Stataで扱ったデータをcsvファイルとして出力、あるいはStataにcsvファイルを読み込むための「outsheet/insheet」というコマンドの使い方を紹介していきます。

1. CSVファイルを出力する

CSVファイルを出力するときには、「outsheet」というコマンドを利用します。

「outsheet using ファイル名, comma」と指定することで、CSVファイルを出力することができます。ファイル名は、拡張子まで含めます。

outsheet using mydata.csv, comma

【図1】

図1を見ると、1行目には変数名、それ以下にはデータというStata上の表と同じような形式で出力されていることが確認できます。

また、outsheetコマンドを利用する際には、ファイル名の後ろにある「comma」は必ず指定が必要です。このオプションを打ち込まないと、図2のように同じセル内にデータが出力されてしまいます。

【図2】

2. CSVファイルを読み込む

次に、CSVファイルを読み込みについてです。先ほど出力した「mydata.csv」を読み込んでみましょう。CSVファイルの読み込みのときには「insheet」というコマンドを利用します。

insheet using mydata.csv

「insheet using CSVファイル名」と指定することで、CSVファイルを読み込むことができます。ファイル名は、outsheetと同様拡張子まで含めます。

コンソール上には、2つの変数(2 vars)と10のデータ数(10 obs)という図3のような情報が表示されます。

【図3】

【図4】

図4を見ると、CSVファイルの1行目、var1とvar2という変数名でそのまま定義されていることがわかります。このようにCSVファイルは出力/読込時に変数を引き継ぐことができるので、Excelファイルよりもデータを扱いやすいです。

Stataを利用していると、普段使っているコマンドの詳しい情報がほしいときがあります。そんな時に、Googleなどの検索ツールを使うよりも、Stataの「help」コマンドがおすすめです。

例えば「obs」コマンドについて詳しく知りたいとき、以下のコマンドを打ち込んでみましょう。

help obs

【図1】

図1のように、コマンドの機能の説明が書かれたマニュアルが新しいウィンドウに表示されます。

また、メニューバーにある「ヘルプ(H)>Stataのコマンド…(O)」をクリックすると、

【図2】

図2のようなポップアップが出てくるので、用語を検索することができます。入力フォームに調べたいコマンド名を入れて、OKを押すと、先ほどのようなマニュアルが表示されます。

コマンドの使い方に困ったときにおすすめの「help」、ぜひ活用してみてください。

Stataで扱ったデータをExcelファイルとして出力、あるいはExcelファイルを読み込んでデータを扱いたいときに使う「export/import」というコマンドについて紹介していきます。

1. Excelファイルを出力する

Stataで生成したデータをExcelファイルに出力してみましょう。

まずは、データ数とデータの値をそれぞれ定義していきます。今回は、データ数10としてvar1、var2、var3という3つの変数を生成してきます。

set obs 10

gen var1 = _n

gen var2 = _n^2

gen var3 = _n^3

export excel mydata

「export excel ファイル名」と打ち込むと、「ファイル名.xlsx」というExcelファイルを出力することができます。

【図1】

図1のように、3つの変数がそれぞれのセルとして保存されていることが分かります。

ただし、var1、var2、var3という変数名は引き継がれません。

また、exportを使うとStata.exeのあるフォルダ内に出力されます。

2. Excelファイルを読み込む

それでは、次にExcelファイルを読み込んでみましょう。先ほど出力した「mydata.xlsx」を参照します。

import excel mydata

「import excel ファイル名」とすることで、「ファイル名.xlsx」というExcelファイルを読み込むことができます。

【図2】

図2のように、データ数10の3つの変数のデータを読み込むことができました。

3. 出力/読込する列を指定する

次に、指定した列だけを出力、読込してみましょう。

まず、先ほどのように3つの変数を定義します。

set obs 10

gen var1 = _n

gen var2 = _n^2

gen var3 = _n^3

図3のような表になっていることが確認できます。

【図3】

それでは、こちらの表のうちの2つの変数を出力してみましょう。

export var1 var2 using mydata

「export 変数1 変数2 … using ファイル名」のように書くことで、指定した変数の列のみデータとして出力することができます。

【図4】

図4のように、2つの変数のみが出力されていることがわかります。

次は、読み込みについてです。2つの変数が出力された「mydata.xlsx」から、A列(A1～A10)のみを読み込んでみましょう。

import excel var1 using mydata

【図5】

図5のように表示されます。

先ほどの記述だと、Excelファイルの“1列目”を「var1」という変数で定義するという意味になります。

それでは、2列目以降を範囲指定して呼び出す方法についてみていきましょう。

2列目(B列)を呼び出したい場合、「cellrange」というオプションを利用します。

import excel mydata, cellrange(B1:B10)

【図6】

図6のように、B1からB10までの列を指定すると、以下のようにB列を読み込むことができました。

Stataにおける「list」は、generate(あるいはgen)で生成した数値を一覧表示するコマンドです。

1. obsでデータ数を指定

obsを使ってデータ数を指定してみましょう。

set obs 10

図1のように、表の行に10番目までの番号が振られ、データ数が10個に指定されたことが分かります。

【図1】

2. 変数を定義する

次に、generateを使って変数を定義していきましょう。

例えば「generate var1 = 10」とすると、データ数10として、新たな変数var1を10と定義したことになります。10というデータが、10個分生成されたことを意味します。

今回は、少しだけ応用のやり方を紹介します。

generate var1 = _n

【図2】

「_n」とすると、図2のようにデータ番号に沿った数値がデータとして定義されることが分かります。

もし0から始めたい場合には「_n-1」、何らかの数値との積にしたい場合には「_n*2」、2乗の値にしたい場合には「_n^2」などを指定することができます。

3. リスト表示する

それでは、先ほど定義した変数をリストで一覧表示してみましょう。

list var1

【図3】

図3のように、データに対してindexが割り振られることがわかります。

4. 複数の変数を一覧表示する

次に、1つの変数だけでなく複数の変数を一覧として表示してみましょう。

変数を以下のように定義しましょう。

gen var1 = _n-1

gen var2 = _n

gen var3 = _n+1

var1、var2、var3を定義したら、以下のようなコマンドを打ちます。

list var1 var2 var3

【図4】

図4のように、3つの変数のリストが表示されました。

5. 範囲内のデータだけ表示する

最後に、範囲を指定してデータを表示させてみましょう。

例えば、3番目から5番目の数値を取り出したいとき、「in 3/5」のように記述します。

list var1 in 3/5

【図6】

すると、図Ⅵのように3から5までの小さめのリストが表示されました。

1～5なら「in 1/5」、6～9なら「in 6/9」のように、inのあとの数字を変えることで調整することができます。

今回はstataを用いて正規分布に従う変数をどのように出力し、グラフ化するかについて解説します。まず、stataを起動させたら、図１にあるように

【図1】

set seed 5678

set obs 10000

gen x1 = rnormal (0, 1)

とコマンドしましょう。seed 5678は「乱数を出力する元となる値を5678にしたこと」を意味しています。また、seedに続く値は任意の自然数となります。さらに、2行目で観測データ数を10000に指定して、3行目でx1を標準正規分布に従う変数と定義しています。

rnormal (a ,b)は平均a、標準偏差bの正規分布に従う数を出力するためのコマンドです。特に平均０、標準偏差１の正規分布のことを標準正規分布といいます。

このときデータエディタ（編集）を開くと図2のようになります。ⅹ1として定義された列に乱数が10000個並んでいるのが分かりますね。

【図2】

続けて

sum x1

と打ち込んでいくと、図３のような結果が出力されます。この結果を見るとMean（平均）はほぼ０、Std. Dev.（標準偏差）は1にかなり近い値になっていますね。今回はサンプル数を10000にしましたが、さらに数を増やすとMean、Std. Dev.はそれぞれ限りなく0、１に近づいていきます。このことは中心極限定理によって調べることがっできます。

【図3】

2．グラフのプロット

今回は正規分布に従う乱数を出力しましたが、その確率分布は一体どれほど正規分布に近いのかグラフを用いて直観的に理解していきましょう。

まず、前述のsum x1のあとに

twoway (kdensity x1)

と打ち込んでみると図４のようになります。おおよそ標準正規分布に従うグラフになりましたね。これはカーネル密度推定という手法で、今回は正規分布に従う乱数を想定しましたが、それが本当に正規分布のような確率分布になるのかをグラフから直観的に理解することができます。

【図4】

次に、平均と分散の異なる正規分布をプロットするとどうなるのか、確かめてみましょう。前述のコマンドのあとに図５のように

【図5】

gen x2 = rnormal (0, 5)

gen x3 = rnormal (3, 1)

twoway (kdensity x1) (kdensity x2）

twoway (kdensity x1) (kdensity x3)

と打ち込んでグラフをプロットすると、図６，7のようになります。図６ではx2は平均がx1と同じですが分散が大きく、x1のグラフ比べて横に裾野が広くなっているのが分かりますね。一方で、図７ではx3は平均はx1と異なります、分散は等しく、x1のグラフを横にスライドさせたようなグラフになりましたね。

【図6】

【図7】

一様分布は離散型または連続型の確率分布となります。確率論での離散型では、それぞれの確率変数が均一な確率分布を持ちます。つまり、定義されている集合のすべての要素に同じ確率を割り当てることになります。

離散一様分布の例でよくあげられるのが、サイコロ(6面)を振ることによって値が1、2、3、4、5、および6のどれかになりますが、それぞれは発生する値の確率が全て1/6となります。

連続一様分布では、連続型確率変数の実現値を使うことになります。

コマンドruniform()の使い方

まずは、runiform()の一番簡単な使い方から実際にSTATAを動かしてみましょう。結論から言うとこのままの利用の場合のruniform()は連続一様分布における0から1までの数字が入ります。

1. seedを使う

set seed 1234

set seed 1234と置くことで、STATAが乱数を同じ結果になるように設定することができます。これで同じことが再現可能となります。ちなみにこの1234は 1でも、12でも、123でも大丈夫です。要はreplicateするときに同じものを使えば良いです。

2. データセットobsを使う

set obs 100

今回は観測値を100個作りましょう。set obs ○○ (○○は自然数)とすることで、次にコマンドを入れて作る枠を100個まで作るかたちとなりまっす。

3. 変数yを「runiform()」コマンドを使って定義

gen y = runiform()

するとどうでしょうか。観測値が下記の【図1】のようになります。

【図1】

初めの数値は 0.9472316 (表記では .9472316) となっており、その後の数値も0から1の間になっているとわかります。では実際にその数値の大きさの順を見ていきましょう。

tab y

とコマンドを入力します。「tab y」は「table y」の省略形で「table y」としても同じ結果が出ます。ここで表示されるのは y の数値の大きさの降順となります。

【図2-1】

【図2-2】

図で見るように、【図2-1】のsample1つ目の数字は 0.0066236となっており、0に一番近く、【図2-2】での100個目の数は0.9874877となっております。つまり0から1の間に‘一様’に連続している分布になることが分かります。

ということは平均はだいたい0.5に近い数字になっているのではと予想されます。

sum y

としてみましょう。「sum y」は元の「summarize y」や更に短縮形の「su y」としても同じです。これでサンプル数、平均、標準偏差、、最小値、最大値の順番で表示されます。

【図3】

結果は【図3】のようになると分かります。ここでMeanが平均ですが、0.5019454となり、ほぼ0.5となります。

次に今度は具体的な数値を見てみましょう。

具体例:サイコロを6000回振ってみよう

まずは先程の結果を消すために「clear」のコマンドを使いましょう。

clear

1. seedを使う

set seed 5678

今度はseedを5678にしてみましょう。今回もこの5678は数字としては意味を持ちません。他の方が同じ結果になるように設定しています。

2. データセットobsを使う

set obs 6000

今回は6000個の観測値を出してみましょう。

3. 変数yを「runiform()」コマンドを応用して定義

そして今回は6000回、6面のサイコロを振るという行為を定義してみます。

gen y = 1+int((6-1+1)*runiform())

と書くことができます。こちらのイコールの右側ですがどのような意味かという最初の「1」は1からスタートという意味になり、「int」は、整数を意味して「6-1」というのは連続する6つの数値を作るという作業です。またその後の「＋1)」も忘れず入れて下さい。この辺りは今回は説明を割愛します。

tab y

で【図4】結果を見てみましょう。

【図4】

変数yですが1,2,3,4,5,6があることが分かり、その数もだいたいですが1000回前後という数になっています。2の番号は丁度1000回という数字になっております。

Stataを用いて定量的な分析をする際、まずデータの数を指定する必要があります。その際に便利なコマンドとしてobsというものがあります。以下では「obsをどのように使うのか」について実際の作業画面を用いつつ解説していきます。

そもそもobsとは？

obsは「今あるデータのうちいくつのデータを観察対象にするのか」を決めるコマンドです。ただし、複数回データ数を調整する場合、初めに設定したデータ数以上の数をする必要があります。

1. obsでデータの数を指定してみる

まずstataを立ち上げたら、画面左上の「データエディタ（編集）」のボタンをクリックしてExcelのような表が表示されたこと確認します。【図1,2】

【図1】

【図2】

画面下部の「コマンド」の欄に

set obs 10

と打ち込んでみましょう。【図3】

【図3】

すると、表の行に10番目まで番号が割り振られます。【図4】これでデータ数は10個に指定されました。

2. データの数を変えてみる

次にデータの数を変えるとどうなるのか見ていきましょう。コマンド欄に

set obs 20

と打ち込むと、20行目まで番号が割りふられました。【図5，6，7】

【図5】

【図6】【図7】

では次に、先程の10、20より少ない数で試してみましょう。

set obs 5

と入力してみると…【図8】エラーが出てきてしまいますね。このようにあとからデータ数を変更するとき、最初に設定した数以上にする必要があります。

次に、データの変数名とその値について定義するためのコマンドgenについても見ていきましょう。

【図8】

3. そもそもgenとは？

genは新しい変数を定義するときに使うコマンドです。

4. genで変数を定義してみる

データの数を10に設定した後、genで新しい変数を定義してみましょう。先ほどまでのコマンドのあとにclearと打ち込んで、一度初期状態に戻し、

clear

set obs 10

gen var1= 2021

と入力すると【図9，10】のようになります。これは「データの数を10としてvar1という新たな変数を2021と定義したこと」を意味しています。

【図9】

【図10】