作者：何庆红（北京大学中国卫生经济研究中心）
目录
[
正所谓
「Garbage in, garbage out」
。在实证分析中，对数据的基本描述是必要一环。今天我们介绍一个简洁便利的外部命令
baselinetable
，用于连续变量和类别变量的基本描述性统计分析，呈现形式为
一维表
或者
二维表
。
baselinetable
命令有如下特征：
1. 下载安装
在 Stata 命令窗口中输入如下命令即可自动安装
baselinetable
命令：
ssc install baselinetable, replace
2. 语法格式
baselinetable
的基本语法格式如下：
baselinetable [insertrow["string"]] varname [(rowvariable_options)] [[insertrow] varname...] [if] [in] [, main_options]
统计量的设定
-
by(varname[, by_options])
定义的是统计描述的分组变量
-
catvartab(specs)
定义类别变量的统计量，默认设置是
catvartab("# (%\%)")
，其中
#
表示某一类别的频数，
%
表示该类别占总体的比例
-
ctsvartab(specs)
表示连续变量的统计量，默认设置是
ctsvartab("mean (sd)")
，其中
mean
表示该连续变量的均值，
sd
表示标准误，还可以根据研究需要作其他设定，如
Var
、
max
、
min
、
p1 p5 p10 p25 p50 p75 p90 p95 p99
-
missing
汇报变量存在遗漏值的样本个数，其中
reportmissing
汇报每个行变量存在遗漏观测值的个数
-
pcformat(%fmt)
定义百分数的显示形式，默认设置是
pcformat(%5.1f)
，即保留小数点后一位，其他如均值
meanformat(%fmt)
、标准误
sdformat(%fmt)
、中位数
medianformat(%fmt)
等。
变量名的设定
-
-
varvalue
显示类别变量的分类标签，若只显示某一个变量名称和分类标签，只需在指定变量后加上这两个选项即可，如
race(varname varvalue)
-
afterhead
在变量名后面添加选项，如
afterhead( meanformat(sd))
表示在变量名后面添加
meanformat(sd)
；也可以更改变量名称，如
VAR(novarlabel afterhead("某某"))
将变量名
VAR
改为
某某
-
subgroup
表示某变量子样本的结果，如
subgroup(race==1)
表示变量民族取值为 1 的结果
3. 应用举例
这里我们使用 Stata 官方范例数据
"nlsw88.dta"
来说明该命令的具体使用方法。
sysuse "nlsw88.dta", clear
首先，看简单的一维表形式：
. baselinetable wage(cts) hours(cts) age(cts) union race //一维表
+------------------------------------+
| | N=2246 |
|---------------------+--------------|
| hourly wage | 7.8 (5.8) |
|---------------------+--------------|
| usual hours worked | 37.2 (10.5) |
|---------------------+--------------|
| age in current year | 39.2 (3.1) |
|---------------------+--------------|
| union worker | |
|---------------------+--------------|
| nonunion | 1417 (75.5%) |
|---------------------+--------------|
| union | 461 (24.5%) |
|---------------------+--------------|
| race | |
|---------------------+--------------|
| white | 1637 (72.9%) |
|---------------------+--------------|
| black | 583 (26.0%) |
|---------------------+--------------|
| other | 26 (1.2%) |
+------------------------------------+
其次，加入分组变量，汇报二维列联表形式：
. baselinetable wage(cts) hours(cts) age(cts) union race, by( married , totalcolumn)
+-----------------------------------------------------------------+
| | married | | |
|---------------------+-------------+--------------+--------------|
| | single | married | Total |
|---------------------+-------------+--------------+--------------|
| | N=804 | N=1442 | N=2246 |
|---------------------+-------------+--------------+--------------|
| hourly wage | 8.1 (6.3) | 7.6 (5.4) | 7.8 (5.8) |
|---------------------+-------------+--------------+--------------|
| usual hours worked | 39.2 (9.1) | 36.1 (11.1) | 37.2 (10.5) |
|---------------------+-------------+--------------+--------------|
| age in current year | 39.2 (3.0) | 39.1 (3.1) | 39.2 (3.1) |
|---------------------+-------------+--------------+--------------|
| union worker | | | |
|---------------------+-------------+--------------+--------------|
| nonunion | 475 (72.4%) | 942 (77.1%) | 1417 (75.5%) |
|---------------------+-------------+--------------+--------------|
| union | 181 (27.6%) | 280 (22.9%) | 461 (24.5%) |
|---------------------+-------------+--------------+--------------|
| race | | | |
|---------------------+-------------+--------------+--------------|
| white | 487 (60.6%) | 1150 (79.8%) | 1637 (72.9%) |
|---------------------+-------------+--------------+--------------|
| black | 309 (38.4%) | 274 (19.0%) | 583 (26.0%) |
|---------------------+-------------+--------------+--------------|
| other | 8 (1.0%) | 18 (1.2%) | 26 (1.2%) |
+-----------------------------------------------------------------+
第三，添加选项，汇报缺漏的样本数：
. baselinetable wage(cts) hours(cts) age(cts) union race, ///
by( married , totalcolumn) reportmissing
+-----------------------------------------------------------------+
| | married | | |
|---------------------+-------------+--------------+--------------|
| | single | married | Total |
|---------------------+-------------+--------------+--------------|
| | N=804 | N=1442 | N=2246 |
|---------------------+-------------+--------------+--------------|
| hourly wage | 8.1 (6.3) | 7.6 (5.4) | 7.8 (5.8) |
|---------------------+-------------+--------------+--------------|
| usual hours worked | 39.2 (9.1) | 36.1 (11.1) | 37.2 (10.5) |
|---------------------+-------------+--------------+--------------|
| MISSING | 3 | 1 | 4 |
|---------------------+-------------+--------------+--------------|
| age in current year | 39.2 (3.0) | 39.1 (3.1) | 39.2 (3.1) |
|---------------------+-------------+--------------+--------------|
| union worker | | | |
|---------------------+-------------+--------------+--------------|
| nonunion | 475 (72.4%) | 942 (77.1%) | 1417 (75.5%) |
|---------------------+-------------+--------------+--------------|
| union | 181 (27.6%) | 280 (22.9%) | 461 (24.5%) |
|---------------------+-------------+--------------+--------------|
| MISSING | 148 | 220 | 368 |
|---------------------+-------------+--------------+--------------|
| race | | | |
|---------------------+-------------+--------------+--------------|
| white | 487 (60.6%) | 1150 (79.8%) | 1637 (72.9%) |
|---------------------+-------------+--------------+--------------|
| black | 309 (38.4%) | 274 (19.0%) | 583 (26.0%) |
|---------------------+-------------+--------------+--------------|
| other | 8 (1.0%) | 18 (1.2%) | 26 (1.2%) |
+-----------------------------------------------------------------
4. baselinetable 与其他命令的比较
与
baselinetable
功能相似的命令还有
summarize
，
tabulate
，
table
，
tabstat
，
fsum
等。
summarize
命令 (通常简写为
su
或
sum
) 主要用于一维列表的相关统计量的计算。
table
命令主要是用来做列表统计，尤其对于类别变量的统计，包括一维表、二维表、三维等以上维度，具体可参看
「Stata：今天你 “table” 了吗？(微信版)」
；CSDN版本。
下面通过具体例子对它们之间的差异进行对比。
4.1 fsum 命令
fsum
命令的语法非常简洁，输出结果也颇为丰富，包括：N、mean、sd、min、max、median 等几十个统计量 (
sum varlist, detail
存储于内存中的返回值都可以通过
fsum
输出)。相对于 Stata 官方命令
summarize
和
tabstat
，该命令可以对类别变量进行更为细致的统计分析。更为便利的是，该命令允许用户设置的变量标签，汇报格式自动调整更符合多数期刊的内容和格式要求。
下面举例说明该命令的主要用法。
*-基本表格
. fsum wage hours age union race, cat(union) mcat(race)
Variable | N Mean SD Min Max
---------------+---------------------------------------------
wage | 2246 7.77 5.76 1.00 40.75
hours | 2242 37.22 10.51 1.00 80.00
age | 2246 39.15 3.06 34.00 46.00
union | 1878 0.25 0.43 0.00 1.00
nonunion (%) | 1417 75.45
union (%) | 461 24.55
race | 2246 1.28 0.48 1.00 3.00
white (%) | 1637 72.89
black (%) | 583 25.96
other (%) | 26 1.16
*-借助 `bysort' 前缀可以实现分组统计
. bysort married: fsum wage hours age union race
-------------------------------------------------------------
-> married = single
Variable | N Mean SD Min Max
---------------+---------------------------------------------
wage | 804 8.08 6.34 1.15 40.20
hours | 801 39.24 9.10 2.00 80.00
age | 804 39.22 3.05 34.00 46.00
union | 656 0.28 0.45 0.00 1.00
race | 804 1.40 0.51 1.00 3.00
-------------------------------------------------------------
-> married = married
Variable | N Mean SD Min Max
---------------+---------------------------------------------
wage | 1442 7.59 5.40 1.00 40.75
hours | 1441 36.10 11.06 1.00 80.00
age | 1442 39.12 3.07 34.00 45.00
union | 1222 0.23 0.42 0.00 1.00
race | 1442 1.21 0.44 1.00 3.00
4.2 tabstat 命令
这是目前最为常用的用于报告基本统计量的 Stata 官方命令。它可以汇报一系列的统计量，汇报内容和格式也较为灵活。
\\\一维表形式如下：
. tabstat wage hours age union race, stat(N mean sd min max) col(stat)
variable | N mean sd min max
-------------+--------------------------------------------------
wage | 2246 7.766949 5.755523 1.004952 40.74659
hours | 2242 37.21811 10.50914 1 80
age | 2246 39.15316 3.060002 34 46
union | 1878 .2454739 .4304825 0 1
race | 2246 1.282725 .4754413 1 3
----------------------------------------------------------------
\\\加入分组变量，汇报二维表形式：
. tabstat wage hours age union race, by(married) stat(N mean sd min max) nototal long col(stat)
married variable | N mean sd min max
---------------------+--------------------------------------------------
single wage | 804 8.080765 6.336071 1.151368 40.19808
hours | 801 39.23845 9.099001 2 80
age | 804 39.21891 3.049911 34 46
union | 656 .2759146 .4473151 0 1
race | 804 1.404229 .5109335 1 3
---------------------+--------------------------------------------------
married wage | 1442 7.591978 5.399229 1.004952 40.74659
hours | 1441 36.09507 11.06107 1 80
age | 1442 39.1165 3.066058 34 45
union | 1222 .2291326 .4204468 0 1
race | 1442 1.214979 .4402987 1 3
------------------------------------------------------------------------
5. baselinetable 结果输出
baselinetable
命令提供了两个选项，可以把屏幕上输出的结果快捷地输出为 Excel 或 Word 文档：
