P1. 单值
整理人：谭睿鹏 (南京大学，tanruipeng652@126.com)
整理人：刘雅玄 (北京大学，lyxbamboo@163.com)
P1.1 单值简介
Stata 的基本操作对象是变量，比如调入汽车价格这份数据：
. sysuse auto,clear
. browse浏览数据窗口，每列是一个变量，每一行的观察值是常数，如红色方框中的3799。这些常数在 Stata 里被称为单值。
另外，在做基本统计分析时（summarize) ，每一个基本统计量都是一个常数，也称为单值，可以通过一系列的命令，把这些基本统计量更为有序地排列为一个表格，插入 Word 中，即为论文中常见的第一张表（基本统计量表格）。
. sysuse "auto.dta", clear
. sum price
Variable | Obs Mean Std. Dev. Min Max
----------+----------------------------------------------
price | 74 6165.257 2949.496 3291 15906在做回归分析时，表中的基本统计量如 t 值、R2 也是单值，可以通过一系列命令呈现在回归分析表格中，即为论文中常见的表 2、表 3 等。
因此，简单来讲，单值就是一些常数。在写程序时，操作对象通常是变量；但是中间计算结果有一些常数和文件，分别对应为 单值 (scalar)、暂元 (local) 和后续要介绍的 临时性文件 (tempfile) 等。
P1.1.1 定义单值：存放数字
首先，我们可以利用单值来存放数字。
我们定义单值 a，使用等号为其赋值，在 a 单值内存了数字3，可以看成一个小盒子。
使用 display 可以呈现该单值。如果要引用该单值，只需要引用其名称，如 dis b 则会自动计算出结果。
利用单值的最大好处是，我们只需知道单值的名称，每次用其名称即可引用数值，而不必记住具体何值。
scalar a = 3
scalar b = ln(a)+3^a
dis a
dis bP1.1.2 定义单值：存放字符串
单值不仅能存放数字，还能存放字符串。比如在 c 单值内，我们存放了 .a；在s1单值内，存放了两个单词，外加中间一个逗号和一个空格。如想提出其中的第一个单词，可以使用 substr 函数进行提取，并将该单词呈现出来。
scalar c = .a
dis c
scalar s1 = "hello, Arlion"
scalar s2 = substr(s1,1,5)
dis c
dis s1
dis s2display 命令还是一个简单的计算器。display 命令还是一个好用的计算器，除加总求和等简单计算以外，也可以计算一些复杂的表达式。为了增加美感度，可以定义小数点后保留2位。
dis 124.3+900.2*2+15*23
dis %6.2f ln(3)+(3^4.2)/exp(2)P1.2 执行命令后的单值结果
接下来看一些更为实用的结果，比如将执行命令后的一些基本统计量存放在单值内。
首先调入汽车价格数据，计算价格的基本统计量，进行 summarize 后呈现了五个基本统计量：样本数，平均值，标准差，最小值和最大值。
完成 summarize 后，输入return list，返回值并列示在屏幕上。屏幕中呈现出7个基本统计量，除了上午所述的5个统计量之外，还有额外的统计量如观察值的和、方差、权重求和等。关于单值的命名，我们在上文中自行定义了a、b、c等简洁的名称，这里的单值名称自动生设置为 r(N)、r(sum_W) 等。
. sysuse "auto.dta", clear
. sum price
. return list
scalars:
r(N) = 74
r(sum_w) = 74
r(mean) = 6165.256756756757
r(Var) = 8699525.974268789
r(sd) = 2949.495884768919
r(min) = 3291
r(max) = 15906
r(sum) = 456229我们可以通过 r(N)、r(sd) 分别来引用样本量和标准差的单值。
dis r(N)
dis r(sd)在呈现论文的第一张表（基本统计量表格）的时候经常使用这个tabstat 命令。
在 stata 命令的选项中，可以选择很多种统计量来呈现，我们不需要用 r( ) 的形式来指明呈现何种统计量，只需要提供核心的名字（如 mean 等) 即可。如果查看帮助文件，可以看到十余种可选择的统计量。
stat 中还可以加 p25 , p50 等，用来统计第25百分位数和中位数。
tabstat price weight length mpg,stat(mean sd min max) ///
format(%4.2f) column(stat) variable | mean sd min max
-------------+----------------------------------------
price | 6165.26 2949.50 3291.00 15906.00
weight | 3019.46 777.19 1760.00 4840.00
length | 187.93 22.27 142.00 233.00
mpg | 21.30 5.79 12.00 41.00
------------------------------------------------------回归分析中也可以引用单值，如用汽车价格对汽车重量、长度、耗油量进行回归。屏幕上右上角是一些基本统计量，甚至系数也可以视为单值。敲入 e(return) 即可呈现。
. sysuse "auto.dta", clear
. reg price weight length mpg
Source | SS df MS Number of obs = 74
---------+---------------------------------- F(3, 70) = 12.98
Model | 226957412 3 75652470.6 Prob > F = 0.0000
Residual | 408107984 70 5830114.06 R-squared = 0.3574
---------+---------------------------------- Adj R-squared = 0.3298
Total | 635065396 73 8699525.97 Root MSE = 2414.6
--------------------------------------------------------------------------
price | Coef. Std. Err. t P>|t| [95% Conf. Interval]
---------+----------------------------------------------------------------
weight | 4.365 1.167 3.74 0.000 2.036 6.693
length | -104.868 39.722 -2.64 0.010 -184.090 -25.646
mpg | -86.789 83.943 -1.03 0.305 -254.209 80.630
_cons | 14542.434 5890.632 2.47 0.016 2793.940 26290.929
--------------------------------------------------------------------------
. ereturn list
scalars:
e(N) = 74
e(df_m) = 3
e(df_r) = 70
e(F) = 12.97615618434597
e(r2) = .3573764422666367
e(rmse) = 2414.562912972107
e(mss) = 226957411.8725975
e(rss) = 408107984.2490242
e(r2_a) = .3298354326494926
e(ll) = -679.3516104997997
e(ll_0) = -695.7128688987767
e(rank) = 4
macros:
e(cmdline) : "regress price weight length mpg"
e(title) : "Linear regression"
e(marginsok) : "XB default"
e(vce) : "ols"
e(depvar) : "price"
e(cmd) : "regress"
e(properties) : "b V"
e(predict) : "regres_p"
e(model) : "ols"
e(estat_cmd) : "regress_estat"
matrices:
e(b) : 1 x 4
e(V) : 4 x 4
functions:
e(sample) 在 Stata 中，对于只做统计而不回归的命令，在返回值的时候都可以使用 return list来列示 list 中存储的返回值。涉及到回归的命令，在返回值的时候则需要用 ereturn list，包括几大类：单值（scalars)、暂元（macros)等，这里我们重点关注单值，如样本数 e(N) ，R2 e(r2)，调整后的R2 e(r2_a)，对数似然函数值 e(ll) 等。
在回归完后，可以用 est store 命令把结果存储起来，进而使用外部命令 esttab 或 outreg2 统一呈现结果 (参见 专题：结果输出)，非常类似于论文中看到的表格样式。表中重点的内容有如下几项，包括 scalar（下面列示的最下方的4行）。
. sysuse "auto.dta", clear
. reg price weight length mpg
. est store m1
. reg price weight length mpg foreign
. est store m2
. esttab m1 m2, scalar(N r2 r2_a F) nogap
--------------------------------------------
(1) (2)
price price
--------------------------------------------
weight 4.365*** 5.716***
(3.74) (5.63)
length -104.9* -92.48**
(-2.64) (-2.75)
mpg -86.79 -13.41
(-1.03) (-0.19)
foreign 3550.2***
(5.42)
_cons 14542.4* 5515.6
(2.47) (1.05)
--------------------------------------------
N 74 74
r2 0.357 0.549
r2_a 0.330 0.523
F 12.98 21.01
--------------------------------------------
t statistics in parentheses
* p<0.05, ** p<0.01, *** p<0.001P1.3 一些特殊的单值
P1.3.1 系统变量
stata 还提供了一些非常特殊的单值，如系统变量、系统参数等。
系统变量基本都存储在以下划线开头的变量里面，help 文件中列示了一些最基本的系统变量，如常数项、样本标号、样本总数等。
help _variables
dis _pi //圆周率
sysuse nlsw88,clear
dis _N P1.3.2 系统参数设置
Stata 的系统参数很多，可以通过 creturn list 来查看。屏幕中列示了很多内容，现阶段可以不必深究。
如：
c(current_date)显示当前日期c(current_time)显示当前时间c(sysdir_stata)显示 Stata 的安装路径
还有 Stata 的版本等，都是通过特定的单值名称存储了起来。这些参数在编程序的时候非常有用，只需要相应的名称即可调用。
. creturn list
System values
---------------------------------------
c(current_date) = "23 Dec 2020"
c(current_time) = "17:05:01"
(省略……)
Directories and paths
---------------------------------------
c(sysdir_stata) = "D:\stata15/" (sysdir)
c(sysdir_base) = "D:\stata15\ado\ba.." (sysdir)
c(sysdir_site) = "D:\stata15\ado\si.." (sysdir)
c(sysdir_plus) = "D:\stata15/ado\pl.." (sysdir)
c(sysdir_personal) = "D:\stata15/ado\pe.." (sysdir)