آموزش نرم افزار استاتا (Stata) از صفر تا تحلیل‌های پیشرفته آماری و اقتصادسنجی

اگر در حال کار روی پایان‌نامه، مقاله علمی یا پروژه پژوهشی هستید، دیر یا زود با نرم‌افزار استاتا مواجه می‌شوید. استاتا ابزار استاندارد دانشگاه‌ها و مراکز تحقیقاتی جهان برای پردازش‌های سنگین اماری و مدل‌سازی‌های پیچیده است. برخلاف برخی ابزارهای متکی بر کلیک، استاتا سرعت فوق‌العاده‌ای در پردازش با کد دارد و تمام مراحل تحلیل شما را به شکلی بازتولیدپذیر (Reproducible) ثبت می‌کند. در این راهنما تمام مراحل، از ورود داده تا پیشرفته‌ترین آزمون‌ها را همراه با نکات تجربی بررسی می‌کنیم.

محیط نرم‌افزار استاتا و منطق عملکرد آن

وقتی استاتا را باز می‌کنید، شاید در نگاه اول ظاهر آن کمی ساده به نظر برسد. اما پشت این ظاهر خلوت، معماری بسیار منسجمی قرار دارد. پنجره اصلی Results تمام نتایج، کدهای اجرا شده و خطاهای احتمالی را با رنگ‌های متمایز نشان می‌دهد (رنگ قرمز یعنی خطا!).

پنجره Command جایی است که دستورات تک‌خطی را در آن تایپ می‌کنید. در سمت راست، پنجره Variables متغیرهای فعال پروژه را همراه با برچسب (Label) و نوع آن‌ها نشان می‌دهد. یک نکته کلیدی که خیلی از تازه‌کارها فراموش می‌کنند: استاتا فایل اصلی داده‌های شما روی هارد را تغییر نمی‌دهد؛ بلکه داده را روی حافظه موقت (RAM) بارگذاری کرده و تمام تغییرات آنجا اعمال می‌شود تا زمانی که دستور save را اجرا کنید.

ورود داده‌ها و پاک‌سازی اوليه (Data Cleaning)

بیش از ۸۰ درصد زمان هر پژوهشگر صرف آماده‌سازی و پاک‌سازی داده‌ها می‌شود. اگر داده‌های شما در اکسل ذخیره شده، می‌توانید با دستور زیر آن را فراخوانی کنید:

import excel "C:UsersDataMyData.xlsx", sheet("Sheet1") firstrow clear

آپشن firstrow مشخص می‌کنه که سطر اول اکسل نام متغیرهاست و clear حافظه قبلی استاتا را پاک می‌کند.

یک اشتباه بسیار رایج: تفاوت destring و encode

وقتی داده وارد استاتا می‌شود، متغیرهای متنی (String) با رنگ قرمز در Data Editor دیده می‌شوند. اگر اعدادی داشته باشید که به فرمت متن ذخیره شده‌اند، استاتا اجازه محاسبات ریاضی روی آن‌ها را نمی‌دهد. اینجا باید از destring استفاده کنید:

destring gdp_growth, replace ignore(",")

اما اگر متغیر شما کیفی است (مثل نام کشورها یا نام صنایع) و می‌خواهید آن را به کدهای عددی تبدیل کنید، نباید از destring استفاده کنید! در این حالت دستور encode استفاده می‌شود تا کدهای عددی با برچسب‌های متنی ساخته شوند:

encode country_name, generate(country_id)

ساختار دستورنویسی و منطق عمومی کدهای Stata

تقریباً ۹۰ درصد کدهای استاتا از یک الگوی استاندارد و منظم پیروی می‌کنند. اگر این الگوی کلی را درک کنید، حفظ کردن دستورات بسیار ساده خواهد شد:

• command: کاری که می‌خواهید انجام شود (مثل regress یا summarize).
• varlist: لیست متغیرهایی که دستور روی آن‌ها اعمال می‌شود.
• if / in: فیلتر کردن داده‌ها بر اساس یک شرط یا محدوده خاص.
• options: تنظیمات اضافی که همیشه بعد از کاما (,) می‌آیند.

نکته خیلی مهم اینه که استاتا به کوچک و بزرگ بودن حروف حساس است (Case-Sensitive). یعنی gdp با GDP دو متغیر کاملاً متفاوت هستند.

آمار توصیفی و رسم نمودارهای کاربردی

قبل از اجرای هر مدل اقتصادی یا آماری، باید ساختار متغیرها را بشناسید. اولین گام معمولاً چک کردن خلاصه آماری است:

summarize inflation unemployment, detail
corr inflation unemployment gdp_growth

دستور summarize ..., detail شاخص‌های صدک، چولگی و کشیدگی را هم ارائه داده و برای بررسی نرمال بودن توزیع داده‌ها بسیار عالی است. برای داده‌های کیفی از دستور tabulate یا به اختصار tab استفاده می‌کنیم.

در بخش گرافیک، استاتا قدرت بالایی در رسم نمودارهای چندلایه‌ای دارد. مثلا برای رسم نمودار پراکندگی (Scatter plot) همراه با خط برازش رگرسیون:

twoway (scatter investment gdp) (lfit investment gdp), title("رابطه سرمایه‌گذاری و تولید ناخالص")

اگر قصد دارید نتایج کیفی تحلیل را با داده‌های کمی پیوند بزنید، آشنایی با ابزارهای تحلیل کیفی هم اهمیت دارد؛ همان‌طور که برای داده‌های متنی از آموزش نرم افزار nvivo استفاده می‌شود، در استاتا تمام تمرکز روی داده‌های عددی و ساختاریافته است.

تحلیل‌های اقتصادسنجی: رگرسیون OLS، پانل و مدل‌های دوتایی

برای برآورد یک رگرسیون کمترین مربعات معمولی (OLS) به همراه خطای استاندارد مقاوم در برابر ناهمسانی واریانس (Robust Standard Errors):

regress wage education experience, robust

تحلیل داده‌های تابلویی (Panel Data) در استاتا

نقطه قوت اصلی استاتا در مقایسه با سایر نرم‌افزارها، سادگی و قدرت آن در مدل‌های پانل است. قبل از اجرای رگرسیون پانل، باید مقطع (ID) و زمان (Time) را معرفی کنید:

xtset firm_id year

سپس برای برآورد مدل با اثرات ثابت (Fixed Effects) یا اثرات تصادفی (Random Effects) و انجام آزمون هاسمن:

* برآورد مدل اثرات ثابت و ذخیره نتایج
xtreg roa leverage size, fe
estimates store fe_model

* برآورد مدل اثرات تصادفی و ذخیره نتایج
xtreg roa leverage size, re
estimates store re_model

* اجرای آزمون هاسمن
hausman fe_model re_model

بررسی فرض‌های آماری دقیق، لازمه نوشتن فصل چهارم پایان‌نامه یا تدوین مقالاتی است که با شفافیت کامل به تبیین مسئله و بیان موضوع بر پایه یک چارچوب نظری تحقیق منسجم می‌پردازند.

مدیریت پروژه‌ها با Do-File و خروجی گرفتن استاندارد

هرگز و تاکید می‌کنم هرگز کدهای اصلی خود را فقط در پنجره Command ننویسید! همیشه از محیط Do-File Editor (کلید میانبر Ctrl+9) استفاده کنید. Do-File مثل یک سند متنی است که تمام خطوط کد را در خود ذخیره می‌کند و با یک کلیک (Ctrl+D) تمام پروژه را از صفر تا صد مجدداً اجرا میکند.

clear all
macro drop _all
cls
capture log close
log using "my_analysis.log", replace

use "clean_dataset.dta", clear
regress y x1 x2, robust
outreg2 using "results.doc", word replace tstat bdec(3) tdec(2)

log close

دستور outreg2 یکی از محبوب‌ترین پکیج‌های جانبی است که جداول نتایج رگرسیون را با فرمت شکیل به‌صورت مستقیم به ورد (Word) یا لاتک صادر می‌کنه. اگر این پکیج را ندارید، با دستور ssc install outreg2 آن را نصب کنید.

مقایسه استاتا با سایر نرم‌افزارها

کدام نرم‌افزار برای کار شما مناسب‌تر است؟ در جدول زیر استاتا را با ابزارهای رایج تحلیل داده مقایسه کرده‌ایم تا دید بهتری پیدا کنید:

داشتن تسلط بر استاتا و ارائه دقیق خروجی‌ها در رزومه، شانستان را برای پذیرش‌های تحصیلی افزایش می‌دهد. اگر در حال آماده‌سازی مدارک خود هستید، حتما اصول نحوه نگارش رزومه آکادمیک را بررسی کنید تا مهارت‌های نرم‌افزاری را درست بازنعکس دهید. همچنین برای انتشار مقاله در مجلاتی که در سطح‌بندی‌های معتبر قرار دارند، باید دقت تحلیل را به حداکثر برسانید؛ آشنایی با تفاوت Q1 تا Q4 در اسکوپوس اهمیت تحلیل‌های دقیق آماری را بیشتر روشن می‌کند.

از طرفی، اگر در کنار مدیریت داده‌های آماری نیازمند سازمان‌دهی رفرنس‌ها و منابع مقاله خود هستید، ابزارهایی مانند زوترو یا مندلی بسیار به شما کمک می‌کنند. خواندن راهنمای آموزش نرم افزار زوترو و همینطور آموزش نرم افزار مندلی به مدیریت ادبیات پژوهش شما سرعت می‌بخشد.

عیب‌یابی سریع و رفع کدهای خطای رایج

هنگام کار با استاتا، مواجهه با خطاهای قرمز رنگ طبیعی است. هر خطا یک کد چند رقمی (مثل r(198)) دارد. در ادامه راه‌حل عملی رایج‌ترین خطاهای کاربران را آورده‌ایم:

یادگیری استاتا نیاز به تمرین مداوم دارد. با استفاده روزمره از Do-File و ذخیره کدهای کاربردی خود، پس از مدت قصیر حس روان بودن در تحلیل داده‌ها را کاملاً تجربه خواهید کرد.