STATA 的繪圖、字串與時間資料
這一節想要淺談 STATA 的繪圖以及字串與時間資料。繪圖或視覺化確實是一門學問，這邊只想展示一下 STATA 的繪圖功能。另外，我們處理資料時，不免會碰到字串與時間，因此有必要了解一下相關的操作。
淺談視覺化
各位想必在統計課，甚至是國高中的數學課就接觸到許多將資料以圖表表達的方法（資料視覺化）。點擊 STATA 左上工具列的「graphics」就可以發現許多繪圖工具。我個人強烈建議繪圖時善用 STATA 的 GUI，也就是靠點擊圖形化介面來完成複雜的圖表設定，然再將 Result Window 上的 code 複製到 do-file 上。但對於簡單的圖表，也不妨稍微留意一下相關的指令。Fig 2–9 非常隨意地利用 auto.dta 來展示一些繪圖結果（意不在傳達資訊，而是展示功能），以下稍做說明：
scatter <varY> <varX>，以，<varY>為 y 軸、<varX>為 x 軸繪製 scatter plot。line <varY> <varX>, sort，以<var>為 y 軸、<varX>為 x 軸繪製 line plot，option, sort會讓 line plot 以 varX 的排序繪製。- Option
title(<str>)、xtitle(<str>)、ytitle(<str>)分別可以指定圖表的上標題、x 軸名稱、y 軸名稱。 - Option
xline(<value>)，可以在 x 軸變數為<value>的地方標上參考線。 - Option
by(<var>)，依<var>的值來繪製 subplot，<var>應該會是類別變數。 graph bar (<stat>) <varY>, over(varX)，依<varX>的值分組繪製<varY>統計量<stat>的長條圖。這其實就是 2–2 提到的tabstat的圖形化版本。hist <var>可以對<var>的次數分佈繪製直方圖，optionbin()、width()可以用來調整柱寬，optionnormal則會附上常態分佈的機率密度（依<var>的平均、標準差）。
STATA 的繪圖功能還有許多細節可以設定，以下條列一些功能，有興趣的人在自行查閱：
- 更改圖中的標記（marker）大小、符號、顏色等。
- 將多張圖疊在一起（而非以 subplots 的方式分開呈現）。例如：不同族群的 scatter、 scatter with fitted line plot。
- 客製化的圖例欄（legend）的位置與說明。
- 客製化 X 軸與 Y 軸刻度與範圍。
- 在圖的左右呈現不同的刻度。
- 將多張圖合併在一張大圖底下（see
combine graph）
字串變數
字串變數其實相當常見，舉凡國家名稱、住址、身分證字號等都是。但字串變數無法直接用於數學運算，因此常常需要先從字串中取出資訊並將這些訊息以數值變數（類別）呈現，比如說：從住址中取出縣市、從身分證字號中取出第二碼（反映性別）。以下條列一 些字串處理上的概念以及實用函數：
- 字串變數的 missing 是
””，然而在 data browser 中，肉眼所見的空白卻不一定是 missing，也不一定反映同樣值。我們所見的空白可能是「一堆 whitespace」、「tab」或是兩者的組合。 - 函式
trim(<str>)可以去除字串前後的空白，例如將” Cool ”變成”Cool”。 substr(<str>,n1,n2)可以從字串<str>中截取第<n1>個字元開始，長度為<n2>的片段。倘若我們要擷取身分證中的第二碼，可以利用substr(”A123456789”,2,1)。strpos(<s1>,<s2>)會回傳字串<s2>在<s1>中首次出現的位置，例如strpos(”STATA”, T)就 會是 2。若<s2>不存在於<s1>之中就會回傳 0，因此這也可以用來檢查特定字串是否存在於某字串之中。- 請注意，如果我們處理的是中文字，那麼「長度」、「第幾個」的概念就不能直接適用。這時可以改用 unicode 版本的函式，如
usubstr()、ustrpos()。 split <strvar>, gen(<prefix>) parse(<str>)，將字串變數<strvar>依<str>切成片段， 並儲存成數個以<prefix>開頭變數。例如字串變數（日期）的某個值「”2010–01–02”」，以「”-”」切成片段就會被存成三個變數：值分別為「”2010”」、「”01”」、「”02”」。- 這些字串函數基本上都可以套用在字串變數身上，只要將其中的字串 arguement
<str>換成字串變數<strvar>即可。
為了從文字中取得資訊，當然會有許多對應的字串函數可以使用，甚至也可以利用正規表達式（regular expression），像是 regexm()。希望這些整理能快速地幫讀者找到適當的工具。
時間變數
我們也很常會見到時間相關的資料，其資料類型可能是字串或數值。也許你會想從字串中取得年、月的資訊或是生成以月為頻率的 time index，藉此控制時間趨勢，這時就會需利用 STATA 的時間函數操作：
date(<s1>,<s2>)可以將<s1>的時間字串，利用<s2>的年月日排列方式¹，轉變為對應特定年月日的整數。這個整數以 1960/1/1 為 0，逐日遞增。例如：date(”1960/1/31”,”YMD”)就會是 30。這種時間的表示法稱作 UNIX 時間，我這邊站且稱為 STATA UNIX date。²year()、month()、day()可以將 STATA UNIX date，轉換為對應的西元年、月、日。ym(<yyyy>,<mm>)可以將年、月轉換為對應特定年月日的整數（且稱為”STATA UNIX ym”，以 1960/1 為 0，逐月增加）。- 點開 Data-Browser，STATA UNIX date 的呈現方式是整數的數值變數，我們可以透過
format <var> %td改變其呈現方式為可讀性較高的”31jan1960”。若是 STATA UNIX ym 的話則改用%tm。注意，儘管呈現方式改變，其本質上仍是個整數數值喔！
[1]: 請參考 help file 中，STATA 是如何解析時間字串。
[2]: 關於 UNIX 時間可以參考 wiki 說明。注意，UNIX 時間的起始時間點也許會有不同。
