Stata 期末考试上机操作题之R版
Table1:（共10分）
1.将数据导入stata，保存在新建的桌面文件夹中，数据命名为table1_org.（2分）
setwd('C:\\Users\\fanning1207\\Desktop\\STATA')
library(foreign)
table1_org=read.dta('table1_org.dta')2.建立新的dofile，命名为table1_org.do,保存在新建的桌面文件夹dataclean-dofile-original文件夹中，调用table1_org.dta并完成如下任务：
2.1 将所有变量贴上标签（1分）
library(Hmisc)label(table1_org$code)='问卷编码'
label(table1_org$prov)='省'
label(table1_org$county)='县'
label(table1_org$town)='乡镇'
label(table1_org$village)='村'2.2 生成新变量provcode,其中湖北赋值为1，湖南赋值为2，四川赋值为3，江西赋值为4.（2分）
table1_org$prov=factor(table1_org$prov)
levels(table1_org$prov)## [1] "湖北" "湖南" "江西" "四川"table1_org$provcode=factor(table1_org$prov,levels=levels(table1_org$prov),labels=c(1,2,4,3))2.3.生成各个省的虚拟变量,新变量名分别为其省份的拼音。（3分）
add_table1=model.matrix(~factor(prov)-1,table1_org)
table1_org=merge(table1_org,as.data.frame(add_table1))
names(table1_org)[7:10]## [1] "factor(prov)湖北" "factor(prov)湖南" "factor(prov)江西"
## [4] "factor(prov)四川"names(table1_org)[7:10]=c('hubei','hunan','jiangxi','sichuan')2.4.去掉县、乡镇和村三个变量 (1分)
table1_org=table1_org[-3:-5]2.5.将数据保存在文件夹中,命名为table1_cln.dta. （1分）
Table2: （共15分）
3.将数据导入stata，保存在新建的桌面文件夹dataclean-data—original 文件夹中，数据命名为table2_org. （1分）
table2_org=read.dta('table2_org.dta')4. 建立新的dofile，命名为table2_org.do, 保存在新建的桌面文件夹中，调用table2_org.dta并完成如下任务：
4.1 将所有变量贴上标签 （1分）
4.2 将a1, a5, a6 ,a7 ,a8分别重命名为familysize, gender, birthyear, educ,training.（2分）
names(table2_org)[2:6]=c('familysize','gender','birthyear','educ','training')4.3 性别中1代表男性，2代表女性，在其基础上产生虚拟变量female，使得0为男性，1为女性。（2分）
table2_org$gender=factor(table2_org$gender)
levels(table2_org$gender)## [1] "1" "2"table2_org$female=factor(table2_org$gender,levels=levels(table2_org$gender),labels=c(0,1))4.4 将female贴上男、女标志，使得tab female的时候其显示为男和女。（2分）
table2_org$female=factor(table2_org$female,levels = c(0,1),labels = c('男','女'))4.5 将出生年份中的汉字改成对应数字，并在其基础上产生新变量age, 其中age为2013年减去其出生年份。（4分）
table2_org$birthyear## [1] "1964" "1950" "1947" "1950" "一九六二" "1957"
## [7] "一九七二" "1972" "1959" "一九五八" "1984" "1950"
## [13] "1964" "1953" "1971" "1951" "1972" "1940"
## [19] "1965" "1980"table2_org$birthyear[5]='1962'
table2_org$birthyear[7]='1972'
table2_org$birthyear[10]='1958'
table2_org$birthyear=as.integer(table2_org$birthyear)
table2_org$age=2013-table2_org$birthyear4.6 将受教育程度中的1.5年改为5年，而问卷编码1220103对应的受教育程度改为6年.（2分）
table2_org$educ[table2_org$educ==1.5]=5
table2_org$educ[table2_org$code==1220103]=64.7 将数据保存在data—cleandata文件夹中，命名为table2_cln.dta.（1分）
Table3: （共20分）
5.将数据导入stata，保存在新建的桌面文件夹dataclean-data—original 文件夹中，数据命名为table3_org. （1分）
table3_org=read.dta('table3_org.dta')6.建立新的dofile，命名为table3_org.do,保存在新建的桌面文件夹dataclean-dofile-original文件夹中，调用table3_org.dta并完成如下任务：
6.1.将所有变量贴上标签 （3分）
6.2.将产量中问卷编码为1220103的缺失值替换为19200，问卷编码为1310102的缺失值替换为10000.生成新变量avprod,单位（公斤/公顷）（提示：1公顷=15亩，1公斤=2斤）.(3分)
attach(table3_org)
d14[code==1220103]=19200
d14[code==1310102]=10000
table3_org$avprod=(d14/2)/(d3/15)6.3.产生新变量labor,其中labor为5个用工的总和，单位（天/公顷）（提示：现在表格中所有用工投入数据为每亩的投入小时数，1天=8小时。）。（4分）
table3_org$labor=15*(d21+d25+d29+d38+d46)/86.4.分别产生纯氮、纯磷、纯钾三个新变量，命名为puren, purep, purek,单位：公斤/公顷。其分别为用肥料施用量与肥料所含氮磷钾的比例相乘，然后换算单位。（5分）
d58[d58=='八十斤']='80'
d58=as.integer(d58)
table3_org$puren=(d58*d55)/(100*d3*2/15)
table3_org$purep=(d58*d56)/(100*d3*2/15)
table3_org$purek=(d58*d57)/(100*d3*2/15)
detach(table3_org)6.5. 将D19，D35分别命名为 npest, nirri。（1分）
names(table3_org)[names(table3_org)=='d19']='npest'
names(table3_org)[names(table3_org)=='d35']='nirri'6.6.只保留作物名称为“中稻”的观察值 （1分）
table3_org=table3_org[table3_org$d2=='中稻',]6.7.保留code和所有新生成的变量（包括重命名的变量），去掉其他变量。（1分）
table3_org=table3_org[c('code','npest','nirri','avprod','labor','puren','purep','purek')]6.8.将数据保存在data—cleandata文件夹中，命名为table3_cln.dta. （1分）
Table4: （共15分）
7.将数据导入stata，保存在新建的桌面文件夹dataclean-data—original 文件夹中，数据命名为table4_org. （1分）
table4_org=read.dta('table4_org.dta')8.建立新的dofile，命名为table4_org.do,保存在新建的桌面文件夹dataclean-dofile-original文件夹中，调用table4_org.dta并完成如下任务：
8.1.将所有变量贴上标签 （2分）
8.2.将s7中的中文改为对应数字 （2分）
table4_org[,'s7']## [1] "70000" "三千" "10000" "260000" "100000" "5000" "5000"
## [8] "200000" "六万" "50000" "25000" "150000" "50000" "1000"
## [15] "100000" "150000" "60000" "70000" "90000" "100000" "180000"
## [22] "20000"table4_org[,'s7'][table4_org[,'s7']=='三千']='3000'
table4_org[,'s7'][table4_org[,'s7']=='六万']='60000'
table4_org$s7=as.integer(table4_org$s7)8.3.表4中一个问卷编码代表一户人家，生成一个新变量asset，asset代表该户的房屋总产值（注意：有的人家有两处房产）。（6分）
8.4.只保留code和asset两个变量，然后，去掉数据中完全重复的观测值。（即每户只有一行数据）（3分）
library(plyr)table4_org=ddply(table4_org,.(code),summarize,asset=sum(s7))8.5. 将数据保存在data—cleandata文件夹中，命名为table4_cln.dta.（1分）
第二阶段：将所有新生成的数据合并，然后按一下要求完成任务：(共40分)
1.建立新的dofile, 命名为alltable_analysis.do保存在dataclean-dofile-analysis文件夹中，dofile的开头统一加上：
(1) Log using “cd/../dataclean/outcome/exam_my name.txt”,
(2)调用数据后加上命令：notes: My name is “自己姓名(中文)”
(3)最后log close （共5分）
2.将table1_cln.dta，table2_cln.dta，table3_cln.dta，table4_cln
.dta这四个数据合并。（10分）
temp1=merge(table1_cln,table2_cln,by='code')
temp2=merge(table3_cln,table4_cln,by='code')
table_all=merge(temp1,temp2,by='code')3.产生省份和是否培训的二维列联表，表格中的数据为产量的均值。 其表头如下：（8分）
| 产量（公斤/公顷） | 参加过培训 | 未参加过培训 |
|---|---|---|
| 湖北 | ||
| 湖南 | ||
| 四川 | ||
| 江西 |
xtabs(avprod~ prov+training, data= table_all)## training
## prov 0 1
## 湖北 21875.000 23250.000
## 湖南 12000.000 35375.000
## 江西 22136.363 14250.000
## 四川 6321.429 18000.0004.使用search和help 下载安装outreg2命令 （5分）
5.分别做如下方程的回归并使用outreg2命令将结果(命名为exam_myname.doc文件,如exam_Caijinyang.doc)输出至dataclean-outcome文件夹中 （10分）
因变量：以下所有方程的因变量均为产量(公斤/公顷)。
自变量：
方程1：training
方程2 : training gender age educ
方程3 : training gender age educ asset
方程4 : training gender age educ asset puren purep purek npest nirri
方程5: training gender age educ asset puren purep purek npest nirri hunan Sichuan Jiangxi
lm_dat=lm(formula = avprod ~ training + gender + age + educ
+ asset + puren + purep + purek + npest + nirri
+ Hunan + Sichuan + Jiangxi, data = table_all)
summary(lm_dat)##
## Call:
## lm(formula = avprod ~ training + gender + age + educ + asset +
## puren + purep + purek + npest + nirri + Hunan + Sichuan +
## Jiangxi, data = table_all)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2136.4 -676.5 -361.0 578.1 3078.0
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.319e+04 5.320e+03 2.479 0.0479 *
## training 2.172e+03 1.198e+03 1.813 0.1197
## gender 2.204e+03 2.528e+03 0.872 0.4168
## age -1.560e+02 6.035e+01 -2.585 0.0415 *
## educ -2.685e+02 2.848e+02 -0.943 0.3821
## asset -1.537e-02 1.165e-02 -1.320 0.2351
## puren 1.887e+01 9.747e+00 1.936 0.1010
## purep 3.355e+01 2.434e+01 1.378 0.2173
## purek -3.641e+01 2.127e+01 -1.712 0.1378
## npest 8.329e+02 8.638e+02 0.964 0.3721
## nirri -1.337e+02 4.179e+02 -0.320 0.7598
## Hunan 7.096e+01 2.314e+03 0.031 0.9765
## Sichuan -6.990e+03 1.945e+03 -3.594 0.0114 *
## Jiangxi -3.592e+03 4.127e+03 -0.871 0.4175
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2181 on 6 degrees of freedom
## Multiple R-squared: 0.8629, Adjusted R-squared: 0.566
## F-statistic: 2.906 on 13 and 6 DF, p-value: 0.09901par(mfrow=c(2,2))
plot(lm_dat)