stata半径匹配算法

A. 求助stata做倾向得分匹配

你要问什么方面的赋值看 一些简单的 （1）gen x=1 （创造X变量，使X变量为1） （2）gen x=. （创造X变量，不赋值） gen y=1 replace x=y-1 （使x变量变为y变量减一，也就是0）

B. stata regression之后 怎么检测intercept slope

INTERCEPT
利用现有的 x 值与 y 值计算直线与 y 轴的截距。截距为穿过已知的 known_x's 和 known_y's 数据点的线性回归线与 y 轴的交点。当自变量为 0（零）时，使用 INTERCEPT 函数可以决定因变量的值。例如，当所有的数据点都是在室温或更高的温度下取得的，可以用 INTERCEPT 函数预测在 0°C 时金属的电阻。

语法

INTERCEPT(known_y's,known_x's)

Known_y's 为因变的观察值或数据集合。

Known_x's 为自变的观察值或数据集合。

说明

参数可以是数字，或者是包含数字的名称、数组或引用。
如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。
如果 known_y's 和 known_x's 所包含的数据点个数不相等或不包含任何数据点，则函数 INTERCEPT 返回错误值 #N/A。
函数 SLOPE 和 INTERCEPT 中使用的下层算法与函数 LINEST 中使用的下层算法不同。当数据未定且共线时，这些算法之间的差异会导致不同的结果。例如，如果参数 known_y's 的数据点为 0，参数 known_x's 的数据点为 1：
SLOPE 和 INTERCEPT 返回错误 #DIV/0!。INTERCEPT 和 SLOPE 算法用来查找一个且仅一个答案，在这种情况下可能有多个答案。
LINEST 返回值 0。LINEST 算法用来返回共线数据的合理结果，在这种情况下至少可找到一个答案。
示例
从“帮助”中选择示例
按 Ctrl+C。
在工作表中，选择单元格 A1，然后按 Ctrl+V。
要在查看结果和查看返回结果的公式之间进行切换，请按 Ctrl+`（重音符），或在“公式”选项卡上的“公式审核”组中，单击“显示公式”按钮。

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 说明（结果）
=INTERCEPT(A2:A6, B2:B6) 利用上面已知的 x 值与 y 值计算直线与 y 轴的截距 (0.)

C. stata怎样做数据匹配

可以做倾向评分匹配

D. stata数据无法1:1横向匹配

使用merge。
数据匹配是数据集的横向扩展，通过识别某些变量在不同数据集中的对应关系，将其他数据集的一些变量匹配到当前数据中。
数据匹配使用merge命令，当前打开的数据称为masterdata，待匹配的数据称为usingdata。数据匹配包含四种类型，在匹配完成后，会生成一个显示匹配结果的变量，默认是merge。

E. 关于stata的一些问题，求解答

1、如是1990年10月2日生，则年龄是
di (date(c(current_date),"DMY")-date("1990-10-2","YMD"))/365.25
2、_merge =1说明只在当前文件中 ， =2说明只在使用的合并文件中， =3说明数据匹配
3、这个要看数据和你的样本
4、用tab 命令即可
5、虚拟变量一般来说用在发生截距或者斜率可能变动的时候
比如有季节效应，那么就要加入虚拟

F. stata两个表格的数据自动匹配

操作方法如下：
1、选中单元格选中需要匹配数据的单元格。
2、输入函数输入函数：=VLOOKUP。
3、选中查找对象选中需要的查找对象。
4、框选查找内容框选需要的查找内容。
5、输入查找列数匹配数据在第2列数量，输入查找列数：2。
6、输入精确查找输入精确查找0。
7、点击图标点击【勾】图标。8、操作完成匹配两个表格相同数据让他们对应操作完成。

G. 如何用stata挑出包含某个字符串的记录

excel中ctrl+f和sql中select可以做到查找出字符变量中包含某一个特定字符的变量

stata中的第一个方法： regexm

例子：

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

stata中的第二个方法： strmatch

例子：

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

H. stata 怎么计算两个变量的余弦相似度

（1）余弦相似性

通过测量两个向量之间的角的余弦值来度量它们之间的相似性。0度角的余弦值是1，而其他任何角度的余弦值都不大于1;并且其最小值是-1。从而两个向量之间的角度的余弦值确定两个向量是否大致指向相同的方向。所以，它通常用于文件比较。
详见网络介绍（点击打开链接）
（2）算法实现的中未使用权重（IDF ---逆文档频率），使用词项的出现次数作为向量空间的值。

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

public class SimilarDegreeByCos
{
/*
* 计算两个字符串(英文字符)的相似度，简单的余弦计算，未添权重
*/
public static double getSimilarDegree(String str1, String str2)
{
//创建向量空间模型，使用map实现，主键为词项，值为长度为2的数组，存放着对应词项在字符串中的出现次数
Map<String, int[]> vectorSpace = new HashMap<String, int[]>();
int[] itemCountArray = null;//为了避免频繁产生局部变量，所以将itemCountArray声明在此

//以空格为分隔符，分解字符串
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);
}
}

//计算相似度
double vector1Molo = 0.00;//向量1的模
double vector2Molo = 0.00;//向量2的模
double vectorProct = 0.00; //向量积
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中的如何得到匹配后处理组和对照组的变量情况

在数据浏览那里会有一列是_id,处理组的后一列会匹配一些id,然后把它们提取出来