《基於Stata的數據分析流程》對數據分析者而言是一本不可多得的實用好書。高效的數據分析流程能夠數據管理和數據分析的時間，也是實現統計分析工作可重復性的保障。而這本書就能幫助你優化數據分析的工作流程，提高數據管理和數據分析的效率。

數據分析流程指的是管理數據分析各個方面的過程。規劃、記錄和組織你的工作，清理數據，創建變量，給變量命名，給數據加標簽，檢驗變量，執行和呈現統計分析，輸出可復制的結果，將工作檔案化——這些共同構成了一個完整的數據分析流程。在本書中，作者告訴你如何給單人項目或團隊項目設計高效的數據分析流程並付諸實踐。

作者利用真實示例、Stata命令和Stata文本，展示了數據管理和分析所需的各種高效技術。如果你的工作涉及數據分析，那麼這本書非常值得一讀。

斯考特?隆恩（J. Scott Long）是美國印第安納大學伯明頓分校社會學和統計學專業的校長教授、副教務長。他曾多次在《美國社會學評論》（American Sociological Review）、《社會力》（Social Forces）、《美國統計學家》（American Statistician）、《社會學方法與研究》（Sociological Methods and Research）等學術期刊上發表文章。1987—1994年，他曾擔任《社會學方法與研究》的編輯。

隆恩博士撰寫或編著了七本統計學方面的著作，其中《定類和受限因變量的回歸模型》（Regression Model for Categorical and Limited Dependent Variables）一書獲廣泛贊譽。因為在社會學研究方法領域做出的卓越貢獻，隆恩博士於2001年榮獲保羅?拉扎斯菲爾德紀念獎（Paul Lazarsfeld Memorial Award）。


譯者簡介：

唐麗娜，中國人民大學中國調查與數據中心數據管理部主任，社會學繫講師，著有《社會調查數據管理——基於Stata 14管理CGSS數據》等，譯有《Stata環境下的數據管理實務手冊》。

王衛東，中國人民大學社會心理學研究所所長，中國調查與數據中心副主任，社會學繫副教授，國際社會調查項目（ISSP）中國代表，中國教育追蹤調查（CEPS）項目負責人。主要研究領域為社會調查研究方法、教育社會學等。

第1章 引言
1．1 可復制性：工作流程的指導原則
1．2 工作流程的步驟
1．3 每個步驟中的任務
1．4 選擇工作流程的標準
1．5 修改工作流程
1．6 本書結構

第2章 規劃、組織和記錄
2．1 數據分析的周期
2．2 規劃
2．3 組織管理
2．4 記錄存檔
2．5 本章小結

第3章 編寫和調試do文件
3．1 運行命令的三種方式
3．2 編寫有效的do文件
3．3 調試do文件
3．4 如何獲取幫助
3．5 本章小結

第4章 讓你的工作自動化
4．1 宏
4．2 Stata命令返回的信息
4．3 循環：foreach和forvalue
4．4 include命令
4．5 ado文件
4．6 幫助文件
4．7 本章小結

第5章 命名、注釋和標簽
5．1 發布文件
5．2 數據管理和統計分工作流程
5．3 命名、注釋和標簽
5．4 給do文件命名
5．5 給數據集命名和在內部記錄數據集
5．6 給變量命名
5．7 給變量添加標簽
5．8 給變量加注釋
5．9 取值標簽
5．10 使用多種語言
5．11 一個關於名稱和標簽的工作流程
5．12 本章小結

第6章 清理數據
6．1 導入數據
6．2 檢驗變量
6．3 為分析創建變量
6．4 保存數據
6．5 為分析準備數據的一個擴展示例
6．6 合並文件
6．7 小結

第7章 分析數據並展示結果
7．1 計劃和組織統計分析
7．2 組織管理do文件
7．3 為統計分析做的記錄
7．4 利用自動化來分析數據
7．5 基礎統計
7．6 可復制性
7．7 展示結果
7．8 一個項目的備忘錄
7．9 小結

第8章 保護文件
8．1 保護層級和文件類型
8．2 數據缺失的原因以及恢復數據時的問題
8．3 墨菲定律和復制文件的規則
8．4 文件保護的工作流程
8．5 存檔保存
8．6 小結

第9章 總結
A．1 Stata的工作原理
A．2 在線工作
A．3 自定義Stata
A．4 其他資源
參考文獻

第1章 引言

本書旨在介紹若干種方法，以便讀者能夠更加有效、高效、精準地分析數據。這些方法被統稱為數據分析的工作流程。工作流程涵蓋了數據分析的整個過程，包括制訂工作計劃、記錄工作內容、清理數據、創建變量、進行統計分析、實現分析過程的可復制性、展示研究發現以及工作歸檔。其實你已經有了一個工作流程，隻是你尚未把它看成工作流程。這些工作流程可能是經過精心設計的，也可能隻是臨時建立的。由於很難找到專門探討數據分析工作流程的書籍，也沒有正式講授這項技術的課程，所以研究者通常隻有在遇到難題時纔想到建立工作流程，聽從的都是同事們的非正式的建議。舉例來說，當你發現自己有兩個同名但內容不同的文件時，就想建立文件命名的規程（例如，一個工作流程）。更普遍的是，一種好的數據分析方法經常是通過低效率的反復試錯法來習得的。因此，希望本書能夠幫助讀者縮短學習過程，從而能夠把更多的時間用於自己真正想做的事情上。

對本書初稿的反饋使我堅信，無論是初學者還是數據分析專家，都應該更加正式地思考一下自己是如何進行數據分析的，這個思考的過程會使他們受益良多。實際上，當我開始寫書時，曾經認為自己的工作流程很好，隻需要把自己平常的工作流程寫出來即可。但當我把這些問題都繫統地思考一番，並與其他研究者交流之後，又驚又喜地發現自己的工作流程水平有了很大的提高。每個人都可以輕而易舉地改進自己的工作流程。雖然更改流程意味著時間的投入，但是這些投入會得到回報，那就是在日後工作中的時間和規避數據分析過程中的很多錯誤。

雖然書中提出了很多和工作流程有關的具體建議，但大部分我建議的事情可以用其他方法完成。我對某一特定問題的最好解決方案的建議基於我與數以百計的研究者和學生的合作，他們供職於不同的產業部門，涉及的領域從化學到歷史學。這些建議對我個人的工作而言是行之有效的，而且大部分在廣泛的實踐應用中也得到了進一步的完善。但這並不意味著完成指定任務的方式隻有一種，也不是說我有最好的辦法。和任何一種復雜的統計軟件一樣，在Stata裡有多種方法可以用於完成同一件任務。有些方法隻能在有限的條件下完成任務，而且這些方法要麼容易出錯，要麼效率低。在諸多行之有效的方法中，你就需要選擇自己喜歡的方法。為幫助你做到這一點，對某一指定任務，我通常會討論多種解決辦法。與此同時，我還給出了一些低效率做事方法的案例，因為對讀者來說，親眼看到錯誤方法所造成的後果遠比耳聞正確方法之優越性更令人印像深刻。這些案例都是真實的，來源於我曾經犯過的諸多錯誤和在幫助他人做數據分析時遇到的問題。讀者需要做的就是選擇一種能夠與自己的項目特點、擁有的資源和自己的習慣愛好相匹配的工作流程。可以說，有多少做數據分析的人，就有多少種工作流程，沒有哪一種工作流程是適合所有人或適用於所有項目的。關鍵是讀者需要全面考慮問題，選擇自己的程序並且嚴格執行，如果沒有好的理由，就絕不隨意修改。

在本章的剩下部分，我提供了一個用來理解和評估工作流程的框架。首先要講的就是可復制性這一基本原則，該原則應該指導工作流程的各個方面。無論你如何做數據分析，都要確保結果的可證性和可復制性。接下來要介紹的是在所有類型的數據分析中都不可缺少的四個步驟：清理數據、進行分析、報告結果和保存文件。在每個步驟中都有四項主要任務：規劃工作、組織管理資料、記錄所做的工作、執行這些工作。如果工作中任何一個特定方面都有若干種解決辦法，那麼該如何判定工作流程的高下優劣呢？對此，書中提供了評估工作流程的若干標準。這些標準可以幫助讀者決定使用哪種程序，也正是這些標準促成了書中有關最佳實踐方法的建議。

1.1 可復制性：工作流程的指導原則

能夠把已發表或出版的研究結果完整地復制出來是所有工作流程的基礎。科學要求可復制性，一個好的工作流程能夠提高你重復得到同樣研究結果的能力。制訂項目計劃、保存工作、寫程序以及保存分析結果都應該考慮到可復制性的需要。在多數情況下，研究者直到自己的工作遇到巨大挑戰時纔開始擔心可復制性的問題。這並不是說他們都在走捷徑、在分析中做假，或者做出了錯誤決定，而是說他們需要完成幾個必要的步驟，以便將來可以毫不費力地重復之前已經完成的工作。舉例來說，設想一個同事想要擴展你之前的某項研究，於是向你索要已發表的論文中使用的數據和命令。這時，你肯定不想手忙腳亂地復制出研究結果。雖然要找出以前的分析結果可能要花好幾個小時（例如，我自己的很多資料保存在自己的筆記本中，這些筆記本都堆放在儲物間），但這應該是一個檢索工作記錄的過程，而不是去回憶以前做了哪些工作，更不是發現自己的記錄和報告的研究結果根本不匹配。

在整個工作流程中都應該始終牢記可復制性原則。在完成每一階段的工作之後，如有必要，應該拿出一小時或一天的時間來回顧一下已經完成的工作，檢查工作程序是否已經被記錄，確認所用資料已經存檔。當一篇要發表的文章的初稿寫完時，需要回顧所有的文件記錄，檢查用過的文件是否均已保存，確認do文件是否仍然可以運行，並再次確認論文中的數字與結果中的數字是否一致。最終，確認整個過程都已記錄在自己的研究日志中（詳見37頁）。