Empirische Wirtschaftsforschung: Einführung in Stata

Transkript

1 Empirische Wirtschaftsforschung: Einführung in Stata Die Anwendung der in der Vorlesung vermittelten Methoden am PC mit realen Daten ist ein zentraler Bestandteil dieser Veranstaltung. Wir verwenden die Software Stata, Version 13, die auf den Rechnern des PC-Pools installiert ist und die Sie auch von zu Hause aus über den Universitätsserver nutzen können. Wir empfehlen Ihnen wärmstens, die in der Vorlesung vorgeführten Programme und die angegebenen Übungsaufgaben eigenständig am PC durchzuführen, da Sie nur so in vollem Maße von der Veranstaltung profitieren können. Am besten ist es, wenn Sie sich zu zweit an einen PC setzen und die Programme und Aufgaben gemeinsam durchgehen. Sorgen Sie aber dafür, dass beide nachher das Programm zur Verfügung haben. Alle Musterprogramme und Datensätze können Sie bei Ilias herunterladen. Verlassen Sie sich aber nicht allein auf unser Musterprogramm, sondern versuchen Sie, eigene Lösungen zu finden. Hinweis: Die Programmierung am PC ist klausurrelevant. Insbesondere werden Sie in der Klausur einen Computeroutput interpretieren müssen. Das eigene Laufwerk U: Unter Arbeitsplatz finden Sie das Laufwerk U:. Dies ist Ihr individuelles Verzeichnis, auf dem Sie Dateien ablegen und Ordner erstellen können. Für die Übungen und Tutorien sollten Sie auf diesem Laufwerk einen neuen Ordner anlegen und diesem den Namen empwi (für Empirische Wirtschaftsforschung) geben: U:\empwi In diesem Verzeichnis sollen Sie alle relevanten Dateien (insb. Daten und Musterprogramme) ablegen, die Sie zu Beginn des Semesters von Ilias herunterladen können. Arbeiten von zu Hause Sie können Stata über eine Remotedesktopverbindung auch von zu Hause nutzen. Hier finden Sie die Anleitung des ZDV: 1

2 Einführung in Stata Beginnen wir mit einem kleinen Beispiel, um mit der Arbeitsweise und der Oberfläche von Stata vertraut zu werden. Um das Beispiel nachverfolgen zu können, müssen Sie zunächst den hier verwendeten Datensatz caschool.dta aus Ilias herunterladen. Die Endung.dta zeigt an, dass es sich um einen Stata-Datensatz handelt. Anschließend öffnen Sie das Programm Stata über das Startmenü Programme Stata 13. Sie erhalten dann ungefähr den folgenden Bildschirm: Ordnen Sie die Fenster in etwa so an wie im obigen Screenshot, falls das nicht bereits der Fall sein sollte. Das unterste Fenster mit dem Titel Command nennt man Befehlszeile. In die Befehlszeile können Sie Befehle eingeben, die dann direkt ausgeführt werden. Tippen Sie den folgenden Befehl in die Befehlszeile ein, um den Datensatz caschool.dta einzulesen: use u:\empwi\caschool.dta Hier müssen Sie natürlich das Verzeichnis angeben, in dem Sie den Datensatz abgespeichert haben. Drücken Sie die Return-Taste, und schon hat Stata den Datensatz caschool.dta eingelesen. Wenn der Pfadname ein Leerzeichen enthalten würde, müssten Sie Anführungszeichen verwenden: use "u:\empwi\caschool.dta" 2

3 Sie sehen nun das Folgende auf Ihrem Bildschirm: Der Befehl, den Sie eingegeben haben, ist aus der Befehlszeile verschwunden. Dafür taucht er nun in zwei anderen Fenstern auf: im großen Fenster in der Mitte (dem Ergebnisfenster) und im Fenster Review links. Im Ergebnisfenster gibt Stata die Ergebnisse der durchgeführten Befehle aus. Gibt es keine Ergebnisse, die anzuzeigen sind, so erscheint lediglich der eingegebene Befehl selbst, wie beim Verwenden des Befehls use zum Einlesen des Datensatzes. Ist der eingegebene Befehl fehlerhaft, gibt Stata eine Fehlermeldung aus. Im Review-Fenster werden sämtliche Befehle gesammelt, die während einer Sitzung mit Stata in die Befehlszeile eingegeben wurden. Man kann einen Befehl in die Befehlszeile zurückholen, in dem man ihn im Review-Fenster anklickt. Außerdem kann man die Befehle auch durch Drücken der Bildlauftasten (Seite hoch, Seite herunter) zurückholen. Es gibt noch eine weitere Veränderung gegenüber dem Startbildschirm: Im kleinen Fenster oben rechts ( Variables ) erscheint eine Liste. Sie enthält die Namen aller Variablen, die in dem Datensatz caschool.dta enthalten sind. Durch Anklicken kann man den Variablennamen in die Befehlszeile holen. 3

4 Alle Variablen im Datensatz haben einen Namen einige haben auch eine Beschreibung (ein Label). Sie können diese Variablen im Variablenfenster (oben rechts) sehen. Es ist hilfreich, jeder Variable ein Label zu geben so dass klar ist, was jede Variable genau bedeutet. Sie können die Label der Variablen wie folgt erstellen oder verändern: label var math_scr Durchschnittlicher Lernerfolg Mathematik Um sich die eingelesenen Daten anzusehen, kann man in die Befehlszeile den folgenden Befehl eingeben: br (Abkürzung für browse) Es öffnet sich der sogenannte Editor ( Stata Editor ): Der Editor ist eine Tabelle, in der die eingelesenen Daten aufgelistet sind. Die erste Spalte enthält die Beobachtungsnummer. Wenn Sie herunterscrollen, sehen Sie, dass der Datensatz 420 Beobachtungen enthält. Die Beobachtungseinheit ist der Schuldistrikt (Spalte 4). Die anderen Spalten enthalten verschiedene Maßzahlen der Schuldistrikte. (Zur Erklärung der Variablennamen kommen wir in der Vorlesung bzw. Übung.) Schließen Sie den Dateneditor wieder (nun müssen Sie mit der Maus klicken, denn die Befehlszeile können Sie bei geöffnetem Editor nicht benutzen). Geben Sie als nächstes den folgenden Befehl in die Befehlszeile ein: 4

5 sum sum steht für Summary Statistics, d. h. die wichtigsten deskriptiven Statistiken der Variablen des Datensatzes. Im Ergebnisfenster erscheinen für jede numerische Variable die Anzahl der Beobachtungen (Obs), der Mittelwert (Mean), die Standardabweichung (Std. Dev.) sowie die kleinste (Min) und die größte Ausprägung (Max). Bei anderen Variablenarten (z. B. Name des Schuldistrikts) können diese Größen natürlich nicht berechnet werden. Wenn Sie nur die deskriptiven Statistiken für bestimmte Variablen sehen wollen, können Sie dies hinter dem sum-befehl spezifizieren: sum Var1 Var2 Wenn Sie zum Beispiel nur die deskriptiven Statistiken für durchschnittliches Testergebnis und Lehrer- Schüler Verhältnis brauchen, geben Sie den Befehl sum testscr str ein. Falls Sie zusätzlich zu den Standardangaben an weiteren deskriptiven Statistiken wie z.b. Quantile, Schiefe und Kurtosis interessiert sind, geben Sie, detail an, z.b. sum str, detail. 5

6 Zusätzlich zu diesen deskriptiven Statistiken kann es sehr hilfreich sein, sich die Häufigkeitstabellen der Variablen anzugucken. Dies können Sie entweder für eine Variable tun, tab Var1, oder für zwei, tab Var1 Var2. 6

7 Interaktives Arbeiten vs. Arbeiten mit Programmen (Do-Files) Das, was Sie soeben getan haben, bezeichnet man als interaktives Arbeiten. Das heißt, dass wir einen Befehl in die Befehlszeile eingeben und ihn sofort ausführen lassen. Alternativ kann man ein Programm (sog. Do-File) schreiben, das dann als Ganzes ausgeführt wird (sog. Batch-Modus). Wir werden in dieser Veranstaltung häufig mit Programmen arbeiten, da dies auch die in der wissenschaftlichen Arbeit übliche Arbeitsweise ist. Das Arbeiten mit Programmen hat zwei wichtige Vorteile gegenüber der direkten Eingabe von Befehlen in die Befehlszeile: Zum einen erhält man mit dem Do-File eine komplette Dokumentation seiner Arbeit in Stata. Zum anderen kann man die Ergebnisse beliebig oft reproduzieren, was beispielsweise hilfreich ist, wenn man an irgendeiner Stelle im Programm etwas ändern möchte oder wenn sich ein Fehler eingeschlichen hat. Könnte man nicht auf sein Do-File zurückgreifen, müsste man unter Umständen von vorne beginnen. Do-Files Do-Files sind Textdateien, die mehrere Stata-Befehle enthalten und die Endung.do haben. Sie können einen neuen Do-File erstellen indem Sie folgenden Befehl eingeben: doedit Alternativ können Sie wie folgt einen neuen Do-File erstellen: über den Menüpunkt Window Do-file Editor New Do-file Editor. Wenn Sie im Do-File Editor sind, können Sie einen bereits existierenden Do-File über File Open File oder dem Open File Icon ( ) öffnen. Startet man das Do-File, führt Stata nach und nach die in dem Do-File aufgelisteten Befehle aus. Das Schreiben von Programmen kann man nur durch Übung erlernen. Ein wichtiges Kriterium für die Qualität eines Programms ist, dass es übersichtlich und gut dokumentiert ist. Deshalb sollte man nicht mit Leerzeilen und Tabs sparen und alle Schritte mit Kommentaren versehen. Kommentare sind Programmteile, die Stata nicht als Befehle interpretiert, sondern einfach ignoriert. Sie werden am Zeilenbeginn durch ein Sternchen eingeleitet. Beispiel: *Dies ist ein Kommentar Möchte man einen mehrzeiligen Kommentar verwenden, so ist die Notation die folgende: /*Dies ist ein Kommentar */ 7

8 Alternativ hätte man auch vor beide Zeilen ein Sternchen setzen können. Eine weitere Alternative für das Schreiben eines Kommentars im Do-File ist es // Ihr Text nach einem Befehl zu schreiben: sum testscr Var1 // Dies ist ein Kommentar Beispiel: Wir greifen auf den Datensatz und die Befehle aus dem Einführungsbeispiel zurück. Öffnen Sie den Do-File-Editor und schreiben Sie: *** Programm caschool.do zum Einfuehrungsbeispiel *** clear all /*entfernt den aktuellen Datensatz aus dem Speicher*/ * Einlesen des Datensatzes use u:\empwi\caschool.dta * Deskriptive Statistiken sum Speichern Sie das Dokument unter caschool.do ab. Schon ist Ihr erstes Do-File fertig. In dem Programm wurde ein neuer Befehl benutzt: clear all. Hiermit wird Stata angewiesen, den aktuell geöffneten Datensatz zu entfernen. Dies ist nur dann relevant, wenn man zuvor mit einem anderen Datensatz gearbeitet hat. Stata kann immer nur einen Datensatz gleichzeitig bearbeiten. In Stata gibt es verschiedene Möglichkeiten, Programme zu starten. Zum einen kann man in die Befehlszeile den Befehl do u:\empwi\caschool.do eingeben. Zum anderen kann man in der Menüleiste File Do das entsprechende Do-File auswählen. Falls Sie nur einen Teil des Do-Files ausführen wollen, können Sie dies tun indem Sie den entsprechenden Teil markieren und dann auf das Icon Execute (oben rechts) klicken. 8

9 Starten wir das Do-File caschool.do, so erhalten wir: Stata arbeitet nach und nach die Befehle aus caschool.do ab, bis wieder die Summary Statistics im Ergebnisfenster erscheinen, die Sie schon vom Anfang des Beispiels kennen. Mit Hilfe des Do-Files können Sie das Ausführen der Abfolge von Befehlen beliebig oft wiederholen. Dass dies sehr praktisch ist, kann man sich leicht vorstellen, wenn man bedenkt, dass die Anzahl der eingegebenen Befehle schnell unüberschaubar wird. Häufig möchte man aber auf die Ergebnisse eines Programms zurückgreifen, ohne das Programm wieder laufen zu lassen. Daher erstellt man typischerweise ein Log-File. Log-Files zeichnen alle Ergebnisse, die im Ergebnisfenster erscheinen, als Textdokument auf. Sie können das Log-File auch ausdrucken. Beispiel: Öffnen Sie den Do-File-Editor über den Menüpunkt Window Do-file Editor New Do-file. Dann öffnen Sie das Do-File caschool.do über File Open. Nun können Sie die Befehle ergänzen, die das Log-File erzeugen: *** Programm caschool.do zum Einfuehrungsbeispiel *** clear all /*entfernt den aktuellen Datensatz aus dem Speicher*/ capture log close /*schließt Log-File falls noch offen*/ set more off /*Programm läuft ohne Halten durch*/ 9

10 * Erstellung eines Log-Files log using u:\empwi\caschool, replace * Einlesen des Datensatzes use u:\empwi\caschool.dta * Deskriptive Statistiken sum * Log-File schliessen log close exit Wir speichern wieder unter caschool.do. Nun führen wir das Programm caschool.do in Stata aus und stellen fest, dass sich an dem von uns angegebenen Ort u:\empwi\ tatsächlich die Datei caschool.smcl befindet (smcl ist die Extension von Log-Files). Diese kann man sich nun ansehen über File Log View und Eingabe des Pfades des Log-Files, also hier u:\empwi\caschool.smcl. Alle Ergebnisse der Befehle zwischen log using u:\...\logfilename, replace und log close werden also in dem Log-File gespeichert. Der Befehl, replace sorgt dafür, dass beim nächsten Ausführen des Programms das alte Log-File ohne Warnmeldung überschrieben wird. Will man das nicht, muss man das alte Log-File unter einem neuen Namen abspeichern. 10

11 Allgemeine Syntax Es gibt ein paar Syntaxregeln in Stata, die unbedingt zu beachten sind. Stata unterscheidet zwischen Groß- und Kleinschreibung. district, District und DISTRICT sind in Stata also unterschiedliche Variablen. Befehle werden immer klein geschrieben. Umlaute und ß werden von Stata nicht erkannt. Ansonsten können Sie zur Bennennung von Variablen eine Kombination aus Buchstaben, Ziffern und Tiefstrichen von bis zu 32 Zeichen verwenden. Beachten Sie, dass Befehle beliebig abgekürzt werden können, sofern die Abkürzung eindeutig ist. So schreibt man typischerweise sum statt summarize, gen statt generate und reg statt regress. Dasselbe gilt für Variablennamen. Außerdem kann man die Wildcard * verwenden. Der Befehl sum comp* würde beispielsweise die deskriptiven Statistiken aller Variablen ausgeben, die mit comp anfangen, also computer und comp_stu. Erzeugung neuer Variablen Neue Variablen lassen sich in Stata einfach durch den Befehl generate erzeugen: gen neuevariable = funktion(variable) Der Variablenname neuevariable darf noch nicht anderweitig vergeben sein, sonst gibt Stata eine Fehlermeldung aus. Beispiel: gen logtestscr = log(testscr) Hier wurde der natürliche Logarithmus auf die vorhandene Variable testscr angewandt und das Ergebnis mit logtestscr benannt. Achten Sie bei der Benennung von Variablen darauf, dass möglichst bereits aus dem Variablennamen deutlich wird, welche Größe sich hinter der Variable verbirgt (die Variablenbezeichnungen im Datensatz caschool.dta sind nur bedingt als Vorbild geeignet ). Weitere in Stata implementierte Funktionen und Operatoren sind beispielsweise: exp(variable) abs(variable) sqrt(variable) variable^c variable*c variable/c Exponentialfunktion Absolutbetrag Quadratwurzel c-te Potenz Multiplikation mit c Division durch c 11

12 Weitere nützliche Notationen die Sie für die Arbeit mit Stata benötigen sind: Beispiele: >= größer gleich <= kleiner gleich == gleich wenn eine Variable eine bestimmen Wert annehmen soll ~= oder!= wenn eine Variable einen bestimmten Wert nicht annehmen soll oder. steht für einen fehlenden Wert 1) gen var2=1 if var1==. // Generiert eine neue Variable (Var2) die immer den Wert 1 annimmt, wenn bei einer anderen Variable (Var1) der Wert fehlt 2) sum str if el_pct == 0 // Erstellt die deskriptiven Statistiken für Lehrer-Schüler Verhältnis, wenn alle Schüler in einer Klasse Englisch als Muttersprache habe, bzw. niemand English lernen muss 3) sum str if el_pct >= 10 // Erstellt die deskriptiven Statistiken für Lehrer-Schüler Verhältnis, wenn mindestens 10 Prozent der Schüler Englisch lernen 4) sum str if el_pct == 0 el_pct == 10 // Erstellt die deskriptiven Statistiken für Lehrer-Schüler Verhältnis, wenn entweder genau 0 Prozent oder genau 10 Prozent der Schüler Englisch lernen 5) sum str if el_pct ~= 0 // Erstellt die deskriptiven Statistiken für Lehrer-Schüler Verhältnis, wenn ungleich 0 Prozent der Schüler Englisch lernen Will man eine bereits generierte Variable ersetzen, verwendet man statt gen den Befehl replace, also z. B. replace variable = log(variable). Eine Umbenennung von Variablen erfolgt mit dem Befehl rename, z.b. rename gr_span grade_span. Variablen können mit dem Befehl drop variable gelöscht werden. Datenanalyse in Stata Lassen Sie uns nun eine erste kleine Datenanalyse durchführen. Wir interessieren uns für den Zusammenhang zwischen der Klassengröße in Schulen und dem Abschneiden der Schüler in standardisierten Tests. Der Datensatz caschool.dta enthält u. a. Daten über diese beiden Variablen 12

13 auf der Ebene von Schuldistrikten für Kalifornien im Jahre 1998: testscr (test score) ist die durchschnittliche Leistung der Fünftklässler eines Schuldistrikts im Stanford 9 Achievement Test, str (student-teacher ratio) ist das durchschnittliche Verhältnis von Schülern zu Lehrern in einem Distrikt. Anhand der deskriptiven Statistiken (siehe oben) können wir sehen, dass das durchschnittliche Testergebnis über alle Distrikte 654,16 beträgt, das durchschnittliche Verhältnis von Schülern zu Lehrern 19,64. Es ist typischerweise sinnvoll, sich die Daten zunächst einmal graphisch zu veranschaulichen. Graphiken Als erstes können Sie sich die Verteilung der beiden interessierenden Variablen in einem Histogramm ansehen, also beispielsweise für das Testergebnis: hist testscr Beachten Sie, dass die Graphikausgabe in einem gesonderten Fenster erfolgt ( Stata Graphs ) und nicht wie die übrigen Ergebnisse im Ergebnisfenster. Graphiken werden somit nicht Bestandteil eines Log- Files und müssen daher bei Bedarf gesondert gespeichert oder ausgedruckt werden. Auch zweidimensionale Graphiken können in Stata sehr leicht erzeugt werden. Zum Erzeugen eines Streudiagramms (Scatterplot) geben Sie in die Befehlszeile ein: 13

14 twoway scatter testscr str Der Befehl für die Erstellung einer zweidimensionalen Graphik lautet also twoway linienart var1 var2 Statt scatter können Sie zum Beispiel auch line (Linie, eher bei Zeitreihen), connected (durch eine Linie verbundene Punkte, ebenfalls für Zeitreihen) oder auch lfit (Fit einer einfachen linearen Regression mit Konstanter) verwenden. Sie können auch zwei Graphiken miteinander kombinieren: twoway (scatter testscr str) (lfit testscr str) Die Graphik zeigt, dass zwischen den beiden Variablen ein negativer Zusammenhang zu bestehen scheint. 14

15 Lineare Regression Die Gerade in dem obigen Bild ist eine Regressionsgerade. Sie ist das Ergebnis einer Kleinsten-Quadrate- Schätzung. Solche Schätzungen stehen im Mittelpunkt dieser Veranstaltung. Um eine solche Schätzung durchzuführen, benötigt man den Befehl regress. Beispiel: reg testscr str Damit schätzen Sie eine lineare Beziehung zwischen testscr als endogener (abhängiger, zu erklärender) Variable und str als exogener (unabhängiger, erklärender) Variable mittels der Methode der kleinsten Quadrate. Sie können beliebig viele exogene Variablen einfügen, die erste Variable ist aber stets die zu erklärende Variable. Stata fügt der Schätzung automatisch eine Konstante hinzu. Dies ist der Output, den Stata standardmäßig bei einer linearen Regression ausgibt. Möchten Sie eine Regression ohne Konstante durchführen, so verwenden Sie: reg testscr str, noconstant Dies ist aber nur in seltenen Fällen angebracht. Um robuste Standardfehler zu erhalten (es wird in der Vorlesung erklärt, was das ist), ergänzen Sie den Regressionsbefehl wie folgt: reg testscr str, robust Um den Fit der Regression (d. h. die Vorhersage der Schätzung) zu erhalten, verwenden Sie 15

16 predict testscrfit Für die vorhergesagten Werte legt Stata eine neue Variable mit dem (von Ihnen vergebenen) Namen testscrfit an. Um die Residuen der vorangegangenen Regression zu erzeugen, benutzen Sie den Befehl: predict testscrres, resid Beachten Sie, dass Sie den Befehl predict nur im Zusammenhang mit einer Regression benutzen können und dass sich der Befehl immer auf die zuletzt durchgeführte Regression bezieht. All unsere bisherigen Erkenntnisse wenden wir nun noch einmal an, um unser Programm vom Anfang zu erweitern. Hierbei bauen wir wieder auf caschool.do auf. Öffnen Sie also caschool.do im Do- File-Editor und schreiben Sie: *** Programm caschool.do zum Einfuehrungsbeispiel *** clear all /*entfernt den aktuellen Datensatz aus dem Speicher*/ capture log close /*schließt Log-File falls noch offen*/ set more off /*Programm läuft ohne Halten durch*/ * Erstellung eines Log-Files log using u:\empwi\caschool, replace * Einlesen des Datensatzes use u:\empwi\caschool.dta * Deskriptive Statistiken sum * Erzeugen des Scatterplots mit Regressionsgerade twoway (scatter testscr str) (lfit testscr str) * Regression mit robusten Standardfehlern reg testscr str, robust * Erzeugen des Fits und der Residuen predict testscrfit predict testscrres, resid *Speichern des veraenderten Datensatzes save u:\empwi\caschool2.dta, replace * Log-File schliessen log close exit 16

17 Der Befehl replace im save-befehl bedeutet, dass ein existierender Datensatz überschrieben wird. Daher ist es sehr wichtig, einen veränderten Stata-Datensatz unter einem neuen Namen (hier caschool2.dta) abspeichern. Die Originaldaten müssen immer erhalten bleiben. Am besten erstellen Sie sich immer einen zusätzlichen Ordner mit einer Sicherheitskopie der Originaldaten. Das Programm speichern wir wieder unter caschool.do und können es nun laufen lassen. Sollte sich im Do-File ein (Tipp-) Fehler eingeschlichen haben, gibt Stata eine Fehlermeldung aus und das Programm läuft nicht bis zum Ende durch. Bitte beachten Sie, dass Sie nach Beheben des Fehlers Ihr Log-File zunächst mit dem Befehl log close schließen müssen, bevor Ihr Do-File erneut gelesen werden kann. Ansonsten wird der Fehler r(604) log file already open angezeigt. Diese Fehlermeldung wird jedoch durch die Verwendung des Befehls capture log close vermieden. Wenn Sie dann ein Programm startet, guckt Stata zuerst ob bereits in Log-File geöffnet ist und schließt diesen. Wenn kein Log-File geöffnet ist, ignoriert Stata diesen Befehl. Hilfe Stata verfügt über eine recht umfangreiche Hilfefunktion (Menüleisteneintrag Help). Man kann nach Stichworten (Search ) oder direkt nach einem bestimmten Stata-Befehl suchen (Stata command ). Letzteres hilft Ihnen aber nur, wenn Sie bereits wissen, wie der Befehl lautet, zu dem Sie Hilfe benötigen. Beispiel: help regress oder search generate. Wenn Sie eine Fehlermeldung erhalten, wird ein Fehlercode angegeben: 17

18 Hier haben Sie statt summarize sumarize geschrieben, was von Stata nicht erkannt wird. Der Befehl lookup r(199) (hier wird der angegebene Fehlercode eingegeben) liefert zusätzliche Hilfestellung, was schief gegangen sein könnte. Wir werden im Laufe des Semesters eine Reihe weiterer Befehle kennenlernen. Eine Liste mit ausgewählten Stata-Befehlen finden Sie in den Übungsunterlagen. 18