Stata Einführung Teil 1

Transkript

1 Stata Einführung Teil 1 Einlesen von Daten instata Um mit Stata Daten verarbeiten zu können, müssen sie in einer Stata-Arbeitsdatei im Arbeitsspeicher existieren. Die Stata-Arbeitsdatei kann in eine Datei auf die Festplatte abgespeichert werden und ihr Name erhält üblicherweise die Extension.DTA (z.b. usarrests.dta). Um Daten des Arbeitsspeichers in eine Stata-Datei zu speichern, wird die Anweisung save benutzt. Die allgemeine Syntax der Anweisung save lautet: save filename [, nolabel replace] Die Option nolabel entfernt die Werteetiketten aus dem gepeicherten Datensatz. Die Option replace bewirkt, dass eine Datei mit dem gleichen Namen (falls sie schon im gleichen Verzeichnis existiert) durch die neue Datei ersetzt wird. werden (unterstrichene Bestandteile von Anweisungen oder Optionen stellen mögliche Abkürzungen dar; kursiv gesetzte Bestandteile sind durch konkrete Namen zu ersetzen; eckige Klammern [ ] stellen Bestandteile der Anweisung dar, die nicht spezifiziert werden müssen die eckigen Klammern selbst dürfen bei der Anweisung nicht mit angegeben werden). Bei dem Dateinamen muss die Extension.dta nicht (kann aber) mit angegeben werden; falls sie fehlt ergänzt Stata den Namen automatisch mit.dta (nur falls die Extension nicht.dta lauten sollte, muss sie explizit angegeben werden). Falls man Daten im Format der Stata-Version 8 abspeichern möchte (z.b. weil die Datei dann später mit SPSS eingelesen werden soll SPSS kann derzeit nur Stata-Daten bis zur Version 8 einlesen), kann man hierzu die Anweisungsaveold benutzen. Die allgemeine Syntax der Anweisung saveold lautet: saveold filename [, nolabel replace] Eine Stata-Datei hat eine spezielles Format und kann normalerweise nur mit dem Programm Stata gelesen werden. Normalerweise heißt, dass sie beispielsweise mit einem normalen Texteditor (wie UltraEdit, Notepad o.ä.) oder mit einem Textverarbeitungsprogramm (wie WORD, WordPerfect o.ä.) nicht lesbar ist und dass andere (Statistik-)Programme Stata-Arbeitsdateien nur dann lesen können, wenn sie über einen speziellen Importfilter verfügen, der die Stata-Daten verstehen kann (z.b. gibt es in R eine Library mit dem Namen FOREIGN, mit dem auch Stata-Arbeitsdateien in R eingelesen werden können). Wie bekommt man eine Stata-Arbeitsdatei in den Arbeitsspeicher? Dazu existieren mehrere Möglichkeiten, abhängig davon, ob die Daten in Form einer Stata-Arbeitsdatei (1), einer Textdatei (2) oder in einem anderen Format (3) vorliegen. Bei sehr kleinen Datensätzen kann es sinnvoll sein, Daten direkt einzugeben (4). 1) Die Daten liegen in Form einerstata-arbeitsdatei vor Wenn schon eine Stata-Arbeitsdatei (normalerweise mit der Extension.DTA) existiert, lässt sie sich mit derstata-anweisung use einlesen. Würde die Datei bsp01.dta heißen, könnte man sie instata mit der Anweisung use bsp01 1

2 in den Arbeitsspeicher laden. Die Extension.dta muss nicht (kann aber) mit angegeben werden; falls sie fehlt ergänzt Stata den Namen automatisch mit.dta (nur falls die Extension nicht.dta lauten sollte, muss sie explizit angegeben werden). In unserem Beispiel erwartet Stata die Datei im aktuellen (bei der Installation oder beim Start von Stata festgelegten) Verzeichnis. Falls die Datei in einem anderen Verzeichnis existiert, kann man entweder zuvor mit einem speziellen Befehl dieses Verzeichnis zum aktuellen Verzeichnis deklarieren oder man gibt (was üblicher ist) den Dateinamen zusammen mit dem Pfadnamen an. Wenn der Name der Datei (oder auch der explizit angegebene Pfad) ein Leerzeichen enthält, muss der Name in doppelte Hochkommata eingefasst werden! Z.B.: use "c:\dokumente und einstellungen\default\eigene dateien\bsp01" Die allgemeine Syntax der Anweisung use lautet: use filename [, clear nolabel] Die Optionclear bewirkt, dass Daten im Arbeitsspeicher durch die mituse spezifizierten Daten ersetzt werden, auch wenn sie noch nicht gespeichert worden sind. Die Option nolabel verhindert, dass Werteetiketten der gespeicherten Daten mit geladen werden (es ist unwahrscheinlich, dass Du diese Option jemals benötigst). 2) Die Daten liegen in Form einer Textdatei vor Für den Fall, dass die Daten in Form einer Textdatei (auch DOS- oder ASCII-Datei genannt) gespeichert sind, gibt es drei Anweisungen (insheet,infile oderinfix), um sie in Stata einzulesen. Eine Textdatei zeichnet sich dadurch aus, dass sie mit jedem normalen Texteditor editierbar ist. Sie enthält außer den Daten (die numerisch oder alphanumerisch sein können), Hochkommata (einfache oder doppelte Anführungszeichen), Leerzeichen, Kommata, Tabulatorzeichen, dem sog. Zeilenumbruchzeichen (auch linefeed, carriage return, end of line = EOL oder Absatzzeichen genannt) sowie dem Dateiendezeichen (end of file = EOF) keine weiteren Zusatzinformationen. Solche Zusatzinformationen sind z.b. der Schrifttyp, Absatzformatierungen oder Seiteneinstellungen, die von Textverarbeitungsprogrammen (z.b. WORD) zusammen mit dem Text abgespeichert werden. Deshalb sind u.a. WORD-Dateien (häufig mit der Extension.DOC) nicht zum Einlesen in Stata geeignet. Liegen die Daten in Form einer (ASCII) Textdatei vor, können sie u.a. mit der Stata Anweisung insheet (die Daten liegen in freiem Format in der Form "eine Zeile pro Fall" und mit tabulator- oder kommabegrenzten Werten vor, wie sie von Tabellenkalkulationsprogrammen wie z.b. Excel exportiert werden können; die erste Zeile der Datei kann die Variablennamen enthalten; falls die Daten in dieser Form vorliegen, ist dies die einfachste Methode, Daten einzulesen), der Anweisung infile (entweder a: die Daten liegen in freiem Format vor und ein Fall kann sich über mehrere Zeilen erstrecken, es kann sogar mehr als eine Beobachtung pro Zeile vorkommen; die Werte sind entweder leerzeichen-, tabulator- oder kommabegrenzt und Zeichenketten sind in Hochkommata eingeschlossen; es ist kein sogenanntes "dictionnary" nötig, das spezifiziert, wo welche Variablen zu lesen sind im Allgemeinen eine fehlerträchtige Methode; oder b: die Daten liegen in festem Spaltenformat vor und ein Fall kann sich über mehrere Zeilen erstrecken; ein sogenanntes "dictionary" definiert, wo welche Variablen zu lesen sind; eine aufwändigere, aber sehr flexible und sichere Methode) oder mit der Anweisung infix (die Daten liegen in festem 2

3 Spaltenformat vor und ein Fall kann sich über mehrere Zeilen erstrecken; ein sogenanntes "dictionnary" definiert, wo welche Variablen zu lesen sind; infix hat weniger Möglichkeiten als infile für Daten im festen Spaltenformat, ist aber einfacher zu benutzen) eingelesen werden. a) Einlesen von Daten in freiem Format mit der Anweisung insheet: Mit der Anweisung insheet können Daten eingelesen werden, die in einem freien Format (Variablenwerte sind durch Tabulatorzeichen oder Kommata getrennt und können deshalb bei jedem Fall in anderen Spalten stehen) mit nur einer Zeile pro Fall abgespeichert wurden 1. Optional können in der ersten Zeile die Variablennamen spezifiziert werden (insheet versucht selbst, feststellen, ob die Datei Variablennamen enthält). Wird bei der Inputdatei die Extension nicht spezifiziert, wird.raw angenommen. Wird die Option case (s.u.) nicht spezifiziert, werden die Namen der Variablen in Kleinbuchstaben umgewandelt. Da insheet selbst versucht, festzustellen, ob die Werte tabulator- oder kommabegrenzt sind, ist diese Methode, Daten einzulesen, sehr einfach zu benutzen. Fast alle Statistik- oder Datenbankprogramme bieten die Möglichkeit, die Daten in tab delimited files abzuspeichern (u.a. Stata, R, S-PLUS, SAS, SPSS, SYSTAT, EXCEL, DBASE). Tab delimited files haben den Vorteil, dass Zeichenketten nicht in Hochkommata eingeschlossen werden müssen, da Tabulatoren innerhalb von Zeichenketten (hoffentlich) nicht vorkommen. Ein weiterer Vorteil ist, dass Stata angewiesen werden kann, die Werte in der erste Zeile dieser Daten als Variablennamen zu interpretieren, womit sich eine fehleranfällige manuelle Spezifikation der Variablennamen vermeiden lässt. Die Ausgabe der Daten und das Einlesen instata kann dann komplett mittels Syntax erfolgen, was die Reproduzierbarkeit verbessert, die Fehleranfälligkeit verringert und mögliche Korrekturen besonders einfach macht. Zum Beispiel kann in R ein data frame mit Hilfe folgender Syntax als ein tab delimited file abgespeichert werden. Die Befehle für die Daten USArrests lauteten: # Laden der Daten: data(usarrests) # Da die Name der Bundesstaaten als row.names vorliegen, werden sie # zunächst in die Variable State geschrieben, die dann mit USArrests zu # einem neuen data frame verbunden wird: State = row.names(usarrests) USArrests = data.frame(state,usarrests) # Herausschreiben der Daten mit den Variablennamen in der ersten Zeile # (die Voreinstellung ist col.names=t): write.table(usarrests,file='usarrests.dat',quote=f,sep='\t',row.names=f) # Mit sep='\t' wird R angewiesen, die Werte durch Tabulatoren vonein- # ander abzutrennen. Liegen die Daten in Form einer EXCEL-Tabelle vor (die Spalten seien State, Murder, Assault, UrbanPop und Rape), können sie ebenfalls in einem tab delimited file abgespeichert werden. Hierzu muss im Menü Datei speichern unter... gewählt werden und dort als Dateityp Text (Tabstopp-getrennt) (*.txt) gewählt werden. Der Benutzer wird 1 Liegen die Daten in Form einer Textdatei in einem freien Format mit mehr als einer Zeile pro Fall vor, muss die Stata Anweisunginfile benutzt werden, siehehelp infile. 3

4 dann gefragt, ob die Arbeitsmappe in diesem Format gespeichert werden soll, hier ist ja auszuwählen. Die von EXCEL vergebene Standard-Extension des Dateinamens ist.txt; falls dies beibehalten wird, muss in dem folgenden Beispiel der Stata Anweisung insheet der Dateiname entsprechend modifiziert werden 2. Die Stata-Syntax zum Einlesen des tab delimited files (usarrests.dat) lautet dann: insheet using "usarrests.dat", tab names Die Optiontab stellt sicher, dass der Tabulator als Begrenzungszeichen der Werte benutzt wird. Mit names wird Stata angewiesen, die (ebenfalls durch Tabulatoren getrennten Werte) der ersten Zeile als Variablennamen zu verwenden. Eine Besonderheit von insheet ist, dass Stata den Typ der Variablen (siehe help data types) automatisch bestimmt: Wenn der Wert einer Variablen für irgendeinen Fall nicht numerisch ist, wird die Variable als Zeichenkettenvariable eingelesen (numerische Werte werden als fehlend kodiert, wenn vor oder nach den Begrenzungszeichen Tabulator oder Komma nichts angegeben ist). Datums- und Zeitwerte werden als Zeichenkettenvariablen eingelesen und müssen später mit Hilfe der Funktionendate() oderclock() in Datums- oder Zeitvariablen transformiert werden (siehe Fußnote 3 undhelp date). DaStata als Dezimaltrennzeichen den Punkt benutzt, wird ein Komma regelmäßig als ein Element einer Zeichenkette (also eines nicht-numerischen Wertes) interpretiert (vgl. Fußnote 2). Damit also Variablen mit numerischen Werten nicht als Zeichenkettenvariablen gelesen werden, müssen in der Textdatei Nachkommastellen immer mit einem Punkt abgetrennt werden! Die allgemeine Syntax der Anweisung insheet lautet: insheet [varlist] using filename [, options] options description [no]double override default storage type tab tab-delimited data comma comma-delimited data delimiter("char") use char as delimiter clear replace data in memory case preserve variable name's case [no]names variable names are included on the first line of the file 2 Der Umgang mit Dezimaltrennzeichen erfordert besondere Aufmerksamkeit. Stata interpretiert immer den Punkt als Dezimaltrennzeichen, unabhängig davon, welches Dezimaltrennzeichen über die Regions- und Sprachoptionen der Systemeinstellung des Betriebssystems eingestellt worden ist (anders als in SPSS und EXCEL, diese Programme übernehmen die Einstellungen des Betriebssystems!). Üblicherweise ist in deutschsprachigen Betriebssystemen das Komma als Dezimaltrennzeichen voreingestellt. Allerdings ist der Punkt als Dezimaltrennzeichen international gebräuchlich (und deshalb in den meisten Statistikprogrammen verbreitet). Sind die Dezimalstellen in der Textdatei durch ein Komma abgetrennt, wird Stata die Daten fehlerhaft einlesen. Damit bei einem Import/Export von Textdateien in/aus EXCEL oder SPSS regelmäßig der Punkt als Dezimaltrennzeichen benutzt wird, empfehle ich, in der Systemeinstellung das Dezimaltrennzeichen auf den international gebräuchlicheren Punkt einzustellen (Start -> Systemsteuerung -> Regions- und Sprachoptionen (oder: Internationale Einstellungen o.ä.) -> Anpassen -> Dezimaltrennzeichen (Komma durch Punkt ersetzen, dann idealerweise auch das Symbol für Zifferngruppierung als Leerzeichen spezifizieren) -> OK). Übrigens ermöglicht es der write.table Befehl von R, das Dezimaltrennzeichen explizit zu spezifizieren (zum Beispiel das Komma viadec=, siehe?write.table); voreingestellt ist hier der Punkt. 4

5 b) Einlesen von Daten in festem Format mit der Anweisung infix: Mit infix werden Daten einer Textdatei eingelesen, die in festem Spaltenformat vorliegen, wobei sich die Daten eines Falls über mehrere Zeilen erstrecken können. infix benötigt ein "dictionary", d.h. die Spezifikation der Zeilen und Spalten der Textdatei, in denen sich die Werte der einzulesenden Variablen befinden. Diese Angaben können in einer eigenständigen Datei vorliegen oder mit der infix Anweisung zusammen angegeben werden. Die Textdatei, die die Daten enthält, kann entweder zusammen mit derinfix Anweisung oder in der dictionary-datei spezifiziert werden; die Daten können aber auch unmittelbar auf die dictionary-angaben folgen. Beispiel: Die Daten der Variablen id (Fallnummer), v1, v2, v3 und d1 seien einzulesen. Die Variablen sind durch jeweils ein Leerzeichen voneinander getrennt und die Variablen weisen folgende Formate auf: id ist numerisch ohne Dezimalstellen und beansprucht 3 Spalten, v1 ist eine Zeichenkettenvariable (d.h. alphanumerisch) mit (maximal) 20 Zeichen, v2 ist eine numerische Variable mit zwei Dezimalstellen und beansprucht eine Spaltenbreite von 6 Zeichen, v3 ist eine numerische Variable ohne Dezimalstellen und beansprucht zwei Spalten, d1 ist eine Datumsvariable in europäischem Format (Tag (zweistellig), gefolgt von Monat (zweistellig), gefolgt von Jahr (vierstellig)). Die Tages- Monats- und Jahresangaben können durch Punkte, Trennzeichen (-) oder Schrägstriche (/) voneinander getrennt werden. Pro Fall seien die Daten in zwei Zeilen abgespeichert, wobei der Wert der Variablen id (Fallnummer) in jeder Zeile wiederholt wird und die Werte von v3 und d1 jeweils in der zweiten Spalte stehen. Die Daten sind in der DateiBsp01a.dat abgespeichert. Die Daten der ersten drei Fälle seien: (Hilfszeilen mit Spaltennummern) 001 Fliesenleger ohne Ausbildung Krankenpflegerin /07/1956 Die entsprechendeinfix Anweisung zum Einlesen der Daten lautet: infix using "bsp01a.dct", using("bsp01a.dat") clear wobei die dictionairy-dateibsp01a.dct folgende Spezifikationen enthält: infix dictionary { 1 first id 1-3 str v v v3 2:5-6 str d1 2:8-17 } 5

6 In diesem Beispiel werden zwei Dateien benutzt, die in der infix Anweisung spezifiziert werden: Zum einen die dictionary-datei bsp01a.dct und zum anderen die Daten-Datei bsp01a.dat. Die Namen der Variablen werden in der dictionary-datei mit der Anweisung infix dictionary zwischen den anschließenden geschweiften Klammern {} nach "1 first" (bedeutet: Zeile 1 ist die 1. Datenzeile) gegebenenfalls mit einer vorangestellten Angabe ihres Typs (z.b. str für die Zeichenkettenvariablen v1 und d1) spezifiziert, gefolgt von ihrer Spaltenposition (ab Zeile 2 mit einer vorangestellten Zeilenzahl, die mit einem Doppelpunkt von der Spaltenzahl abgegrenzt wird) 3. Wenn die Spezifikationen der dictionary-datei auf mehrere Daten-Dateien angewandt werden sollen, ist es sinnvoll, so wie in obigem Beispiel in der infix Anweisung die Daten-Datei als zweite Datei spezifizieren. Es ist allerdings auch möglich, diese Angabe statt dessen in die dictionary-datei mit zu übernehmen. In diesem Fall würde die infix Anweisung zum Einlesen der Daten lauten: infix using "bsp01.dct", clear wobei dann die dictionary-datei bsp01.dct die folgenden Spezifikationen enthalten müsste: infix dictionary using "bsp01a.dat" { 1 first id 1-3 str v v v3 2:5-6 str d1 2:8-17 } Dieses Variante hat einen entscheidenden Nachteil: Falls es nötig werden sollte, die Pfadangaben zu ändern (weil beispielsweise die Syntaxanweisungen auf einem anderen Computer mit einer anderen Verzeichnisstruktur laufen sollen), müssen die Pfadangaben in zwei Dateien geändert werden, nämlich sowohl in der Stata-Syntaxdatei, in der die infix Anweisung steht, als auch in der dictionary-datei und letzteres wird leicht vergessen, was zu unerwünschten Ergebnissen führen kann. Die allgemeine Syntax der Anweisung infix lautet (1): infix using dfilename [if] [in] [, using(filename2) clear] where dfilename contains --- top of dictionary file --- infix dictionary [using filename] { * comments preceded by * asterisk may appear freely specifications } (your data might appear here) --- end of dictionary file Beachte, dass Datumswerte als Zeichenketten eingelesen werden und anschließend mit der Anweisung generate und der Funktion date() sowie einer Formatanweisung in eine Datumsvariable transformiert werden können. Beispiel (da d1 nach Generierung von v4 nicht mehr benötigt wird, kann d1 anschließend mit drop aus dem Datensatz entfernt werden): gen v4 = date(d1,"dmy") format v4 %tddd-nn-ccyy drop d1 6

7 oder (2): infix specifications using filename [if] [in] [, clear] Für die "specifications" gilt allgemein: # firstlineoffile # lines #: / [byte int float long double str] varlist [#:]#[-#] 3) Die Daten liegen nicht in Form einer Textdatei vor Mit Stata lassen sich auch Daten, die von anderen Programmen gespeichert wurden, importieren, u.a. Daten aus MS-Access-Datenbanken, dbase- und Excel-Dateien (siehe help odbc, für weitere Formate siehe auch search import und help infiling). Weitere Hinweise finden sich unter Umwandeln einer SPSS-Datei in einestata-datei Es gibt vier Möglichkeiten, SPSS-Dateien in Stata-Dateien umzuwandeln: (a) Mit Hilfe der Datei usespss.ado (s.u.) können SPSS-Dateien unmittelbar eingelesen werden; (b) seit SPSS-Version 14 können mit einer Export-Funktion SPSS-Dateien in Stata-Dateien (der Version 8) exportiert werden; (c) mit Hilfe eines SPSS-Scripts (lauffähig ab SPSS Version 14) kann zusätzlich zu (b) eine Stata-Syntax (.do-datei) erzeugt werden, die es auch erlaubt, diejenigen Etiketten, die in SPSS für fehlende Werte vergeben wurden, auch den entsprechenden fehlenden Werten in Stata zuzuweisen; (d) mit Hilfe des kommerziellen Programms Stat/Transfer (siehe ) können u.a. auch SPSS-Dateien in Stata-Dateien umgewandelt werden. Beispiel: Die SPSS-Dateibsp01.sav soll instata eingelesen werden. a) Direktes Einlesen mitusespss: Eine.ado-Datei enthält ein (häufig von Benutzern) geschriebenes Stata-Programm, mit dem die Funktionalität von Stata erweitert werden kann. Wurde ein derartiges ado- Programm einmal "installiert" (d.h. in ein spezielles Verzeichnis kopiert), kann Stata die darin definierten Anweisungen wie jede andere Stata-Anweisung ausführen. Die folgende Beispielsyntax prüft zunächst, ob die Datei usespss.ado schon installiert worden ist (falls nicht, wird sie installiert hierzu ist ein Internetanschluss nötig!): cap which usespss if _rc ssc inst usespss Anschließend kann die Anweisung usespss benutzt werden. Ein Teil der allgemeinen Syntax von lautet: usespss using filename [, clear] Die Option clear dient dazu, bisherige Daten aus dem Arbeitsspeicher zu löschen, bevor die SPSS Daten eingelesen werden. Man beachte, dass die Variablennamen der eingelesenen Daten auch Großbuchstaben enthalten können. Sollen alle Variablennamen in Kleinbuchstaben umgewandelt werden (was zu empfehlen ist), ist dies mit der anschließenden Anweisung renvars möglich: 7

8 usespss using "bsp01.sav", clear renvars _all, lower Dies Verfahren ist einfach und schnell. Der Nachteil von usespss ist, dass Etiketten von fehlenden Werten der SPSS-Daten nicht mit in die Stata-Datei übernommen werden. b) Exportieren der SPSS-Datei in ein Stata-Format (Version 8) und anschließendes Einlesen in Stata: In SPSS (ab Version 14) kann die AnweisungSAVE TRANSLATE benutzt werden, um Daten in einem anderen Format zu speichern. Mit der folgenden SPSS-Syntax werden die Daten zunächst in ein Stata-Format der Version 8 für Stata/SE (die meist gebräuchlichste Version) gespeichert: SAVE TRANSLATE OUTFILE='bsp01.dta' /TYPE=STATA /VERSION=8 /EDITION=SE /MAP /REPLACE. Anschließend können die Daten mit use instata eingelesen werden: use "bsp01.dta", clear Dieses Verfahren ist umständlicher als die Benutzung von usespss, da hierfür das Programm SPSS und SPSS-Syntax benötigt werden. Aber auch dieses Verfahren hat den Nachteil, dass Etiketten von fehlenden Werten der SPSS-Daten nicht mit in die Stata- Datei übernommen werden. c) Exportieren der SPSS-Datei in ein Stata-Format und erzeugen eines Stata.do- Files zum Einlesen und Definieren der Daten mit Hilfe eines SPSS-Scripts: Mit Hilfe des speziell hierfür geschriebenen SPSS-Skripts spss2stata.sbs 4 ist es möglich, SPSS-Dateien in Stata-Dateien so umzuwandeln, dass auch die Werteetiketten für numerische Werte in Stata erhalten bleiben. Hierzu sind folgende Schritte nötig: Starte SPSS (ab Version 14.0) und lade das Skript spss2stata.sbs via "Datei" -> "Öffnen" -> "Skript" und starte es via "Skript" -> "Ausführen" (oder mit der Taste <F5> oder durch Klicken auf das kleine grüne "Ausführen"-Dreieck in der Symbolleiste). Falls dies das erste Mal ist, dass Du das Skript benutzt, lese die Instruktion die dann erscheint und drücke OK. Ein Fenster erscheint, in das der Dateiname (inklusive Pfadangabe!) der zu konvertierenden SPSS-Datei eingetragen werden muss (wer über den TotalCommander 5 verfügt kann sich fehlerträchtige Schreibarbeit sparen, indem zunächst im TotalCommander die Datei ausgewählt/markiert wird und dann im Menü "Markieren" -> "kopiere Namen mit Pfad in Zwischenablage" gewählt wird; anschließend kann mit der Tastenkombination <Strg-v> der Inhalt der Zwischenablage (der komplette Dateiname) in das Fenster des SPSS-Skripts kopiert werden). Bestätige die Eingabe mit OK. Bestätige die folgende Meldung mit OK. Wenn alles richtig gemacht wurde, befindet sich in einem Syntax-Fenster von SPSS die vom Skript erzeugte Stata-Syntax (in der ersten Zeile steht "/* DO-file created by spss2stata (Datum Zeit) */"). Speichere diese Datei mit der Extension.do (d.h. als eine Stata-Syntaxdatei) ab, z.b. mit Siehe 8

9 dem Namen Bsp01.do. SPSS hat noch eine weitere Syntaxdatei angelegt, in der sich die Befehle zum Exportieren der SPSS-Datei in eine Stata-Datei mit der Extension.dt8 befinden. Man kann auch diese Datei zu Dokumentationszwecken oder (falls sich die Datenstruktur der Datei nicht ändert) zum zukünftigen Gebrauch oder zur Replikation als eine SPSS-Syntaxdatei abspeichern, sie wird aber für die folgenden Schritte nicht benötigt. Sie muss nicht ausgeführt werden, da das SPSS-Skript die Stata- Datei mit der Extension.dt8 schon erzeugt hat (die Syntax zeigt, in welchem Verzeichnis SPSS diese Datei abgelegt hat). Beende SPSS und starte Stata. Wird das Programm separat gestartet, wähle im Menü "File" -> "do..." und wähle die DateiBsp01.do aus. Wird Stata durch Doppelklick auf die gerade abgespeicherte DateiBsp01.do gestartet, wird diestata-syntax unmittelbar ausgeführt. In beiden Fällen ist das Ergebnis einestata-datei mit dem Inhalt der SPSS-DateiBsp01.sav im Arbeitsspeicher und auf der Festplatte (Bsp01.dta). In diesem Beispiel ist die vom SPSS-Skript spss2stata.sbs erzeugte.do-datei nicht sehr umfangreich, da in der SPSS-Datei keine Variablen- und Werteetiketten und keine fehlenden Werte deklariert worden waren und dies deshalb auch in der.do-datei nicht nötig ist. Bei SPSS-Dateien mit mehr Variablen und mit Variablen- und Werteetiketten sowie mit fehlenden Werten kann die.do-datei sehr viel umfangreicher ausfallen. Zu beachten ist, dass Datumswerte in Stata automatisch in der Form DDmonCCYY formatiert werden. Falls eine andere Formatierung gewünscht wird, z.b. DD-NN-CCYY, kann das (z.b. für die Variable v4) mit folgender Anweisung geschehen: format v4 %tddd-nn-ccyy Das SPSS-Skript ermöglicht es, fehlende Werte und entsprechende Etiketten der SPSS- Datei beizubehalten (im Gegensatz zur Exportfunktion von SPSS und möglicherweise auch zu Stat/Transfer), allerdings nur in den Fällen, in denen in SPSS nicht ein Wertebereich (z.b. mittels "low thru.." oder ".. thru hi") als fehlend deklariert wurde. In diesen Fällen müssen die fehlenden Werte (und ihre Etiketten) in Stata "zu Fuß" (z.b. durch Anpassung der vom Skript erzeugten.do-datei) spezifiziert werden. Zu beachten ist auch, dass in Stata für Zeichenkettenvariablen keine fehlenden Werte deklariert werden können. 4) Direkte Eingabe von Daten instata Um die Reproduzierbarkeit von Ergebnissen sicherzustellen, sollten Daten in der Regel aus Dateien mit Hilfe von Syntaxdateien eingelesen werden. Für kleine Datensätze oder zum Experimentieren kann es jedoch auch sinnvoll sein, Daten unmittelbar, d.h. interaktiv einzugeben. Hierzu kann diestata Anweisunginput benutzt werden. Die allgemeine Syntax der Anweisung input lautet: input [varlist] [, automatic label] Werden Variablennamen deklariert, erweitert input den bestehenden Datensatz um die entsprechenden Variablen. Wenn noch keine Daten im Arbeitsspeicher existieren, wird ein leerer Datensatz mit den entsprechenden Variablen angelegt. Vor einem Variablennamen kann der Typ der Variablen spezifiziert werden (z.b. str20 für eine 20 Zeichen breite Zeichenkettenvariable, siehehelp data types). Die Option automatic veranlasst Stata, Werteetiketten zu erzeugen, wenn nichtnumerische Daten eingeben werden (dies setzt wie die Option label voraus, dass schon 9

10 Werteetiketten für eine numerische Variable deklariert wurden). Die Spezifikation von automatic impliziert automatisch die Option label, auch wenn die Optionlabel nicht explizit spezifiziert wird. Die Option label ermöglicht es, Werteetiketten (Zeichenketten) anstelle numerischer Werte einzugeben, wenn für die Variable bereits Werteetiketten deklariert wurden. Neue Werteetiketten werden nur dann erzeugt, wenn die Optionautomatic spezifiziert wurde. Die Anweisung input eröffnet einen Eingabemodus, der durch die Eingabe von end beendet wird. Wenn Zeichenketten Leerzeichen enthalten, müssen sie bei der Eingabe in doppelte Hochkommata eingeschlossen werden. Die input Anweisung kann sowohl dazu benutzt werden, bestehenden Fällen neue Fälle hinzuzufügen, als auch Daten neuer Variablen einzugeben. Beispiel: Die obigen Beispieldaten (S. 5) sollen interaktiv eingegeben werden (Datumswerte werden als Zeichenketten eingegeben und müssen anschließend mittels der Anweisung generate und der Funktion date() sowie ggf. der Anweisung format in eine Datumsvariable umgewandelt werden, vgl. Fußnote 3). Da der Arbeitsspeicher möglicherweise schon Daten enthält, wird er zunächst durch die Anweisung clearall gelöscht: clear all input id str20 v1 v2 v3 str10 d1 Anschließend können die Daten interaktiv eingegeben werden, die Dateneingabe wird durchend abgeschlossen (die im Beispiel rot formatierten Angaben werden von Stata im Original in grüner Farbe erzeugt und signalisieren die Eingabebereitschaft für die Variablen id, v1, v2, v3 und d1 für den 1., 2., 3. und 4. Fall): id v1 v2 v3 d Fliesenleger " " 2. 2 "ohne Ausbildung" " " 3. 3 Krankenpflegerin "24/07/1956" 4. end 10