stata半徑匹配演算法

A. 求助stata做傾向得分匹配

你要問什麼方面的賦值看 一些簡單的 （1）gen x=1 （創造X變數，使X變數為1） （2）gen x=. （創造X變數，不賦值） gen y=1 replace x=y-1 （使x變數變為y變數減一，也就是0）

B. stata regression之後 怎麼檢測intercept slope

INTERCEPT
利用現有的 x 值與 y 值計算直線與 y 軸的截距。截距為穿過已知的 known_x's 和 known_y's 數據點的線性回歸線與 y 軸的交點。當自變數為 0（零）時，使用 INTERCEPT 函數可以決定因變數的值。例如，當所有的數據點都是在室溫或更高的溫度下取得的，可以用 INTERCEPT 函數預測在 0°C 時金屬的電阻。

語法

INTERCEPT(known_y's,known_x's)

Known_y's 為因變的觀察值或數據集合。

Known_x's 為自變的觀察值或數據集合。

說明

參數可以是數字，或者是包含數字的名稱、數組或引用。
如果數組或引用參數包含文本、邏輯值或空白單元格，則這些值將被忽略；但包含零值的單元格將計算在內。
如果 known_y's 和 known_x's 所包含的數據點個數不相等或不包含任何數據點，則函數 INTERCEPT 返回錯誤值 #N/A。
函數 SLOPE 和 INTERCEPT 中使用的下層演算法與函數 LINEST 中使用的下層演算法不同。當數據未定且共線時，這些演算法之間的差異會導致不同的結果。例如，如果參數 known_y's 的數據點為 0，參數 known_x's 的數據點為 1：
SLOPE 和 INTERCEPT 返回錯誤 #DIV/0!。INTERCEPT 和 SLOPE 演算法用來查找一個且僅一個答案，在這種情況下可能有多個答案。
LINEST 返回值 0。LINEST 演算法用來返回共線數據的合理結果，在這種情況下至少可找到一個答案。
示例
從「幫助」中選擇示例
按 Ctrl+C。
在工作表中，選擇單元格 A1，然後按 Ctrl+V。
要在查看結果和查看返回結果的公式之間進行切換，請按 Ctrl+`（重音符），或在「公式」選項卡上的「公式審核」組中，單擊「顯示公式」按鈕。

1
2
3
4
5
6
A B
已知 y 已知 x
2 6
3 5
9 11
1 7
8 5
公式 說明（結果）
=INTERCEPT(A2:A6, B2:B6) 利用上面已知的 x 值與 y 值計算直線與 y 軸的截距 (0.)

C. stata怎樣做數據匹配

可以做傾向評分匹配

D. stata數據無法1:1橫向匹配

使用merge。
數據匹配是數據集的橫向擴展，通過識別某些變數在不同數據集中的對應關系，將其他數據集的一些變數匹配到當前數據中。
數據匹配使用merge命令，當前打開的數據稱為masterdata，待匹配的數據稱為usingdata。數據匹配包含四種類型，在匹配完成後，會生成一個顯示匹配結果的變數，默認是merge。

E. 關於stata的一些問題，求解答

1、如是1990年10月2日生，則年齡是
di (date(c(current_date),"DMY")-date("1990-10-2","YMD"))/365.25
2、_merge =1說明只在當前文件中 ， =2說明只在使用的合並文件中， =3說明數據匹配
3、這個要看數據和你的樣本
4、用tab 命令即可
5、虛擬變數一般來說用在發生截距或者斜率可能變動的時候
比如有季節效應，那麼就要加入虛擬

F. stata兩個表格的數據自動匹配

操作方法如下：
1、選中單元格選中需要匹配數據的單元格。
2、輸入函數輸入函數：=VLOOKUP。
3、選中查找對象選中需要的查找對象。
4、框選查找內容框選需要的查找內容。
5、輸入查找列數匹配數據在第2列數量，輸入查找列數：2。
6、輸入精確查找輸入精確查找0。
7、點擊圖標點擊【勾】圖標。8、操作完成匹配兩個表格相同數據讓他們對應操作完成。

G. 如何用stata挑出包含某個字元串的記錄

excel中ctrl+f和sql中select可以做到查找出字元變數中包含某一個特定字元的變數

stata中的第一個方法： regexm

例子：

sysuse auto.dta,clear
keep if regexm(make,"BMW")==1

stata中的第二個方法： strmatch

例子：

sysuse auto.dta,clear
keep if strmatch(make,"*BMW*")

H. stata 怎麼計算兩個變數的餘弦相似度

（1）餘弦相似性

通過測量兩個向量之間的角的餘弦值來度量它們之間的相似性。0度角的餘弦值是1，而其他任何角度的餘弦值都不大於1;並且其最小值是-1。從而兩個向量之間的角度的餘弦值確定兩個向量是否大致指向相同的方向。所以，它通常用於文件比較。
詳見網路介紹（點擊打開鏈接）
（2）演算法實現的中未使用權重（IDF ---逆文檔頻率），使用詞項的出現次數作為向量空間的值。

[java] view plain
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;

public class SimilarDegreeByCos
{
/*
* 計算兩個字元串(英文字元)的相似度，簡單的餘弦計算，未添權重
*/
public static double getSimilarDegree(String str1, String str2)
{
//創建向量空間模型，使用map實現，主鍵為詞項，值為長度為2的數組，存放著對應詞項在字元串中的出現次數
Map<String, int[]> vectorSpace = new HashMap<String, int[]>();
int[] itemCountArray = null;//為了避免頻繁產生局部變數，所以將itemCountArray聲明在此

//以空格為分隔符，分解字元串
String strArray[] = str1.split(" ");
for(int i=0; i<strArray.length; ++i)
{
if(vectorSpace.containsKey(strArray[i]))
++(vectorSpace.get(strArray[i])[0]);
else
{
itemCountArray = new int[2];
itemCountArray[0] = 1;
itemCountArray[1] = 0;
vectorSpace.put(strArray[i], itemCountArray);
}
}

strArray = str2.split(" ");
for(int i=0; i<strArray.length; ++i)
{
if(vectorSpace.containsKey(strArray[i]))
++(vectorSpace.get(strArray[i])[1]);
else
{
itemCountArray = new int[2];
itemCountArray[0] = 0;
itemCountArray[1] = 1;
vectorSpace.put(strArray[i], itemCountArray);
}
}

//計算相似度
double vector1Molo = 0.00;//向量1的模
double vector2Molo = 0.00;//向量2的模
double vectorProct = 0.00; //向量積
Iterator iter = vectorSpace.entrySet().iterator();

while(iter.hasNext())
{
Map.Entry entry = (Map.Entry)iter.next();
itemCountArray = (int[])entry.getValue();

vector1Molo += itemCountArray[0]*itemCountArray[0];
vector2Molo += itemCountArray[1]*itemCountArray[1];

vectorProct += itemCountArray[0]*itemCountArray[1];
}

vector1Molo = Math.sqrt(vector1Molo);
vector2Molo = Math.sqrt(vector2Molo);

//返回相似度
return (vectorProct/(vector1Molo*vector2Molo));
}

/*
*
*/
public static void main(String args[])
{
String str1 = "gold silver truck";
String str2 = "Shipment of gold damaged in a fire";
String str3 = "Delivery of silver arrived in a silver truck";
String str4 = "Shipment of gold arrived in a truck";
String str5 = "gold gold gold gold gold gold";

System.out.println(SimilarDegreeByCos.getSimilarDegree(str1, str2));
System.out.println(SimilarDegreeByCos.getSimilarDegree(str1, str3));
System.out.println(SimilarDegreeByCos.getSimilarDegree(str1, str4));
System.out.println(SimilarDegreeByCos.getSimilarDegree(str1, str5));
}
}

I. stata中的如何得到匹配後處理組和對照組的變數情況

在數據瀏覽那裡會有一列是_id,處理組的後一列會匹配一些id,然後把它們提取出來