态链接库文件
│  STATA.LIC           |  Stata 的许可证文件，用于验证软件合法性
│  StataMP-64.exe      |  Stata 的主执行文件，用于启动程序
│  StataMP-64_old.exe  |  旧版本的 Stata 执行文件（备份或兼容用途）

说明如下：

  • 不要随意修改 ado/base 目录中的文件，以免影响 Stata 的正常运行。
  • 可以通过编辑 profile.do 文件来定制 Stata 的启动行为，例如设置工作目录或加载常用脚本。后文会详细介绍。
  • 如果需要使用插件或外部工具，可以将相关文件放置在 utilities 目录中，确保路径正确。我们通常无需自行设定，再安装或关联外部插件时，Stata 会自动将相关文件存入此处。

2.2 个人文件夹的文档结构

存放我个人文档的目录 D:/stata/ 的结构如下：

D:/stata::
                             --- 解释 ---
├── personal           |  存放个人文档 (数据, dofiles 等)
│   ├── data
│   ├── paper
│   └── ... 
├── do                 |  存放自动生成的日志文件
└── plus               |  存放外部命令

说明如下：

  • personal 目录下可以根据需要设定多个子文件夹，用于分类存储不同项目的文件。基本原则是，一个项目一个文件夹。
  • do 目录用于存放自动生成的日志文件 (log 文件)，记录 Stata 运行过程中的命令和输出结果，复现分析过程或排查问题。随后在 profile 文档 部分会有详细介绍。
  • plus 目录用于存放通过 net install 或 ssc install 等命令安装的外部命令 (ado 文件)。

当然，你也可以酌情添加其他文件夹。

3. 工作路径 (Working Directory)

在 Stata 主界面的右下角会显示当前 工作路径/目录（Working Directory），是 Stata 默认的文件读取和保存位置。比如，执行 use mydata.dta 时，默认从当前工作目录下读取 mydata.dta 数据文件 (如果该目录下未保存 mydata.dta 文件，则 Stata 会报错)；执行 save newdata.dta, replace 时，newdata 文件会自动保存到当前工作目录下。

要在结果窗口中显示当前工作路径，可以执行 cd 或 pwd 命令。若需切换工作路径，只需在 cd (_c_hange _d_irectory) 命令后写上新的工作路径名称即可，例如 cd "D:/Projects/SJ_paper" (注意：必须是已经存在的文件夹路径)。合理设置工作目录不仅能减少重复输入路径的麻烦，还能让文件管理更加清晰高效，是 Stata 使用中的一项基础但重要的操作。

4. Stata：执行命令和工作机制

我们可以通过三种方式与 Stata 互动：

  • 点击菜单 (新手适用，老手偶尔为之)
  • 命令窗口 (简单的测试性任务)
  • dofile (主要方式)

Stata 命令的三种执行方式

4.1 机制 1：把数据和程序拖入内存中

初学者很怕见到 clear 命令。事实上，如果你了解 Stata 的运行机制，就会明白，clear 是一个非常安全的命令。具体说明如下：

启动 Stata 时，电脑会分配给 Stata 一块 内存空间 (一座大房子)。解读如下：

  • 当我们执行 use D:/myData/auto.dta 命令时，Stata 会把存储于 D:/myData 文件夹中的 auto.dta 文件复制 (copy) 一份，读入内存。随后，执行 sum, reg 等命令时，Stata 都是从内存中读取这个副本数据，而无需再访问硬盘中的数据文件，即 D:/myData/auto.dta。这样的好处是，可以大幅提高运算速度。缺陷在于，但计算机可以分配给 Stata 的内存空间有限时，Stata 会因为无法读入大文件，或运行中出现卡顿现象。
  • Stata 执行程序时也采用了上述逻辑。当我们执行 tabstat var1 时，Stata 会先到 D:/stata17/base/t/ 文件夹下找到名为 tabstat.ado 的程序文件，进而将其读入内存中再执行。当我们再次执行 tabstat var2 时，Stata 会直接从内存中执行 tabstat.ado 副本，而无需再访问硬盘的原始程序文件，即 D:/stata17/base/t/tabstat.ado。

Stata 会把「大房子」分成若干个小房间，分类存储 Data, Matrix, 返回值, 程序 等对象。若想清空某个「小房间」，可以使用 clear 房间类型 命令，例如：

  • clear：清空内存中的数据 (分配给 Stata 的内存中的 【Data】 那一块空间)
  • clear matrix：清空内存中的矩阵对象
  • clear results：清空内存中的返回值，如 r(mean), r(N), e(r2) 等
  • clear all：清空分配给 Stata 的所有内存空间

stata-intro-clear-001

有关 clear 命令的详情，请参阅 help clear，或 [D] clear。

作为例子，我们来解释一下如下命令的的含义：

use "D:/myData/auto.dta", clear

上述命令等价于：

clear
use "D:/myData/auto.dta"

也就说，虽然 clear 选项置于命令的末尾，但却是最先被执行的，它会清空内存中已有的数据文件。然后，Stata 从硬盘 (D:/myData/) 中拷贝 auto.dta 文件，并将该副本读入内存。

4.2 机制 2：结果呈现和输出

当我们按下图的方式执行 sum price 命令后，Stata 会同时以两种方式输出结果：

  • 方式 1：将部分结果直接呈现于 结果窗口，通常会以特定的格式排列，可读性强。
  • 方式 2：所有计算结果都会存入 内存 (按类别存入不同的 房间)。
    • 这些结果统称为返回值 (return values)。对于 sum, tabstat 等命令，可以使用 return list 命令显示之；对于 regress, logit, xtreg 等回归类命令，可以使用 ereturn list 命令显示之。
    • 这些结果可以被后续代码调用，如 gen x_mean = r(mean)
    • 也可以借助 esttab, outreg2, reg2docx 等命令调用后，输出到 Word 等文档中。

Stata 的返回值机制

简言之，你在 Stata 结果窗口中看到的只是一部分结果，这些结果以及其他相关结果都会被分门别类地存储在内存中，以便其他程序调用。如此以来，我们就可以让多个程序合作，采用「接力」的方式完成复杂的分析任务。

5. 扩展阅读