tabplot命令

本文作者：闫宇聪（广西大学）

文字编辑：李钊颖

技术总编：高金凤

笔者最近在看一篇2018年发表在JBF上的论文——Are Chinese credit ratings relevant? A studyof the Chinese bond market and credit rating industry，文章主要阐述了中国的债券评级具有价值信息，但是与国际评级机构的评级尺度不相同，并且不同评级机构对债券投资者的评级有所区别。在这篇文章中作者使用了大量的统计图（如下图1、图2）来进行研究，发现了潜在的问题并最终设计模型来证明了结论。

图2：2009-2015年中国民间公债发行数量(按发行人类型分为央企、地方国企和非国企)

绘制一维统计图时，tabplot的语法结构为：

tabplotvarname [if] [in] [weight] [, options]

绘制二维统计图时，tabplot的语法结构则为：

tabplotrowvar colvar [if] [in] [weight] [, options]

其中，varname代表变量名、rowvar代表行变量名、colvar代表列变量名、weight代表权重、options为附加选项。

下面我们以auto数据为例，制作1978年汽车维修次数（rep78）的一维统计图。我们执行“ssc install tabplot, replace”安装该命令，程序如下：

上图只能看出rep78的相对大小，但无具体频数。我们可添加选项showval来显示频数。此外，还可以添加选项horizontal绘制水平条形图。程序如下：

接下来绘制二维统计图，还以auto数据为例，制作汽车类别（foreign）和维修次数（rep78）的二维统计图，如下：

基本的二维统计图并不“亮眼”，我们可使用一些附加选项让它更加漂亮，为此，我们介绍几个常用选项：

percent(varname)选项结合showval可汇报频率。percent如果不带括号直接使用时，显示的是占整体的频率；如果带括号使用，显示的则是占括号中的变量每个取值的频率，这相当于有了分组功能。

separate(varname)选项和bar#()对条形图中varname变量的每一个取值进行区分。

subtitle()更换图表副标题。

showval中的offset选项，调整输出频数或频率与指定栏底位置之间的偏移量（默认值是0.1）。

showval中的format选项，调整输出的频数或频率格式。

再次制作foreign和rep78的二维统计图，使用如下程序：

解释一下这段程序：显示数据占变量foreign每个取值（国产、进口）的频率并调整距离栏底位置0.05，频率保留一位小数，并按照变量foreign的取值，将条形图的颜色进行区分，最后将副标题改为“% by origin”。

这样，一个比之前更加直观和美观的二维统计图就绘制出来了。

除此之外，使用yasis和xasis可指定y(行)变量和x(列)变量显示数字。如果在连续的数字中出现缺失值，则图中会显示根据数字差异留出的相应空隙，而不显示缺失值本身。

我们使用xasis选项来指定x(列)变量按数字显示出来，如下：

其中barw(1)是barwidth(1)的缩写，表示的是条形图中每一条的宽度为1（默认为0.5）。

上图中，变量mpg的缺失值空了出来，比如mpg在26和28之间没有27，但空出了27的位置，这就能更真实地还原数据本身的分布。

addplot()选项，可以在已经绘制完成的二维统计图中添加新的图，即将两张变量类型相同但图形类型不同的图，放置在一张图中显示出来。

我们在上图的基础上，加入一个带数据标记的折线图，以便更好地看出，在rep78的不同取值下，mpg的均值变动情况。程序及解释如下：

我们可以很清晰地看到，当数据的样本量大于2时，rep78与mpg的均值有明显的正相关关系。

很多时候，在绘制二维统计表的时候，我们要把频数和频率同时显示出来。这时，我们的思路是生成一个新变量，包含频率和频数，然后使用附加选项showval将频率和频数同时输出出来。

我们以stata官网上的专家诊断癌症数据rate2.dta为例，制作专家A和专家B的诊断意见的二维统计表。我们先打开数据，具体操作命令如下：

数据集中只有频数的变量而没有频率的变量，所以我们需要生成一个包含频率和频数的新变量。首先使用count将全部样本的数量统计出来，然后计算频率，最后绘制包含频率和频数的二维统计图，程序如下：

从图中我们可以看到，两位专家诊断意见相同的概率是63.5%，诊断意见相差一级以上的概率只有3.5%，由此可以推断，两位专家诊断同一病人的结果十分相似。

有时我们需要依次按照某一变量的取值，生成n张二维统计图，这时就需要将tabplot和by进行结合。

我们调用上传到stataclub云端上的越战政策数据Vietnam_war_policy.dta（部分）。该调查数据报道了1967年5月北卡罗莱纳大学教堂山分校学生对越战的意见。policy中的A/B/C/D分别表示：

A.美国应该通过广泛轰炸北越的工业、港口和港口，以及土地入侵来击败北越的力量。

B.美国应该遵循目前对越南的政策。

C.美国应该减少军事活动的升级，停止轰炸越南北部，并加紧努力开始谈判。

D.美国应该立即从越南撤军。

按照频数（freq）加权后，再按照性别（sex）生成两张关于政策（policy）和学习年限（year）的二维统计表，且按变量sex和year显示百分比，程序如下：

从图中可知：男同学对越南战争所持意见主要是——政策A（武力解决）和政策C（谈判解决），而且支持武力解决的学生比例随着学习年限的增加而减少，支持谈判解决的学生比例随着学习年限的增加而渐渐增大；而女同学对越南战争倾向于采取谈判解决（政策C）方式。

当然，上图还存在着一些缺点，比如，女性的毕业生支持C政策的比例占到了整个女性毕业生的68.4%，但是在上图中，我们的直观感受是，（该比例）就像占到了80%一样。因此，我们还可以使用frame()选项来生成一个比例图，可以更形象、直观地对比不同的意见比例。程序如下：

tabplot最大的优势就是我们在使用它观察数据时，可以让我们感受到比数字更直观的视觉冲击，频数大小和比例都一目了然。表格和图形都是帮助我们理解数据、分析数据、挖掘有用信息的重要形式。当然了，“萝卜白菜，各有所爱”，我们要选择最适合的那种形式，对数据进行反复的“拷打”，从各个角度将数据里的“情报”尽可能多地“逼问”出来。有时候一个不经意间的分组就会诞生一个新的idea，说不定就会成为一篇好文章的开门之匙。

Jupyter Notebook不为人知的秘密

字符串方法（三）

数据，我要“拷打”你