Análise de microdados com Stata

APOSTILA DO MINICURSO
MICRODADOS COM O USO DO STATA
Autores: Igor Vieira Procpio

Ricardo da Silva Freguglia
Setembro de 2013
Sumrio
1 Introduo ......................................................................................................................................... 2
2 Iniciao ao Stata............................................................................................................................... 3
2.1 Interface do Stata ...................................................................................................................... 3
2.2 Do-file ......................................................................................................................................... 4
2.3 Log-Files ...................................................................................................................................... 5
3 Visualizar Microdados no Stata ......................................................................................................... 6
4 - Operaes bsicas no Stata.............................................................................................................. 11
4.1 Excluir variveis e observaes ................................................................................................ 11
4.2 Renomear variveis .................................................................................................................. 12
4.3 Legenda e Rtulos de Variveis ................................................................................................ 13
4.4 Transformar variveis do formato texto para o formato numrico......................................... 15
4.5 Alterar valores de variveis ...................................................................................................... 17
4.6 Criar novas variveis ................................................................................................................. 19
5 Estatsticas Descritivas..................................................................................................................... 21
5.1 Estatsticas Descritivas para Variveis Discretas ...................................................................... 22
5.2 - Estatsticas Descritivas para Variveis Contnuas...................................................................... 28
5.3 Estatsticas Descritivas para Variveis Categricas e Contnuas .............................................. 32
6 - Transformar Microdados em Dados Agregados. ............................................................................. 34
7 Combinar diversos bancos de dados. .............................................................................................. 36
7.1 Adicionar observaes ao banco de dados .............................................................................. 38
7.2 Adicionar novas variveis ao banco de dados. ......................................................................... 42
8 Uma aplicao PNAD .................................................................................................................... 46
1 Introduo
O objetivo desse curso capacitar o usurio a visualizar e manipular microdados no
Stata, com nfase no processo de agregao dos dados. Por exemplo, transformar dados
individuais em dados agregados de municpios ou estados. No entanto, antes de aprendermos
o processo de agregao, necessrio conhecer o Stata e algumas funes bsicas, como
manipular o banco de dados, melhorar a aparncia do banco de dados, modificar e criar
variveis e calcular algumas estatsticas descritivas.
Segundo o IBGE, os microdados consistem no menor nvel de desagregao dos dados
de uma pesquisa. Geralmente, retratam o contedo do questionrio, preservado o sigilo das
informaes. Os microdados possibilitam aos usurios, com conhecimento de linguagens de
programao ou softwares de clculo, como o Stata, criar suas prprias tabelas de planos
tabulares de dados numricos. Ou seja, alm do uso direto dos microdados, principalmente em
estudos economticos, as informaes contidas neste formato de dados permitem ao usurio a
criao de suas prprias tabelas e tambm permite que sejam construdos bancos de dados
com o nvel de agregao desejada (municpios, estados, etc). O uso dos microdados 1 d ao
pesquisador maior flexibilidade na elaborao de informaes agregadas, alm de fazer com
que o pesquisador tenha controle e conhecimento de todo o processo.2
No Brasil, o Instituto Brasileiro de Geografia e Estatstica (IBGE), o Instituto Nacional
de Pesquisas Educacionais Ansio Teixeira (INEP), o Ministrio do Trabalho e Emprego
(MTE) esto entre os principais rgos a disponibilizar microdados socioeconmicos.
Esta apostila est dividida da seguinte forma. Alm desta breve introduo, a seo
dois apresenta uma introduo ao Stata, explicando o que o Stata e qual a funo de suas
principais janelas. Na seo trs mostra-se como carregar e visualizar microdados no Stata.
Na quarta seo veremos algumas operaes bsicas no Stata para manipulao do banco de
dados. A quinta seo dedicada elaborao de estatsticas descritivas. Na seo seis
apresentado o processo de transformao dos microdados em dados agregados e na seo sete
como adicionar observaes e variveis em um banco de dados. Por fim, na seo oito, os
conhecimentos aprendidos nas sees anteriores sero aplicados em um banco de dados real,
utilizaremos a PNAD 2009 como exemplo.
Para entender os microdados, em geral so fornecidos os dicionrios dos dados e os questionrios aplicados.
Para uma informao concisa sobre alguns dos principais microdados socioeconmicos usados, acesse
http://www.ufjf.br/econs/downloads/apresentacoes/.
2
Para acessar dicionrios de dados e questionrios de alguns dos principais microdados socioeconmicos, acesse
o Portal ECONSdata no link a seguir: http://www.ufjf.br/econs/banco-de-dados/.
2 Iniciao ao Stata
O Stata um pacote estatstico/economtrico, capaz de lidar com grandes bases de
dados, cujos comandos baseiam-se em princpios de programao. Com o Stata o pesquisador
capaz de manipular, processar e analisar dados alm de produzir grficos de qualidade para
publicaes em relatrios ou trabalhos cientficos/acadmicos. A familiaridade com a
linguagem relativamente simples, podendo ser adquirida a partir da prtica constante dos
comandos
O Stata utiliza linguagem de programao para a aplicao de seus comandos, no
entanto, existe uma gama de comandos pr-programados disponveis ao usurio atravs da
barra de Menu. Vamos ver nesta seo as principais janelas utilizadas no Stata e dois tipos
especfico de arquivos (do-file e log-file).
2.1 Interface do Stata
Quando se inicia o Stata pela primeira vez, visualiza-se cinco janelas no programa,
conforme imagem em Figura 1.
Figura 1 Tela inicial do Stata
A janela denominada Command o local para a digitao dos comandos. A janela

maior, logo acima da janela Command a janela onde os resultados dos comandos sero
apresentados. Esta janela denominada Results. Todos os comandos utilizados sero
armazenados na janela Review esquerda da janela Results, ento possvel acompanhar os
comandos utilizados e reutilizar um comando facilmente apenas clicando em cima do
comando j utilizado. No lado direito e no alto est a janela Variables com a lista das
variveis contidas no banco de dados que estiver carregado. Por fim, no lado direito na parte
baixa visualiza-se a janela Properties onde aparecem algumas propriedades das variveis do
banco de dados.
possvel alterar o tamanho e posio das janelas ou fechar algumas destas janelas.
Tambm possvel alterar o esquema de cores, utilizando esquemas pr-definidos ou
definindo outro de acordo com suas preferncias. Para realizar estas alteraes, utilize a barra
de Menu e v em: Edit > Preferences > General Preferences.
Alm destas janelas apresentadas na inicializao do Stata, destacamos mais duas. A
janela Data Editor, onde o banco de dados exibido em forma de uma planilha, e a janela
Do-file Editor. A janela Data Editor ser apresentada na prxima seo. Para entender a
janela Do-file Editor, preciso conhecer o que um Do-file no Stata. A prxima subseo
dedicada apresentao do Do-file e suas funcionalidades.
2.2 Do-file
O Do-file um arquivo de texto onde os comandos do Stata podem ser digitados e
armazenados. O Do-file Editor um editor de texto associado ao Stata til na gerao e
manipulao dos Do-files. O Do-file uma alternativa ao uso interativo via digitao dos
comandos na janela Command com imediata visualizao. Existem algumas vantagens
associadas ao uso do Do-file. Uma das principais vantagens de se utilizar um Do-file a
facilidade de reproduo de seu trabalho posteriormente. Outra vantagem que caso se
perceba algum erro nos comandos ou no banco de dados, basta corrigir o erro e executar o
Do-file novamente.
O Do-file Editor pode ser acessado digitando doedit na janela de comandos ou via
barra de Menu, conforme ilustrado na Figura 2.
Figura 2 Barra de Menu do Stata
A Figura 3 apresenta a janela do Do-file Editor. Cada linha do Do-file representa um

comando. Para executar um comando especfico, selecione a linha desejada e clique no boto
Execute(do) destacado na figura 2, ou utilize a tecla de atalho Ctrl+D.
Figura 3 Barra de Menu do Do-file Editor
conveniente e muitas vezes necessrio acrescentar comentrios a um Do-file para

explicar algum comando utilizado ou outra informao que se julgue necessria. Para
acrescentar comentrio, basta iniciar a linha com um asterisco (*). Tudo que for digitado na
frente do asterisco o Stata reconhece como comentrio e no tenta executar. Ao longo do
curso utilizaremos um Do-file, e suas utilidades ficaro mais claras.
2.3 Log-Files
Outro arquivo do Stata que merece destaque o Log-file. Quando se inicia um log-file
no Stata, tudo que aparecer na janela de resultados ser armazenado neste arquivo, seja
comando ou resultado. A principal funo de um log-file armazenar os resultados do
trabalho executado. A janela de resultados tem duas limitaes no que diz respeito a salvar os
resultados do trabalho. Primeira, sempre que se fecha o Stata, tudo que estiver na janela
resultados ser perdido. Outra limitao que a janela de resultados armazena apenas um
nmero determinado de linhas, se o trabalho tiver mais linhas do que a janela suporta, parte
dos resultados ser perdida.
Para iniciar um log-file digite o seguinte comando na janela de comandos:
log using mylog.txt
onde mylog representa o nome do arquivo de log que ser salvo.
Tambm pode-se abrir um log-file pela barra de Menu. File > Log > Begin. Aps
iniciado um log-file, tudo que aparecer na janela de resultados ser gravado no log at que se
feche o log-file. Para fechar um log-file digite log close na janela de resultados.
5
Se o log-file for aberto via barra de Menu, cuidado para o tipo de arquivo que o log
ser salvo. Existem dois tipos, o .log e o .smcl. A terminao .log grava um arquivo em txt e
tem a vantagem de poder ser visualizada em qualquer editor de texto. J a terminao .smcl
um arquivo do Stata, e portanto, s pode ser visualizada atravs do Stata.
Uma ltima observao a ser feita nesta subseo em relao ao diretrio onde o logfile ser salvo. Notem que na parte inferior da janela do Stata existe um endereo. Pode-se
digitar o comando pwd na janela de comandos para visualizar o diretrio corrente. Caso no
se especifique um endereo no comando para iniciar o log-file, o arquivo ser salvo no
diretrio que estiver especificado no Stata, normalmente a pasta do prprio programa.
interessante que se mude o diretrio para seu diretrio de trabalho. Pode-se alterar o endereo
via barra de Menu, File > Change Working Directory ... Ou digitar o seguinte comando na
janela de comandos.
cd drive://working directory
onde drive://working directory representa o endereo de seu diretrio de trabalho.
interessante e recomendvel digitar o comando para alterar o diretrio no incio de
seu do-file.
3 Visualizar Microdados no Stata

Nesta seo veremos como abrir um banco de dados no Stata e algumas formas de
visualizar e descrever os dados. Para abrir um banco de dados no Stata, preciso ter um
banco de dados no formato .dta ou executar algum procedimento de importao de dados de
outros formatos. Tambm possvel imputar seus dados diretamente no Stata.
Neste curso no veremos os procedimentos de importao de dados. Iremos assumir
que os usurios j possuem seus bancos de dados no formato do Stata. No entanto, para fins
didticos, vamos usar ao longo do curso um banco de dados hipottico que iremos imputar
diretamente no Stata, vamos dar a esse banco de dados o nome de banco 1. Mas no
entraremos em detalhes do processo de imputao, o procedimento de imputao ser dado e
apenas iremos replic-lo.
A maneira mais simples de abrir um banco de dados no Stata atravs da barra de
Menu File > Open e localizar o arquivo que se deseja abrir. Ou digitar diretamente na janela
Command o seguinte comando:
use mydata.dta
Um banco de dados no Stata aparece no formato spreadsheet, formato padro da
maioria dos softwares, inclusive o Excel. Neste formato as colunas representam variveis
enquanto que as linhas representam observaes.
6
Para imputar o banco de dados banco 1 copie e cole a programao abaixo em um

Do-file e execute todas as linhas de comando clicando no boto Execute(do) da barra de Menu
do Do-file Editor apresentado na Figura 3.
clear
input str2 var1 str4 var2 str4 var3 var4 var5 var6 var7 str6 var8 var9 var10 str8 var11 var12 var13
var1 var2 var3 var4 var5 var6 var7 var8 var9 var10 var11 var12 var13
"MG"
"MG"
"MG"
"MG"
"MG"
"MG"
"SP"
"SP"
"SP"
"SP"
"SP"
"RJ"
"RJ"
"RJ"
"RJ"
end
"521"
"123"
"150"
"1200"
"410"
"851"
"1250"
"360"
"200"
"980"
"783"
"160"
"600"
"501"
"203"
"n/d"
"1360"
"543"
"1200"
"1590"
"2806"
"*"
"1503"
"2126"
"3809"
"0904"
"843"
"2303"
"5816"
"2089"
1
1
2
2
2
1
2
2
1
2
1
2
2
1
2
15
51
32
41
20
13
50
33
18
74
13
50
64
37
28
15
51
32
41
20
13
50
33
18
74
13
50
64
37
28
15
51
32
41
20
13
50
33
18
74
13
50
64
37
28
"B"
"BRANCO"
"PARDO"
"NEGRO"
"NEGRO"
"PARDO"
"BRANCO"
"BRANCO"
"PARDO"
"NEGRO"
"PARDO"
"BRANCO"
"NEGRO"
"PARDO"
"BRANCO"
99
2
3
1
2
4
2
3
2
6
3
99
4
2
3
1
0
0
1
99
.
0
1
1
0
.
0
1
3
1
"R$
"R$
"R$
"R$
"R$
"R$
"R$
"R$
"R$
"R$
"R$
"R$
"R$
"R$
"R$
45,35"
54,94"
87,24"
12,32"
45,36"
68,97"
84,58"
61,95"
74,21"
46,26"
65,94"
41,30"
21,23"
15,60"
34,18"
5
8
4
15
6
8
12
4
4
8
7
1
4
6
0
132132136
13549687808
13549576192
1234968448
1354654976
13216546
16549879808
13216549888
132465496
123465752
45613551616
16357494784
16549874688
8822888448
135246544
Aps rodar as linhas de comando acima, a janela Variables que estava vazia passa a
conter as informaes das variveis do banco de dados, conforme pode ser visualizado na
Figura 4. Notem que aparecem apenas os nomes das variveis, var1 a var11 e nenhuma
informao na coluna label. Veremos mais a frente como adicionar labels s variveis.
Figura 4 Janela de Variveis
Existem algumas formas de visualizar o banco de dados no Stata. Veremos primeiro o

comando list. Este comando lista as variveis e observaes do banco de dados na janela
Results. Caso o banco de dados contenha muitas observaes e/ou variveis, o comando list
pode no ser a forma mais adequada de visualizar os dados, no entanto, ainda assim o
comando pode ser usado para visualizar parte dos dados. Digite list na janela de comandos.
Exemplo 1: Listar todas as variveis e observaes

list
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
+------------------------------------------------------------------------------------------------------+
| var1
var2
var3
var4
var5
var6
var7
var8
var9
var10
var11
var12
var13 |
|------------------------------------------------------------------------------------------------------|
|
MG
521
n/d
1
15
15
15
B
99
1
R$ 45,35
5
1.32e+08 |
|
MG
123
1360
1
51
51
51
BRANCO
2
0
R$ 54,94
8
1.35e+10 |
|
MG
150
543
2
32
32
32
PARDO
3
0
R$ 87,24
4
1.35e+10 |
|
MG
1200
1200
2
41
41
41
NEGRO
1
1
R$ 12,32
15
1.23e+09 |
|
MG
410
1590
2
20
20
20
NEGRO
2
99
R$ 45,36
6
1.35e+09 |
|------------------------------------------------------------------------------------------------------|
|
MG
851
2806
1
13
13
13
PARDO
4
.
R$ 68,97
8
1.32e+07 |
|
SP
1250
*
2
50
50
50
BRANCO
2
0
R$ 84,58
12
1.65e+10 |
|
SP
360
1503
2
33
33
33
BRANCO
3
1
R$ 61,95
4
1.32e+10 |
|
SP
200
2126
1
18
18
18
PARDO
2
1
R$ 74,21
4
1.32e+08 |
|
SP
980
3809
2
74
74
74
NEGRO
6
0
R$ 46,26
8
1.23e+08 |
|------------------------------------------------------------------------------------------------------|
|
SP
783
0904
1
13
13
13
PARDO
3
.
R$ 65,94
7
4.56e+10 |
|
RJ
160
843
2
50
50
50
BRANCO
99
0
R$ 41,30
1
1.64e+10 |
|
RJ
600
2303
2
64
64
64
NEGRO
4
1
R$ 21,23
4
1.65e+10 |
|
RJ
501
5816
1
37
37
37
PARDO
2
3
R$ 15,60
6
8.82e+09 |
|
RJ
203
2089
2
28
28
28
BRANCO
3
1
R$ 34,18
0
1.35e+08 |
+------------------------------------------------------------------------------------------------------+
Aps o uso do comando, as informaes acima foram exibidas na janela Results do

Stata. Como nosso banco de dados possui 15 observaes, possvel visualizar facilmente
todas as observaes.
Caso o objetivo seja visualizar apenas uma parte das observaes, basta especificar um
range para as observaes. Veja o exemplo a seguir:
Exemplo 2: Listar apenas as cinco primeiras observaes do banco 1

list in 1/5
1.
2.
3.
4.
5.
+------------------------------------------------------------------------------------------------------+
| var1
var2
var3
var4
var5
var6
var7
var8
var9
var10
var11
var12
var13 |
|------------------------------------------------------------------------------------------------------|
|
MG
521
n/d
1
15
15
15
B
99
1
R$ 45,35
5
1.32e+08 |
|
MG
123
1360
1
51
51
51
BRANCO
2
0
R$ 54,94
8
1.35e+10 |
|
MG
150
543
2
32
32
32
PARDO
3
0
R$ 87,24
4
1.35e+10 |
|
MG
1200
1200
2
41
41
41
NEGRO
1
1
R$ 12,32
15
1.23e+09 |
|
MG
410
1590
2
20
20
20
NEGRO
2
99
R$ 45,36
6
1.35e+09 |
+------------------------------------------------------------------------------------------------------+
Tambm possvel especificar apenas um subconjunto das variveis, especificando

quais variveis devem ser listadas.
Exemplo 3: Listar as observaes de 5 a 10 das variveis var1, var3 e var7.

list var1 var3 var7 in 5/10
5.
6.
7.
8.
9.
10.
+--------------------+
| var1
var3
var7 |
|--------------------|
|
MG
1590
20 |
|
MG
2806
13 |
|
SP
*
50 |
|
SP
1503
33 |
|
SP
2126
18 |
|--------------------|
|
SP
3809
74 |
+--------------------+
Outro comando que pode ser usado para visualizar os dados comando describe, que
apresenta algumas informaes sobre o banco de dados e sobre cada uma das variveis. Sobre
o banco de dados apresenta informao sobre o nmero de observaes, o nmero de
variveis e o tamanho ocupado em disco rgido. Logo aps vem um quadro com a listagem de
todas as variveis com informaes do tipo, do formato e dos labels de cada uma delas. Ao
final do quadro aparece a informao se o banco est ordenado por alguma varivel e se ele
foi modificado depois da ltima alterao.
Exemplo 4: Utilizar o comando describe para descrever o banco 1.

describe
Contains data
obs:
15
vars:
13
size:
840
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------storage display
value
variable name
type
format
label
variable label
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------var1
str2
%9s
var2
str4
%9s
var3
str4
%9s
var4
float %9.0g
var5
float %9.0g
var6
float %9.0g
var7
float %9.0g
var8
str6
%9s
var9
float %9.0g
var10
float %9.0g
var11
str8
%9s
var12
float %9.0g
var13
float %9.0g
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------Sorted by:
Note: dataset has changed since last saved
O comando tambm pode ser utilizado em uma forma resumida, listando apenas as
informaes do banco de dados. Para isso, basta acrescentar a opo sh ao final do comando.
Exemplo 5: Descrever resumidamente o banco 1 utilizando a opo short do comando

describe.
describe, sh
Contains data
obs:
15
vars:
13
size:
840
Sorted by:
A
lm dos dois comandos supracitados, outro comando que pode ser usado para
visualizar informaes resumidas do banco de dados o comando summarize. Em sua forma
mais simples o comando reporta o nmero de observaes de cada varivel, seu valor mdio,
desvio padro, mximo e mnimo. Como pode ser visto abaixo, este comando s reporta
informaes para variveis numricas. As variveis texto (var1, var2, var3, var8 e var11)
aparecem como tendo 0 observaes, apesar de existirem informaes para elas no banco de
dados. Outra observao que merece ser mencionada que as observaes missing no
consideradas para o clculo das estatsticas deste comando. Notem que varivel var10 aparece
apenas com 13 observaes. Isto ocorre porque 2 de suas observaes so missing.
Exemplo 6: Apresentar uma tabela resumo das variveis do banco 1 utilizando o comando
summarize.
summarize
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------var1 |
0
var2 |
0
var3 |
0
var4 |
15
1.6
.5070926
1
2
var5 |
15
35.93333
18.97166
13
74
-------------+-------------------------------------------------------var6 |
15
35.93333
18.97166
13
74
var7 |
15
35.93333
18.97166
13
74
var8 |
0
var9 |
15
15.66667
33.85403
1
99
var10 |
13
8.307692
27.26226
0
99
-------------+-------------------------------------------------------var11 |
0
var12 |
15
6.133333
3.852025
0
15
var13 |
15
9.82e+09
1.22e+10
1.32e+07
4.56e+10
10
Tambm possvel visualizar o banco de dados diretamente na forma de planilha. Para

isso pode-se usar o comando edit ou browse. Os dois comandos abrem uma nova janela
contendo os dados em forma de planilha. A diferena entre os dois que o comando edit
permite que voc altere ou acrescente informaes diretamente digitando nas clulas da
planilha. J o comando browse s permite a visualizao dos dados. A Figura 5 apresenta o
banco de dados no formato de planilha, visualizado na janela Data Editor. As variveis que
aparecem em vermelho so variveis no formato texto, enquanto as variveis em pretos so
variveis no formato numrico.
Figura 5 Janela Data Editor
4 - Operaes bsicas no Stata

Nesta seo veremos alguns comandos para melhorar a organizao do banco de
dados. Aprenderemos como excluir variveis e observaes, como renomear variveis, como
colocar legendas e rtulos nas variveis, como alterar o formato de varivel texto para
numrica, como alterar valores de variveis j existentes e por fim, como criar novas variveis
no banco de dados.
4.1 Excluir variveis e observaes
Existem duas formas de excluir variveis do banco de dados. Pode-se especificar quais
variveis se quer excluir do banco ou especificar quais variveis se quer manter no banco de
dados. Para o primeiro caso utiliza-se o comando drop e para o segundo caso utiliza-se o
comando keep. A sintaxe do comando simples, basta digitar o comando e especificar as
variveis.
drop varname1 varname2 varname3 varname4
11
keep varname1 varname2 varname3 varname4

preciso ter cuidado com o uso destes comandos, pois uma vez excludas as variveis,
no possvel reverter o processo. Uma dica sempre ter um banco de dados completo salvo
e trabalhar em um banco salvo com outro nome.
Para excluir observaes do banco de dados utiliza-se o drop if ou keep if. Da mesma
maneira do que ocorre para excluir variveis, o drop if apaga as observaes enquanto que o
keep if mantm as observaes. preciso especificar uma regra para determinar quais
observaes sero apagadas. Por exemplo, especificar que se quer excluir todas as pessoas
com menos de 18 anos, ou excluir todas as observaes de um municpio especfico ou ainda
manter todas as observaes de um estado. A sintaxe bsica do comando a seguinte:
drop if varname [rule]
keep if varname [rule]
O Quadro 1 mostra os operadores lgicos utilizados pelo Stata e seus significados.
Estes operadores devem ser utilizados com o condicional if para formar as regras utilizadas
para apagar observaes. Como veremos mais adiante na apostila, estes operadores podero
ser utilizados juntamente com os comandos que aprenderemos.
Quadro 1 Operadores Lgicos

Operadores
<
<=
>
>=
==
~= ou !=
~
&
|
Significado
menor que
menor ou igual a
maior que
maior ou igual a
igual a
diferente de
no
e
ou
4.2 Renomear variveis

Para renomear variveis utiliza-se o comando rename. Este comando utiliza a seguinte
sintaxe:
rename old_varname new_varname
onde:
old_varname representa o nome atual da varivel e new_varname representa o nome que se
quer modificar.
12
Exemplo 7: Modificar o nome da varivel var1 para renda

ren var1 uf
Tambm possvel renomear o nome de um grupo de variveis com um nico
comando, utilizando a seguinte sintaxe:
rename (old_varname1 old_varname2
new_varname2 new_varname3 )
old_varname3
(new_varname1
Exemplo 8: Modificar o nome das variveis var1 var2 var3 para renda idade uf.
ren (var2 var3 var4 var5 var6 var7 var8 var9 var10 var11 var12 var13) (renda
renda_2 genero idade idade1 idade2 raca componentes rm luz educ pib)
4.3 Legenda e Rtulos de Variveis
Para melhorar a aparncia e facilitar o uso do banco de dados til acrescentar uma
legenda s variveis do banco. A Figura 6 apresenta a janela Variables do Stata apenas com
uma varivel (renda).
Figura 6 Janela Variables Varivel renda
Vamos agora acrescentar uma legenda (label) a esta varivel. O comando para esta
tarefa label variable que apresenta a seguinte sintaxe:
label variable varname label
Exemplo 9: Acrescentar uma legenda varivel renda indicando que esta renda se refere
renda do trabalho.
label variable renda "Renda do Trabalho"
A janela Variables passa a conter a legenda da varivel renda, conforme Figura 7.
13
Figura 7 - Janela Variables Varivel renda com label
Exemplo 9a: Acrescentar legenda s demais variveis conforme indicao abaixo:

label variable uf "Unidade da Federao"
label variable renda_2 "Renda nominal familiar"
label variable genero "Gnero do indivduo"
label variable idade "Idade do indivduo"
label variable idade1 "Idade do indivduo"
label variable idade2 "Idade do indivduo"
label variable raca "Raa do indivduo"
label variable componentes "Nmero de pessoas na famlia"
label variable rm "Indicador de Regio Metropolitana"
label variable luz "Valor da conta de luz"
label variable educ "Anos de estudo"
label variable pib "PIB municipal"
Outra funo interessante a possibilidade de acrescentar rtulos s variveis. Esta

funo s deve ser aplicada em variveis categricas, onde os nmeros no representam
valores e sim a identificao de uma determinada categoria. Por exemplo, imagine que uma
varivel que indique o gnero da pessoa tenho o valor 1 quando o indivduo homem e 2
quando mulher. Se o pesquisador no possuir o layout dos dados, ele no saber o que
significa cada valor. Para incluir esta informao no banco de dados acrescenta-se um rtulo
varivel.
O processo de criao de um rtulo para uma varivel realizado em duas etapas.
Primeiro define-se um rtulo com a informao necessria. No caso do nosso exemplo acima
indicando que o valor 1 se refere aos homens e o valor 2 se refere s mulheres. Aps a
definio do rtulo, o prximo passo atribuir este rtulo a uma varivel. Veja abaixo a
sintaxe para as duas etapas3:
1 etata: definio do rtulo
label define lblname # "label" [# "label" ...]
onde lblname representa o nome do rtulo a ser criado, # indica o valor da categoria e
label a descrio do rtulo.
til utilizar ao final do processo de elaborao dos rtulos o comando numlabel, add que adiciona aos
rtulos o valor de cada categoria, com isso, possvel visualizar facilmente os rtulos e valores das categorias.
14
2 etapa: atribuir o rtulo a uma varivel

label values varlist [lblname]
onde varlist o nome da varivel que se quer atribuir o rtulo.
Exemplo 10: Vamos atribuir um rtulo para a varivel genero com as categorias conforme
mencionado acima, ou seja, o valor 1 representa os homens e o valor 2 as mulheres. Vamos
chamar o rtulo de gen:
1 etapa: definio do rtulo
label define gen 1 "Homem" 2 "Mulher"
2 etapa: atribuir o rtulo a varivel:
label values genero gen
Exemplo 10a: Atribuir um rtulo varivel rm (Regio Metropolitana). O Valor 0 indica que
a pessoa no reside em Regio Metropolitana e o valor 1 indica que ela reside.
label define metro 0 "Regio No Metropolitana" 1 "Regio Metropolitana"
label values rm metro
4.4 Transformar variveis do formato texto para o formato numrico
Em alguns casos determinada varivel pode apresentar formato texto mesmo sendo
composta por valores numricos. Quando a varivel possuir formato texto, no possvel
efetuar nenhuma operao matemtica na varivel. Em funo disto muitas vezes necessrio
transformar a varivel para o formato numrico.
Neste curso vamos mostrar trs possveis casos em que este problema pode aparecer.
No primeiro caso todas as observaes da varivel so nmeros, e por algum problema de
imputao ou importao dos dados eles aparecem como formato texto. No segundo caso,
algumas das observaes no so nmeros, ou apresentam um erro na varivel com um
caractere indicando o erro ou a informao no existe para aquela observao. No terceiro
caso, a informao representa um valor monetrio e comea com R$.
O comando bsico para transformar uma varivel texto em numrica o destring.
Quando se utiliza este comando necessrio indicar se a inteno substituir a varivel j
existente ou criar uma nova varivel. Vamos ver como resolver cada um dos casos
supracitados.
15
1 caso: Todas as observaes possuem valores numricos

destring varname, replace
ou
destring varname, gen(newvar)
2 caso: algumas observaes aparecem com caracteres no numricos
Neste caso, as observaes que aparecerem com caracteres no numricos representam
ausncia de informao para a respectiva observao. Portanto, iremos transform-la em
missing. Basta acrescentar a opo force no comando, conforme sintaxe abaixo:
destring varname, replace force
ou
destring varname, gen(newvar) force
3 caso: retirar parte da informao da varivel, que aparece em caracteres no numricos.
destring varname, replace ignore(chars)
ou
destring varname, gen(newvar) ignore(chars)
Observao: o Stata trabalha com o formato Americano de nmeros, ou seja, o ponto separa
as casas decimais e a vrgula separa os milhares. Se os dados estiverem no formato utilizado
no Brasil, o inverso do formato Americano, o Stata no reconhecer seus dados como sendo
numricos e consequentemente no vai fazer a converso de texto para nmeros. Para
solucionar esta questo acrescente a opo dpcomma ao final do comando. Alertamos para o
fato que esta opo s funciona quando se quer substituir os valores da prpria varivel, no
funcionando para criar nova varivel.
Exemplo 11: A varivel renda no banco de dados est em formato texto, apesar de ter todos
os seus caracteres numricos. Esta a forma mais simples de utilizar o comando destring.
Vamos utiliz-lo de duas maneirais; i) criando uma nova varivel; e ii) substituindo o formato
na prpria varivel.
destring renda, gen(renda1)
destring renda, replace
16
Exemplo 12: A varivel renda_2 possui algumas observaes com caracteres no numricos.
No entanto, estes caracteres indicam que a pessoa no tem informao para esta varivel,
portanto, deve ser transformada em missing. Se o comando for utilizado conforme exemplo
acima, o Stata retornar uma informao de erro renda_2 contains nonnumeric characters;
no replace. Se acrescentarmos a opo force as observaes com caracteres no numricos
sero transformadas em missing.
destring renda_2, replace
destring renda_2, replace force
Exemplo 13: A varivel luz que representa o valor pago na conta de luz comea com R$.
Se tentarmos utilizar o comando destring como no exemplo 1, o Stata retornar a mensagem
que no a varivel possui caracteres no numricos, e no ir alterar a varivel. Se tentarmos
utilizar a opo force, como existem caracteres no numricos em todas as observaes, todas
sero transformadas em missing. Para retirar o R$ e manter corretamente os valores
numricos, utiliza-se o opo ignore(R$). No nosso exemplo, alm deste problema, a
varivel no est no formato Americano, ou seja, a separao de casa decimal est com
vrgula, portanto vamos acrescentar a opo dpcomma ao final do comando.
destring luz, replace ignore("R$") dpcomma
4.5 Alterar valores de variveis
Neste curso iremos ver dois comandos para alterar valores das variveis j existentes
no banco de dados, replace e recode. O replace altera os valores de qualquer tipo de varivel
j existente, texto ou numrica, enquanto que o recode aplicvel somente a variveis
numricas.
replace varname = newvalue if varname == oldvalue
onde newvalue indica o valor ou informao novo, enquanto que oldvalue representa o valor
que se quer substituir. Quando a varivel estiver em formato texto, as expresses newvalue e
oldvalue devero estar entre aspas.
replace varname = newvalue if varname == oldvalue
Exemplo 14: A varivel componentes possui informaes com o valor 99. No entanto, este
valor indica que esta informao no foi preenchida para a respectiva observao. Para evitar
problemas com o uso deste valor de forma desavisada, vamos substituir este valor por
missing.
17
replace componentes = . if componentes == 99
Exemplo 15: A primeira observao da varivel raca possui apenas a letra B como
informao. Esta letra indica a raa Branco, no entanto, para padronizar as informaes da
varivel, substituiremos a letra B pela palavra BRANCO utilizando o comando abaixo:
replace raca = "BRANCO" if raca == "B"
Exemplo 16: Podemos usar o comando replace para transformar uma varivel contnua em
uma varivel categrica. Imagine que precisemos transformar a varivel de idade em uma
varivel representado alguns grupos de idade. Quem tiver 18 anos ou menos de idade ir
participar do grupo 1, quem tiver entre 19 e 30 (inclusive) faz parte do grupo 2, entre 31 e 50
(inclusive) grupo3, entre 51 e 65 (inclusive) grupo 4 e mais de 65 grupo 5. Para isso
utilizaremos cinco linhas de comando conforme abaixo:
replace idade2 = 1 if idade2 >=0 & idade2 <= 18
replace idade2 = 5 if idade2 >=66
O comando recode tambm pode ser usado para alterar valores de variveis, no
entanto, este comando s pode ser aplicado em variveis numricas. Este comando altera os
valores de uma varivel apenas em uma linha de comando de acordo com uma regra
especificada.
recode varname (rule)
Exemplo 17: A varivel rm (Regio Metropolitana) deveria possuir apenas os cdigos 0 e 1,

indicando se o indivduo vive em uma Regio Metropolitana ou no. No entanto, a varivel
possui uma observao com o cdigo 3 e uma com o cdigo 99. Estes valores indicam erro na
resposta da varivel, e devem ser substitudos por missing.
recode rm (3 99 = .)
Exemplo 18: Repetir o exemplo 16 do comando replace. Com o comando recode, possvel
fazer o mesmo que foi feito com o comando replace em apenas uma linha de comando. Como
a varivel idade j foi modificada, realize o procedimento na varivel idade1
recode idade1 (0/18 = 1) (19/30 = 2) (31/50 = 3) (51/65 = 4) (66/max = 5)
18
4.6 Criar novas variveis

Mostraremos trs comandos para criar variveis; generate, egen e recode. O comando
generate pode ser usado para se criar uma varivel constante ou uma varivel que uma
funo de outras variveis j existentes no banco de dados. A sintaxe do comando a que se
segue:
generate newvar = exp
onde exp representa uma expresso ou funo que define a nova varivel.
O Quadro 2 apresenta algumas funes que podem ser utilizadas com o comando
generate.
Quadro 2 Operadores Algbricos e Funes Simples
Operador
+
*
/
^
sqrt( )
exp( )
log10( )
ln( )
Significado
Soma
subtrao
Multiplicao
Diviso
elevado potncia
funo raiz quadrada
funo exponencial
funo logartmica (base 10)
funo logartmica (base e) - logaritmo natural
Exemplo 19: Utilizando as variveis j existentes no banco de dados, vamos criar uma
varivel que representa a idade ao quadrado, outra que representa o logaritmo da renda
(natural e na base 10) e uma varivel de renda per capita que combina informaes da renda
da famlia e do nmero de componentes da famlia.
- Idade ao quadrado
gen ida2 = idade^2
- Logaritmo
gen lnrenda = ln(renda)
gen logrenda = log10(renda)
- Renda per capita
gen per_capita = renda_2 / componentes
O comando egen tambm utilizado para criar novas variveis. No entanto, a lista de
funes que o comando utiliza diferente das funes para o comando generate. Para ver a
19
lista completa de funes digite help egen na janela de comandos. A sintaxe do comando
semelhante do comando generate.
egen newvar = fcn(arguments)
Exemplo 20: Criar uma varivel constante com a renda mxima da populao e outra varivel
com a renda mxima por raa do indivduo.
egen renda_max = max( renda)
by raca, sort: egen renda_raca = max(renda) 4
O comando recode que foi visto para substituir os valores de uma determinada
varivel, tambm pode ser usado para criar novas variveis. Para isso, preciso apenas
acrescentar a opo gen ao final do comando.
recode varname (rule), gen(newvarname)
Exemplo 21: Criar uma nova varivel representando grupos de idade. Quem tiver 18 anos ou
menos de idade ir participar do grupo 1, quem tiver entre 19 e 30 (inclusive) faz parte do
grupo 2, entre 31 e 50 (inclusive) grupo3, entre 51 e 65 (inclusive) grupo 4 e mais de 65
grupo 5.
recode idade (0/18 = 1) (19/30 = 2) (31/50 = 3) (51/65 = 4) (66/max = 5), gen(idade_grupo)
Vamos agora dar destaque para a criao de variveis dummies5. Existem algumas
maneiras de criar uma varivel dummy. Pode-se usar os comandos gen e recode j vistos,
pode-se tambm utilizar o comando gen de uma forma um pouco diferente e uma forma
prtica o uso do comando tab com a opo gen. Vejamos uma de cada vez com o uso de
exemplos.
Exemplo 22: Criar dummies de gnero usando o comando gen conforme j vimos
anteriormente. Vamos criar duas variveis, uma para indicar se a pessoa do sexo masculino
e outra para indicar que a pessoa do sexo feminino.
Diversos comandos podem ser utilizados com o prefixo by, que faz com que o comando seja executado
separadamente para cada subgrupo da varivel especificada logo aps o prefixo by.
5
Uma varivel dummy uma varivel binria, onde o valor 1 indica que a observao pertence determinado
grupo e o valor 0 indica que a observao no pertence.
20
gen masc = 1 if genero == 1

replace masc = 0 if masc ==.
gen fem = 1 if genero == 2
replace fem = 0 if fem ==.
Exemplo 23: Criar uma varivel para indicar se o individuo do sexo masculino com o uso
do comando recode.
recode genero (2=0), gen(masculino)
Exemplo 24: Usar o comando gen para criar uma varivel indicando se a pessoa tem mais de
20 anos.
gen adulto=idade>=20
Este comando cria a varivel adulto, contendo o valor 1 caso a pessoa tenha 20 anos ou mais
de idade e 0 caso contrrio.
Exemplo 25: Utilizar o comando tab com a opo gen para criar uma dummy para cada
categoria das variveis genero e raca. Renomear as variveis draca1, draca2 e draca3 para
branco, negro e pardo, respectivamente.
tab genero, g(dsexo)
tab raca, g(draca)
ren draca1 branco
ren draca2 negro
ren draca3 pardo
5 Estatsticas Descritivas
Nesta seo veremos alguns comandos para o clculo de estatsticas descritivas.
Apresentaremos separadamente um grupo de comandos para o uso em variveis discretas
(categricas), comandos para variveis contnuas e comandos para serem utilizados para o
clculo de tabelas cruzadas que combinam variveis discretas e contnuas.
21
5.1 Estatsticas Descritivas para Variveis Discretas
O primeiro comando que vamos ver o tabulate que produz uma tabela de frequncias
simples das variveis.
tabulate varname
Exemplo 26: Vamos fazer uma tabela de frequncia simples para a varivel rm (Indicadora de
Regio Metropolitana). Aps executar o comando, aparecer na janela Results uma tabela
conforme a tabela abaixo, com informaes sobre a frequncia e o percentual de cada
categoria e o percentual acumulado, alm da frequncia total.
tab rm
Indicador de Regio |
Metropolitana |
Freq.
Percent
Cum.
-------------------------+----------------------------------Regio No Metropolitana |
5
45.45
45.45
Regio Metropolitana |
6
54.55
100.00
-------------------------+----------------------------------Total |
11
100.00
A tabela apresenta a frequncia total, relativa e acumulada para cada categoria e a frequncia
total de todas as categorias. Notem que a frequncia total tem um valor de 11 e o nosso banco
de dados tem um total de 15 observaes. Isto ocorre porque esta varivel tem 4 observaes
com ausncia de informao (missing). Portanto, as frequncias relativas so calculadas em
relao ao total de observaes com informao completa. Se a inteno for calcular as
frequncias relativas em relao ao total de observaes do banco de dados e/ou calcular a
frequncia de observaes com informao faltante, acrescenta-se a opo missing (ou apenas
m) ao final do comando.
Exemplo 27: Repetir o exemplo 26 acrescentando os valores missing com sendo uma
categoria.
tab rm,m
Metropolitana |
Freq.
Percent
Cum.
5
33.33
33.33
6
40.00
73.33
. |
4
26.67
100.00
-------------------------+----------------------------------Total |
15
100.00
Para criar tabelas para vrias variveis em um nico comando utiliza-se o comando
tab1.
tab1 varname1 varname2 varname...
22
Exemplo 28: Criar uma tabela de frequncias para as variveis rm e raca em um nico
comando. Sero apresentadas duas tabelas como se o comando tabulate visto anteriormente
fosse executado duas vezes na sequncia.
tab1 rm raca
-> tabulation of rm
Metropolitana |
Freq.
Percent
Cum.
5
45.45
45.45
6
54.55
100.00
-------------------------+----------------------------------Total |
11
100.00
-> tabulation of raca
Raa do |
indivduo |
Freq.
Percent
Cum.
------------+----------------------------------BRANCO |
6
40.00
40.00
NEGRO |
4
26.67
66.67
PARDO |
5
33.33
100.00
------------+----------------------------------Total |
15
100.00
Tambm possvel criar tabelas cruzadas entre duas variveis utilizando a seguinte
sintaxe:
tab rowvarname colvarname
Exemplo 29: Fazer uma tabela cruzada entre as variveis rm e raca. A tabela resultante do
comando mostra em cada clula o nmero de observaes que atendem a duas caractersticas
simultaneamente. Ou seja, existem 3 pessoas da raa Branca vivendo em Regies
Metropolitanas, 1 pessoa da raa Negra vivendo em Regies Metropolitanas e assim
sucessivamente.
tab rm raca
Raa do indivduo
Metropolitana |
BRANCO
NEGRO
PARDO |
Total
----------------------+---------------------------------+---------Regio No Metropolit |
3
1
1 |
5
Regi
o Metropolitana |
3
2
1 |
6
----------------------+---------------------------------+---------Total |
6
3
2 |
11
O comando tab para tabela cruzada apresenta apenas as frequncias absolutas para
cada combinao das variveis. Acrescentando opes ao comando possvel apresentar
tambm as frequncias relativas. Para as tabelas cruzadas existem 3 opes de frequncias
23
relativas: em relao ao total da coluna (col), em relao ao total da linha (row) e em relao
ao total de observaes (cel).
Exemplo 30: Repetir o comando utilizado no exemplo 29 acrescentando a opo col que
calcula os percentuais das clulas em relao ao total da coluna. Neste exemplo, ser
calculado o percentual de pessoas brancas que vivem em Regies Metropolitanas em relao
ao total de pessoas brancas, o percentual de pessoas negras que vivem em Regies
Metropolitanas em relao ao total de pessoas negras e assim sucessivamente.
tab rm raca, col
+-------------------+
| Key
|
|-------------------|
|
frequency
|
| column percentage |
+-------------------+
Raa do indivduo
Metropolitana |
BRANCO
NEGRO
PARDO |
Total
3
1
1 |
5
|
50.00
33.33
50.00 |
45.45
----------------------+---------------------------------+---------Regio Metropolitana |
3
2
1 |
6
|
50.00
66.67
50.00 |
54.55
----------------------+---------------------------------+---------Total |
6
3
2 |
11
|
100.00
100.00
100.00 |
100.00
Exemplo 31: Repetir o comando utilizado no exemplo 29 acrescentando a opo row que
calcula os percentuais das clulas em relao ao total da linha. Neste exemplo, ser calculado
o percentual de pessoas brancas que vivem em Regies Metropolitanas em relao ao total de
pessoas que vivem nas Regies Metropolitanas, o percentual de pessoas negras que vivem em
Regies No Metropolitanas em relao ao total de pessoas que vivem em Regies No
Metropolitanas e assim sucessivamente.
tab rm raca, row
+----------------+
| Key
|
|----------------|
|
frequency
|
| row percentage |
+----------------+
Raa do indivduo
Metropolitana |
BRANCO
NEGRO
PARDO |
Total
3
1
1 |
5
|
60.00
20.00
20.00 |
100.00
3
2
1 |
6
|
50.00
33.33
16.67 |
100.00
----------------------+---------------------------------+---------Total |
6
3
2 |
11
|
54.55
27.27
18.18 |
100.00
24
Exemplo 32: Repetir o comando utilizado no exemplo 29 acrescentando a opo cel que
calcula os percentuais das clulas em relao ao nmero total deobservas. Neste exemplo,
ser calculado o percentual de pessoas brancas que vivem em Regies Metropolitanas em
relao ao total de observaes no missing nas duas variveis utilizadas, o percentual de
pessoas negras que vivem em Regies No Metropolitanas em relao ao total de observaes
no missing nas duas variveis utilizadas e assim sucessivamente.
tab rm raca, cel
+-----------------+
| Key
|
|-----------------|
|
frequency
|
| cell percentage |
+-----------------+
Raa do indivduo
Metropolitana |
BRANCO
NEGRO
PARDO |
Total
3
1
1 |
5
|
27.27
9.09
9.09 |
45.45
3
2
1 |
6
|
27.27
18.18
9.09 |
54.55
----------------------+---------------------------------+---------Total |
6
3
2 |
11
|
54.55
27.27
18.18 |
100.00
Tambm possvel criar tabelas cruzadas com todas as combinaes possveis entre as
variveis listadas utilizando o comando tab2. Do mesmo modo que ocorre para o caso das
tabelas cruzadas visto anteriormente, no comando tab2 tambm esto disponveis as opes
col, row e cel.
tab2 varname1 varname2 varname3 varname...
Exemplo 33: Criar tabelas cruzadas para a combinao das variveis rm, raca e genero.
tab2 rm raca genero
-> tabulation of rm by raca
Raa do indivduo
Metropolitana |
BRANCO
NEGRO
PARDO |
Total
3
1
1 |
5
3
2
1 |
6
----------------------+---------------------------------+---------Total |
6
3
2 |
11
-> tabulation of rm by genero
Indicador de Regio | Genero do indivduo
Metropolitana |
1
2 |
Total
----------------------+----------------------+---------Regio No Metropolit |
1
4 |
5
2
4 |
6
----------------------+----------------------+---------Total |
3
8 |
11
25
-> tabulation of raca by genero

Raa do | Genero do indivduo
indivduo |
1
2 |
Total
-----------+----------------------+---------BRANCO |
2
4 |
6
NEGRO |
0
4 |
4
PARDO |
4
1 |
5
-----------+----------------------+---------Total |
6
9 |
15
Alm da tabela cruzada com duas variveis, o Stata permite a elaborao de tabelas
cruzadas com at sete variveis. Estas tabelas no sero apresentadas neste curso, para estudar
como elaborar estas tabelas, digite help table na janela de comandos. Abaixo seguem apenas a
sintaxe dos comandos sem a aplicao em exemplos.
- Three-way tables
table rowvarname colvarname supercolvarname
- Four-way tables
table rowvarname colvarname supercolvarname, by(superrowvarname)
- Five-way tables
table rowvarname colvarname supercolvarname, by(superrowvarname1 superrowvarname2)
- Six-way tables
table rowvarname colvarname supercolvarname, by(superrowvarname1 superrowvarname2
superrowvarname3)
- Seven-way tables
table rowvarname colvarname supercolvarname, by(superrowvarname1 superrowvarname2
superrowvarname3 superrowvarname4)
Vejamos agora alguns exemplos para elaborao de tabelas de frequncias de uma

varivel para apenas um subgrupo da populao ou parte do banco. Para tal basta usar o
condicional if e os operadores lgicos conforme Quadro 2.
Exemplo 34: Elaborar uma tabela de frequncia de raa para mulheres (varivel genero igual
a 2).
tab raca if genero ==2
Raa do |
indivduo |
Freq.
Percent
Cum.
------------+----------------------------------BRANCO |
4
44.44
44.44
NEGRO |
4
44.44
88.89
PARDO |
1
11.11
100.00
------------+----------------------------------Total |
9
100.00
26
Exemplo 35: Elaborar uma tabela de frequncia de raa para homens (varivel genero
diferente de 2).
tab raca if genero !=2
Raa do |
indivduo |
Freq.
Percent
Cum.
------------+----------------------------------BRANCO |
2
33.33
33.33
PARDO |
4
66.67
100.00
------------+----------------------------------Total |
6
100.00
Exemplo 36: Elaborar uma tabela de frequncia de raa para pessoas com mais de 5 anos de
estudo.
tab raca if educ>5
Raa do |
indivduo |
Freq.
Percent
Cum.
------------+----------------------------------BRANCO |
2
25.00
25.00
NEGRO |
3
37.50
62.50
PARDO |
3
37.50
100.00
------------+----------------------------------Total |
8
100.00
Exemplo 37: Elaborar uma tabela de frequncia de raa para pessoas com 5 anos ou mais de
estudo.
tab raca if educ>=5
Raa do |
indivduo |
Freq.
Percent
Cum.
------------+----------------------------------BRANCO |
3
33.33
33.33
NEGRO |
3
33.33
66.67
PARDO |
3
33.33
100.00
------------+----------------------------------Total |
9
100.00
Exemplo 38: Elaborar uma tabela de frequncia de gnero para brancos e pardos.
tab genero if raca == "BRANCO" | raca == "PARDO"
Genero do |
indivduo |
Freq.
Percent
Cum.
------------+----------------------------------Homem |
6
54.55
54.55
Mulher |
5
45.45
100.00
------------+----------------------------------Total |
11
100.00
27
Exemplo 39: Elaborar uma tabela de frequncia de gnero para brancos e pardos com mais de
5 anos de estudo.
tab genero if (raca == "BRANCO" | raca == "PARDO") & educ > 5
Genero do |
indivduo |
Freq.
Percent
Cum.
------------+----------------------------------Homem |
4
80.00
80.00
Mulher |
1
20.00
100.00
------------+----------------------------------Total |
5
100.00
5.2 - Estatsticas Descritivas para Variveis Contnuas

Esta subseo dedicada ao estudo de alguns comandos utilizados para calcular
algumas estatsticas de variveis contnuas. Veremos os comandos summarize, tabstat e cor.
O comando summarize calcula e apresenta uma variedade de estatsticas. Se o
comando for usado sem a especificao de uma varivel, o comando ser aplicado a todas as
variveis do banco de dados. Na sua verso bsica o comando apresenta o total de
observaes, a mdia, mnimo e mximo das variveis.
summarize varname
summarize varname, detail
Exemplo 40: Usar o comando summarize para calcular a mdia, desvio padro, mnimo e
mximo dos valores da varivel renda.
sum renda
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------renda |
15
552.8
381.8145
123
1250
Se a opo detail for acrescentada ao comando, sero apresentadas alm das

estatsticas do comando bsico, as seguintes estatsticas: assimetria (skewness), curtose
(kurtosis), os quarto maiores e menores valores, alguns percentis e a varincia.
Exemplo 41: Usar a opo detail do comando summarize.

sum renda, det
28
Renda do trabalho
------------------------------------------------------------Percentiles
Smallest
1%
123
123
5%
123
150
10%
150
160
Obs
15
25%
200
200
Sum of Wgt.
15
50%
75%
90%
95%
99%
501
851
1200
1250
1250
Largest
851
980
1200
1250
Mean
Std. Dev.
552.8
381.8145
Variance
Skewness
Kurtosis
145782.3
.563807
2.060803
O comando tabstat, do mesmo modo que o comando summarize, apresenta uma

variedade de estatsticas descritivas para variveis numricas contnuas. No entanto, pode ser
uma boa alternativa ao summarize, pois permite uma maior flexibilidade na escolha de quais
estatsticas sero apresentadas e no formato da tabela. Veja a seguir a sintaxe bsica do
comando:
tabstat varname, stats( )
Se a opo stats no for definida, ser apresentada apenas a mdia da varivel. O
Quadro 3 lista as estatsticas que podem ser utilizadas com a opo stats.
Quadro 3 Funes associadas ao comando tabstat
Funes
mean
count
n
sum
max
min
range
sd
variance
cv
semean
skewness
kurtosis
p1
p5
p10
p25
median
p50
p75
p90
p95
p99
iqr
q
Definio
mdia
Nmero de observaes diferentes de missing
O mesmo que count
Soma
Mximo
Mnimo
range = max - min
Desvio padro
Varincia
Coeficiente de variao (sd/mean)
Erro padro da media (sd/sqrt(n))
Assimetira skewness
Curtose
1 percentil
5 percentil
10 percentil
25 percentil
Mediana (mesmo que p50)
50 percentil (mesmo que mediana)
75 percentil
90 percentil
95 percentil
99 percentil
Range interquartil = p75 p25
Equivalente a especificar p25 p50 p75
29
Exemplo 42: Elaborar uma tabela com a mdia, o total de observaes diferentes de missing,
os valores mximo e mnimo da varivel renda.
tabstat renda, stats(mean count max min)
variable |
mean
N
max
min
-------------+---------------------------------------renda |
552.8
15
1250
123
------------------------------------------------------
Exemplo 43: Executar o mesmo comando do exemplo 42 para a varivel renda e varivel
educ.
tabstat renda educ, stats(mean count max min)
stats |
renda
educ
---------+-------------------mean |
552.8 6.133333
N |
15
15
max |
1250
15
min |
123
0
------------------------------
Como a maioria dos comandos do Stata, o comando tabstat apresenta uma srie de
opes. Vamos ver duas opes teis para melhorar a apresentao dos resultados. A primeira
opo a possibilidade de inverter a forma de apresentao da varivel com as estatsticas, ou
seja, colocar as variveis nas colunas e as estatsticas nas linhas. Esta alterao realizada
acrescentando-se a opo columns(variables).
Exemplo 44: Inverter a forma de apresentao da varivel com as estatsticas. Para ilustrar
vamos calcular a mdia, soma e total de observaes diferentes de missing para a varivel
renda. Se a opo no for utilizada, a varivel ficar na linha enquanto que as estatsticas so
apresentadas nas colunas. Acrescentando a opo columns(variables), esta apresentao fica
invertida.
tabstat renda, stats (n mean sum)
variable |
N
mean
sum
-------------+-----------------------------renda |
15
552.8
8292
--------------------------------------------
tabstat renda, stats (n mean sum) columns(variables)

stats |
renda
---------+---------N |
15
mean |
552.8
sum |
8292
--------------------
30
A segunda opo do comando tabstast que vamos ver se refere ao formato de

apresentao dos nmeros dos resultados. Variveis com nmeros muito grandes, ou muito
pequenos, podem apresentar problemas na visualizao das estatsticas, pois o resultado pode
vir na notao cientfica. Para visualizar o nmero por extenso preciso utilizar a opo
fortmat(%fmt). Para conhecer todos os formatos disponveis no Stata digite help format na
janela de comandos.
Exemplo 45: Para ilustrar o problema da apresentao dos resultados para variveis muito
grandes, vamos calcular a mdia e a soma da varivel pib.
tabstat pib, stats (mean sum)
variable |
mean
sum
-------------+-------------------pib | 9.82e+09 1.47e+11
----------------------------------
Exemplo 46: Conforme visto no exemplo 45, se o formato dos resultados no for controlado,
o resultado ser apresentado em notao cientfica, impossibilitando conhecer o verdadeiro
valor do resultado. Vamos agora impor um formato para os resultados. Queremos que o
resultado seja apresentado com 15 algarismos, sendo 2 casas decimais. Ao manter a forma de
apresentao entre variveis e estatsticas inalteradas, os resultados da mdia e do somatrio
ficaro misturados. Neste caso, interessante usar a opo columns(variables) vista no
exemplo 45.
tabstat pib, stats (mean sum) format (%15.2f)
variable |
mean
sum
-------------+-------------------pib | 9822376875.33147335653130.00
----------------------------------
tabstat pib, stats (mean sum) format (%15.2f) columns(variables)

stats |
pib
---------+---------mean | 9822376875.33
sum |147335653130.00
--------------------
Exemplo 47: Repetir o exemplo 46 omitindo os valores depois da vrgula.

tabstat pib, stats (mean sum) format (%15.0f) columns(variables)
stats |
pib
---------+---------mean |
9822376875
sum |
147335653130
--------------------
31
A correlao entre duas ou mais variveis facilmente calculada com o uso do

comando correlate. O comando possui a seguinte sintaxe:
correlate varname1 varname2
Exemplo 48: Calcular a correlao entre a varivel educ e renda.

cor educ renda
|
educ
renda
-------------+-----------------educ |
1.0000
renda |
0.8123
1.0000
Exemplo 49: Calcular a matriz de correlao entre as variveis educ, renda e luz.
cor educ renda educ
|
educ
renda
educ
-------------+--------------------------educ |
1.0000
renda |
0.8123
1.0000
educ |
1.0000
0.8123
1.0000
5.3 Estatsticas Descritivas para Variveis Categricas e Contnuas
Nesta subseo veremos dois comandos que podem ser usados utilizando variveis
categricas e contnuas simultaneamente. Veremos o comando tab, sum() e comando table.
O comando tab, sum() calcula a mdia e o desvio padro para uma varivel contnua
separadamente para cada categoria de uma varivel discreta. Veja a seguir a sintaxe do
comando:
tab varname1, sum(varname2)
onde varname1 representa a varivel categrica e varname2 a varivel contnua.
Exemplo 50: Calcular a mdia e o desvio padro da varivel educ para cada categoria da
varivel genero.
tab genero, sum(educ)
32
Genero do |
Summary of Anos de estudo
indivduo |
Mean
Std. Dev.
Freq.
------------+-----------------------------------Homem |
6.3333333
1.6329932
6
Mulher |
6
4.9244289
9
------------+-----------------------------------Total |
6.1333333
3.8520248
15
O comanto table funciona de maneira semelhante ao comando visto anteriormente,

com a diferena de permitir calcular um maior nmero de estatsticas para a varivel contnua.
Alm do maior nmero de estatsticas calculadas, tambm possvel utilizar mais de uma
varivel contnua. A seguir apresentada a sintaxe do comando:
table varname1, contents ( )
onde varname1 representa a varivel categrica e dentro do parnteses aps a opo contents
devem ser especificadas as estatsticas que se quer calcular.
O Quadro 4 apresenta os comandos para as estatsticas que podem ser usadas com a
opo contents e seus respectivos significados.
Quadro 4 Estatsticas associadas ao comando table
Estatsticas
mean varname
sd varname
semean varname
sebinomial varname
sepoisson varname
sum varname
rawsum varname
count varname
n varname
max varname
min varname
median varname
p1 varname
p2 varname
...
p50 varname
...
p98 varname
p99 varname
iqr varname
Significado
Mdia
Desvio padro
Erro padro da mdia (sd/sqrt(n))
Erro padro da mdia, distribuio binomial (sqrt(p(1-p)/n))
Erro padro da mdia, distribuio de Poisson (sqrt(mean))
Somatrio
Somatrio ignorando possveis pesos amostrais
Total das observaes diferentes de missing
O mesmo que count
Mximo
Mnimo
Mediana
1 percentil
2 percentil
3-49 percentil
50 percentil (mediana)
51-97 percentil
98 percentil
99 percentil
Range interquartil
Exemplo 51: Calcular a mdia, o somatrio, o desvio padro e o total de observaes

diferentes de missing da varivel renda para cada categoria da varivel raca.
table raca, contents (freq mean renda sum renda sd renda count renda)
33
--------------------------------------------------------------------------Raa do
|
indivduo |
Freq. mean(renda)
sum(renda)
sd(renda)
N(renda)
----------+---------------------------------------------------------------BRANCO |
6
436.16666
2617
425.2131
6
NEGRO |
4
797.5
3190
357.9921
4
PARDO |
5
497
2485
322.3918
5
---------------------------------------------------------------------------
6 - Transformar Microdados em Dados Agregados.

Esta seo dedicada ao processo de transformao de microdados em dados
agregados. Em muitos casos o pesquisador est trabalhando com um banco de microdados e
precisa transform-lo em bancos de dados com informaes agregadas, por exemplo, em
informaes por Estados ou Municpios.
O Stata possui um comando collapse que transforma o banco de dados em um novo
banco contendo informaes de mdia, soma, contagem e outras funes das variveis
contidas no banco de dados atual. Neste curso veremos apenas as funes de mdia, soma e
contagem, que so as mais utilizadas, para conhecer as demais funes que funcionam com
este comando use o help do comando collapse. Veja abaixo a sintaxe bsica do comando:
collapse (mean) varname1 ... (sum) varname2 ... (count) varname3, by(varname4)
A varivel dentro dos parnteses depois do comando by indica a varivel de
agregao, por exemplo, cdigo do municpio ou estado.
A utilizao do comando collapse relativamente simples. A parte mais complicada
da agregao de dados saber como utilizar as funes do comando para obter as informaes
desejadas. As trs funes que estudaremos neste curso (mean, sum e count) efetuam seus
clculos apenas para as observaes com informao, ou seja, observaes contendo missing
no so consideradas. Portanto, a mdia (mean) ser calculada dividindo-se a soma da
varivel apenas pelo total de observaes com informao, e no pelo total de observaes no
banco de dados. A contagem (count) tambm realizada apenas para as observaes com
informao.
No existe nenhuma funo que calcule diretamente percentuais para cada categoria
em variveis discretas ou para subgrupos da populao. Para calcular percentuais nestas
condies, preciso ter em mente que a mdia de uma varivel binria (dummy) indica o
percentual de observaes com o valor 1 para esta varivel, ou seja, a mdia da dummy
representa o percentual da categoria de interesse.
Portanto, se o interesse for obter percentuais para todas as categorias de determinada
varivel, preciso gerar uma varivel dummy para cada categoria. O comando tab varname,
g(dummyname) uma maneira rpida e fcil de gerar uma dummy para cada categoria.
Importante enfatizar que se houver alguma observao missing as variveis dummies geradas,
tambm apresentaro missing nas mesmas observaes, ou seja, os percentuais sero
34
calculados em relao populao que tem informao para a varivel em questo. Se o

objetivo for calcular percentuais em relao toda a populao, acrescente a opo missing ao
comando acima (tab varname, g(dummyname) m).
Quando o interesse obter percentuais ou totais de determinados grupos da populao,
uma tcnica interessante criar uma varivel dummy, atribuindo "1" para a pessoa que
pertencer ao grupo de interesse e "0" caso contrrio. O somatrio desta varivel dummy
produz o total de pessoas neste grupo e a mdia da dummy produz o percentual deste grupo
em relao ao total da populao.
Observao: Se o objetivo na obteno de um percentual em relao apenas uma parte da

populao, o procedimento ligeiramente diferente. Por exemplo, obter o percentual de
trabalhadores com mais de 10 anos de escolaridade em relao ao total de trabalhadores, e no
em relao ao total da populao. Para isso, cria-se uma varivel atribuindo cdigo "1" para
os trabalhadores com mais de 10 anos de escolaridade, atribui-se cdigo "0" para os
trabalhadores com 10 anos ou menos de escolaridade e para quem no est no mercado de
trabalho, considera missing para esta pessoa "." Desta maneira, o percentual ser calculado em
relao a quem est no mercado de trabalho.
Exemplo 52: Transformar o banco de dados banco1 em um banco de dados agregado por
Unidades da Federao contendo as seguintes informaes:
- Renda mdia do trabalho
- Renda per-capita mdia
- Idade mdia
- Percentual de Adultos
- Percentual por raa
- Total por raa
- Total da populao
O comando para transformar o banco de dados conforme o enunciado do exemplo o que se
segue:
collapse (mean) renda per_capita idade adulto branco negro pardo (sum)
total_branco=branco total_negro=negro total_pardo=pardo (count) pop=idade, by(uf)
Com o intuito de deixar bem claro o funcionamento do comando, vamos explicar como foi
calculada cada informao solicitada.
i)
Para calcular e renda mdia do trabalho, a renda per capita mdia, a idade mdia, o
percentual de adultos e o percentual da populao por raa, basta utilizar a opo
mean e logo aps especificar as variveis. Lembre-se que a mdia de uma varivel
35
dummy calcula o percentual da categoria de referncia (esta correspondncia foi

utilizada para calcular os percentuais de adulto e de raa);
ii)
Para calcular o total de pessoas por raa, utiliza-se a opo sum e logo aps
especifica-se as variveis de raa. Como estas variveis j foram utilizadas para
calcular os percentuais, preciso atribuir outros nomes para representar os totais.
Isto feito colocando-se o nome da varivel nova e o sinal de igual antes da
varivel de indicadora de raa;
iii)
Por fim, para calcular o total da populao por Estado, utiliza-se a opo count e
logo aps especifica-se uma varivel que se sabe possui informao para toda a
populao. Em outras palavras, utiliza-se uma varivel com nenhuma informao
igual a missing. Do mesmo modo que ocorreu para calcular o total por raa, vamos
criar um novo nome para esta varivel. Vamos cham-la de pop.
Automaticamente, o comando cria um label para as variveis, contendo a informao

de qual funo foi utilizada no comando collapse e qual varivel foi utilizada. Como foi visto
na subseo 4.3 possvel alterar os labels de acordo com a vontade do pesquisador.
O novo banco de dados apresentado na Figura 8. Notem que o nmero de
observaes que antes era de 15 passou para 3, que representam os 3 estados existente no
banco1.
Figura 8 Banco de dados agregado por UF
Observao: o comando collapse altera o banco de dados de forma irreversvel, portanto,

recomenda-se salvar o banco de dados antes de se utilizar este comando, e logo aps sua
utilizao salv-lo com outro nome. Isto permite que, caso o collapse tenha sido feito de
maneira errada, seja possvel faz-lo novamente.
7 Combinar diversos bancos de dados.

Nesta seo aprenderemos como combinar informaes de dois ou mais bancos de
dados em um nico banco. O comando append utilizado quando o objetivo acrescentar
observaes ao banco de dados que est sendo usado, enquanto que comando merge
utilizado para acrescentar novas variveis.
36
Para ilustrar estes exemplos vamos imputar um novo banco de dados no Stata, com um
nmero menor de variveis. Para imputar este novo banco de dados, basta copiar a
programao abaixo em um Do-file e executar todas as linhas de comando.
clear
input str2 var1 str4 var2 str4 var3 var4 var5 str6 var6
"MG"
"MG"
"MG"
"MG"
"MG"
"MG"
"SP"
"SP"
"SP"
"SP"
"SP"
"RJ"
"RJ"
"RJ"
"RJ"
end
"521"
"123"
"150"
"1200"
"410"
"851"
"1250"
"360"
"200"
"980"
"783"
"160"
"600"
"501"
"203"
"n/d"
"1360"
"543"
"1200"
"1590"
"2806"
"*"
"1503"
"2126"
"3809"
"0904"
"843"
"2303"
"5816"
"2089"
1
1
2
2
2
1
2
2
1
2
1
2
2
1
2
15
51
32
41
20
13
50
33
18
74
13
50
64
37
28
"B"
"BRANCO"
"PARDO"
"NEGRO"
"NEGRO"
"PARDO"
"BRANCO"
"BRANCO"
"PARDO"
"NEGRO"
"PARDO"
"BRANCO"
"NEGRO"
"PARDO"
"BRANCO"
Aps imputar este novo banco de dados, vamos criar uma varivel identificadora do
indivduo. Esta varivel ser fundamental para o processo de adicionar variveis ao banco de
dados (merge). Para criar uma varivel com um valor sequencial para cada observao,
iniciando com o valor 1, utilize o comando abaixo. Logo aps criar esta varivel, salve o
banco de dados com o nome banco2. Ateno para o diretrio que o banco ser salvo.
gen id = _n
save "banco2"
A Figura 9 mostra em forma de planilha o banco de dados banco2.
Figura 9 Banco de Dados banco2
37
7.1 Adicionar observaes ao banco de dados
O comando append utilizado para adicionar novas observaes a um banco de dados.

Para unir dois ou mais banco de dados necessrio que as variveis tenham exatamente o
mesmo nome e o mesmo tipo (numrica ou texto). Se uma varivel s existir em um dos
bancos de dados, ser imputado missing para todas as observaes do banco de dados que no
possuir a varivel.
Para realizar o append, necessrio que se esteja com um banco de dados carregado
no Stata. O append pode ser realizado via barra de Menu, seguindo os seguintes passos: Data
> Combine datasets > Append datasets. Ir abrir uma janela conforme Figura 10. Basta
especificar o banco de dados no primeiro campo.
Figura 10 Janela append
Tambm possvel fazer o append diretamente pela janela de comando. O comando

tem a seguinte sintaxe:
append using "mydata.dta"
onde mydata representa o banco com as observaes adicionais.
38
Exemplo 53: Para ilustrar o uso do comando append no caso em que as mesmas variveis
existem nos dois bancos, vamos imputar o banco de dados abaixo e logo aps adicionar as
observaes do banco de dados banco2.
clear
input id str2 var1 str4 var2 str4 var3 var4 var5 str6 var6
16
17
18
19
20
21
22
23
24
25
26
27
28
end
"BA"
"BA"
"CE"
"CE"
"PI"
"MT"
"MT"
"AM"
"RR"
"RR"
"MS"
"RR"
"PI"
"421"
"651"
"113"
"1150"
"478"
"531"
"1280"
"384"
"684"
"320"
"197"
"130"
"971"
"942"
"1190"
"597"
"2540"
"1590"
"1056"
"987"
"2003"
"1326"
"3009"
"0504"
"743"
"1603"
1
1
2
2
2
1
2
2
1
2
1
2
2
16
26
33
12
87
56
52
33
18
65
26
76
12
"PARDO"
"BRANCO"
"PARDO"
"NEGRO"
"NEGRO"
"PARDO"
"PARDO"
"BRANCO"
"PARDO"
"NEGRO"
"BRANCO"
"BRANCO"
"NEGRO"
A Figura 11 apresenta o banco de dados imputado.

Figura 11 Banco de dados para exemplo 53 antes do append
Digite a linha de comando abaixo para fazer o append:

append using "banco2.dta"
A Figura 12 mostra o banco de dados aps o append. Notem que o nmero de observaes
passou para 28 e todas as variveis possuem informao.
39
Figura 12 Banco de dados do exemplo 53 aps o append com o banco2
Exemplo 54: Neste exemplo, vamos unir dois bancos de dados novamente, mas agora com
um dos bancos contendo trs variveis a menos. Para visualizar este procedimento, impute o
banco de dados conforme programao abaixo e depois realize o append com o banco de
dados banco2.
clear
input str2 var1 str4 var2 str4 var3 var4
"BA"
"BA"
"CE"
"CE"
"PI"
"MT"
"MT"
"AM"
"RR"
"RR"
"MS"
"RR"
"PI"
end
"421"
"651"
"113"
"1150"
"478"
"531"
"1280"
"384"
"684"
"320"
"197"
"130"
"971"
"942"
"1190"
"597"
"2540"
"1590"
"1056"
"987"
"2003"
"1326"
"3009"
"0504"
"743"
"1603"
1
1
2
2
2
1
2
2
1
2
1
2
2
A Figura 13 apresenta o banco de dados antes do append com o banco2
40
Figura 13 Banco de dados do exemplo 54 antes do append
Digite a linha de comando abaixo para fazer o append:

append using "banco2.dta"
Como pode ser visualizado na Figura 14, as variveis que s existiam no banco de
dados banco2, ficaram com missing nas observaes referentes ao banco de dados do
exemplo.
Figura 14 - Banco de dados do exemplo 54 aps o append com o banco2
41
7.2 Adicionar novas variveis ao banco de dados.
Para adicionar novas variveis a um banco de dados utiliza-se o comando merge do

Stata. Isto ocorre quando temos dois, ou mais, bancos de dados com observaes
representando as mesmas unidades (indivduos, firmas, municpios...) com variveis
diferentes em cada banco de dados. No entanto, tem que existir pelo menos uma varivel em
comum nos dois bancos, que servir como varivel de ligao. A varivel em comum tem que
ter o mesmo formato e exatamente o mesmo nome nos dois bancos de dados.
Para fazer o merge entre dois bancos de dados via barra de Menu, siga estes passos:
Data > Combine datasets > Merge two datasets. Ir abrir uma janela conforme Figura 15.
Nesta janela preciso definir o tipo de merge entre as cinco opes listadas, a varivel de
ligao e o banco de dados com as variveis que sero adicionadas.
Figura 15 Janela merge
Entre os cinco tipos de merge vamos ver apenas os trs primeiros, os dois ltimos
devem ser evitados, pois mais difcil garantir uma correspondncia correta entre os dois
bancos. Para realizar o merge, preciso sempre ter um banco de dados aberto no Stata
(master), e outro salvo no computador ou outro dispositivo de armazenamento de dados
(using).
Vamos ver como aplicar o primeiro caso: one-to-one on key variables. Imagine que
temos um banco de dados com informaes de municpios. No entanto, este banco no tem
informaes sobre o IDH-M, por exemplo, e queremos acrescentar esta informao no nosso
banco de dados. Neste caso, teremos uma correspondncia de um para um entre os bancos de
42
dados, ou seja, os dois bancos de dados possuem uma observao para cada municpio. Para
fazer o merge entre os dois bancos de dados no Stata, utiliza-se a opo one-to-one on key
variables. Pode-se fazer o merge diretamente pela janela de comandos com a seguinte sintaxe:
merge 1:1 keyvar using mydata.dta
onde keyvar representa a varivel de ligao e mydata representa o banco de dados salvo no
computador.
Exemplo 55: Para ilustrar o comando merge na opo one-to-one vamos imputar o banco de
dados abaixo e realizar o merge com o banco de dados banco2. Neste caso faremos um
merge com correspondncia um para um, cuja varivel de ligao a id (identificadora do
indivduo):
clear
input id str10 ativ status
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
end
"Primario"
"Terciario"
"Primario"
"Secundario"
"Secundario"
"Terciario"
"Terciario"
"Secundario"
"Secundario"
"Secundario"
"Terciario"
"Terciario"
"Terciario"
"Primario"
"Secundario"
1
0
0
1
0
1
1
0
1
1
0
0
1
1
0
A Figura 16 apresenta o banco de dados imputado.

Figura 16 Banco de dados do exemplo 55 antes do merge
43
Digite a linha de comando abaixo para fazer o merge com banco2:

merge 1:1 id using "banco2.dta"
Aps o merge aparece o resultado do processo na janela de resultados informando em quantas
observaes o merge foi realizado corretamente.
Result
# of obs.
----------------------------------------not matched
0
matched
15 (_merge==3)
-----------------------------------------
Tambm criada automaticamente uma varivel no banco de dados denominada _merge

indicando para cada observao o resultado do merge. Esta varivel pode assumir valores de 1
a 3 de acordo com o Quadro 5.
Quadro 5 Valores da varivel _merge
Valor da varivel _merge
1
2
3
Significado
Valor da varivel de ligao encontrada apenas no banco master
Valor da varivel de ligao encontrada apenas no banco using
Valor da varivel de ligao encontrada nos dois bancos
O novo banco de dados possui agora as variveis dos dois bancos de dados usados para o
merge. A Figura 17 mostra a planilha com as variveis dos dois bancos.
Figura 17 Banco de dados do exemplo 55 aps o merge com o banco2
Agora vamos imaginar outro caso, o banco de dados tem informaes individuais para
a populao de todos os municpios do Brasil, ou seja, para cada municpio existem vrias
observaes. Seguindo o exemplo anterior, queremos acrescentar para cada indivduo a
informao do IDH-M de seu municpio. Neste caso, termos uma correspondncia de vrios
indivduos no banco de dados inicial para um municpio no banco de dados do IDH-M. A
informao do IDH-M ser a mesma para todas as pessoas do mesmo municpio. Para fazer o
merge entre os dois bancos de dados no Stata, utiliza-se a opo many-to-one on key variables
44
ou a opo one-to-many on key variables. Como saber qual das duas opes usar, vai
depender de qual banco de dados estiver aberto no Stata. Se o banco de dados com
informaes por indivduo estiver aberto, utiliza-se opo many-to-one, caso contrrio, se o
banco de dados com informaes de municpios que estiver aberto, utiliza-se a opo oneto-many. Para uso do comando diretamente digitando na janela de comandos, utilize a
seguinte sintaxe:
many-to-one:
merge m:1 keyvar using mydata.dta
one-to-many>
merge 1:m keyvar using mydata.dta
Exemplo 56: Neste exemplo iremos acrescentar variveis referentes a Estados ao banco2
que tem as informaes individuais. Neste caso a varivel de ligao ser a var1, que contm
a sigla do Estado. Este vai ser um caso de vrias observaes de uma varivel de ligao para
uma. Vamos imputar o banco de dados abaixo e depois fazer o merge com o banco2. Como
o banco de dados de Estado que estar aberto no Stata, a opo one-to-many ser utilizada.
clear
input str2 var1 str14 uf_nome codigo
"MG"
"SP"
"RJ"
end
"Minas Gerais"
"So Paulo"
"Rio de Janeiro"
31
35
33
A Figura 18 apresenta o banco de dados imputado:

Figura 18 Banco de dados do exemplo 56 antes do merge
Digite a linha de comando abaixo para fazer o merge com o banco2

merge 1:m var1 using "banco2.dta"
Result
# of obs.
----------------------------------------not matched
0
matched
15 (_merge==3)
-----------------------------------------
45
Aps o merge o novo banco de dados representado de acordo com a Figura 19. Notem que
as informaes do banco de dados por Estado (Nome e cdigo da UF) foram replicadas para
todos os indivduos pertencentes ao mesmo Estado.
Figura 19 Banco de dados do exemplo 56 aps o merge com o banco2
8 Uma aplicao PNAD

Esta seo aplica o que foi visto nas sees anteriores para um banco de microdados
real. Utilizaremos uma subamostra da Pesquisa Nacional por Amostra de Domiclios (PNAD)
de 2008. O processo de subamostagem foi realizado sem a preocupao de manter o plano
amostral original da PNAD, portanto os resultados que sero obtidos com esta subamostra no
devem ser utilizados em trabalhos, servem apenas para exercitar o que foi aprendido neste
curso.
A Pesquisa Nacional por Amostra de Domiclios - PNAD investiga anualmente, de
forma permanente, caractersticas gerais da populao, de educao, trabalho, rendimento e
habitao e outras, com periodicidade varivel, de acordo com as necessidades de informao
para o Pas, como as caractersticas sobre migrao, fecundidade, nupcialidade, sade,
segurana alimentar, entre outros temas. O levantamento dessas estatsticas constitui, ao longo
dos 44 anos de realizao da pesquisa, um importante instrumento para formulao, validao
e avaliao de polticas orientadas para o desenvolvimento socioeconmico e a melhoria das
condies de vida no Brasil (IBGE).
Para carregar o banco de dados da PNAD no Stata digite a linha de comando abaixo na
janela de comandos do Stata. Verifique se o diretrio de trabalho do Stata o diretrio que
estamos utilizando no curso.
use "PNAD_2008_amostra.dta", clear
46
Vamos usar o comando describe para visualizar algumas informaes do banco de

dados. Em funo do grande nmero de variveis na PNAD, vamos usar a verso resumida do
comando.
desc, sh
Contains data from PNAD_2008.dta
obs:
4,243
vars:
377
17 Oct 2010 16:41
size:
2,779,165
Sorted by:
Como se pode visualizar aps o comando desc,sh, a PNAD 2008 possui 377 variveis
e a subamostra utilizada neste curso possui 4.243 observaes. Vamos utilizar apenas uma
pequena parte das variveis.
Os bancos de microdados disponibilizados pelos rgos oficiais vm sempre com um
ou mais arquivos de documentao e metodologia. Para trabalhar com estes bancos, preciso
ter em mos os arquivos que mostram os cdigos das variveis, com descrio de cada
varivel e dos valores das variveis categricas. Estes arquivos geralmente vm com o nome
de Dicionrio de variveis, Layout ou Leia-me. O Quadro 6 traz uma parte do arquivo de
Dicionrios de variveis da PNAD 2008. So apresentadas apenas as informaes referentes
s variveis que utilizaremos nesta seo do curso. Apenas para informao, a PNAD possui
um dicionrio referente s variveis de pessoas e outro para as variveis de domiclios.
Utilizaremos apenas variveis do arquivo de pessoas.
Quadro 6 Dicionrio de variveis PNAD 2008
Dicionrio de variveis da PNAD 2008 - arquivo de pessoas
Microdados da Pesquisa Bsica
Posio
Inicial
Tamanho
Cdigo
de
varivel
Quesito
N
Descrio
Categorias
Tipo
Descrio
PARTE 3 IDENTIFICAO DOS MORADORES

18
V0302
27
V8005
Sexo
Idade do morador na data de referncia
2
4
000 a 120
Masculino
Feminino
Idade em anos
PARTE 4 CARACTERSTICAS GERAIS DOS MORADORES
33
V0404
Cor ou raa
2
4
6
8
0
9
Branca
Preta
Amarela
Parda
Indgena
Sem declarao
PARTE 5 CARACTERSTICAS DE MIGRAO DOS MORADORES

42
V0501
Nasceu no municpio de residncia
1
3
Sim
No
PARTE 6 CARACTERSTICAS DE EDUCAO DOS MORADORES

66
V0601
Sabe ler e escrever
Sim
No
No aplicvel
47
PARTE 7 - CARACTERSTICAS DE TRABALHO DAS CRIANAS MORADORAS DE 5 A 9 ANOS DE IDADE

83
V0701
Teve algum trabalho no perodo de referncia

de 365 dias
Sim
No
No aplicvel
VARIVEIS DERIVADAS
654
656
V4803
V4704
Anos de estudo
(todas as pessoas)
Condio de atividade na semana de referncia

para pessoas de 10 anos ou mais de idade
657
V4805
Condio de ocupao na semana de

referncia para pessoas de 10 anos ou mais de
idade
676
12
V4718
Rendimento mensal do trabalho principal para

pessoas de 10 anos ou mais de idade
742
V4729
Peso da pessoa
V4722
Rendimento mensal familiar para todas as

unidades domiciliares (exclusive o rendimento
das pessoas cuja condio na famlia era
pensionista, empregado domstico ou parente
do empregado domstico e pessoas de menos
de 10 anos de idade)
01
Sem instruo e menos de 1 ano
02
03
1 ano
2 anos
04
05
06
3 anos
4 anos
5 anos
07
08
6 anos
7 anos
09
8 anos
10
9 anos
11
12
13
10 anos
11 anos
12 anos
14
15
13 anos
14 anos
16
17
15 anos ou mais
No determinados
1
2
Economicamente ativas
No economicamente ativas
1
2
Valor
999 999 999 999
No aplicvel
Ocupadas
Desocupadas
No aplicvel
R$
Sem declarao
No aplicvel
724
738
12
V4724
Nmero de componentes da famlia (exclusive

as pessoas cuja condio na famlia era
pensionista, empregado domstico ou parente
do empregado domstico)
Valor
999 999 999 999
R$
Sem declarao
No aplicvel
01 a 30
Pessoa(s)
No aplicvel
Como no iremos trabalhar com todas as variveis da PNAD, recomendvel

mantermos apenas as variveis que nos interessam. Isto diminui o tamanho do banco, o que
aumenta a velocidade de processamento e facilita a manipulao e visualizao dos dados.
Exerccio 1: Mantenha no banco de dados apenas as seguintes variveis, UF V0302 V8005

V0404 V4803 V4718 V4729 V4722 V4724 V0501 V0601 V0701 V4704 V480, que sero
utilizadas nos prximos exerccios.
keep UF V0302 V8005 V0404 V4803 V4718 V4729 V4722 V4724 V0501 V0601 V0701 V4704
V4805
48
Agora que j selecionamos as variveis que vamos utilizar, o prximo passo

renomear todas elas.
Exerccio 2: Renomear as variveis UF V0302 V8005 V0404 V4803 V4718 V4729 V4722
V4724 V0501 V0601 V0701 V4704 V4805 para uf sexo idade raca educ renda peso ren_fam
componentes migra analfabeto infantil ativ ocup:
ren (UF V0302 V8005 V0404 V4803 V4718 V4729 V4722 V4724 V0501 V0601 V0701 ///
V4704 V4805) (uf sexo idade raca educ renda peso ren_fam componentes migra ///
analfabeto infantil ativ ocup)
Algumas das variveis selecionadas so variveis categricas. Para no termos que
ficar consultando o Dicionrio de Variveis toda hora, vamos acrescentar rtulos para estas
variveis.
Exerccio 3: Acrescentar rtulos para as variveis sexo, raca, migra, analfabeto, infantil, ativ
e ocup de acordo com o dicionrio de variveis da PNAD. Ao final utilizar o comando
numlabel, add para deixar junto com os rtulos os valores das variveis:
Copie as linhas de comando abaixo e cole no do-file.
label define codsexo 2 "Homem" 4 "Mulher"
label values sexo codsexo
label define codraca 2 "Branca" 4 "Preta" 6 "Amarela" 8 "Parda" 0 "Indgena" 9
"Sem declarao"
label values raca codraca
label define migrante 1 "No migrante" 3 "Migrante"
label values migra migrante
label define analf 1 "Sabe ler" 3 "Analfabeto"
label values analfabeto analf
label define trab 1 "Trabalha" 3 "No trabalha"
label values infantil trab
label define atividade 1 "Economicamente ativo" 2 "No economicamente ativo"
label values ativ atividade
label define ocupao 1 "Ocupado" 2 "Desocupado"
label values ocup ocupao
numlabel, add
49
Feitas estas alteraes no banco de dados, temos um banco de dados enxuto e

organizado, pronto para iniciar um trabalho de pesquisa. Em seguida iremos gerar algumas
variveis, substituir alguns valores, calcular estatsticas descritivas e por fim transformar o
banco de microdados da PNAD em um banco de dados agregados por Estado.
Exerccio 4: Gerar variveis novas com as seguintes informaes: idade ao quadrado,

logaritmo natural da renda e renda familiar per capita:
- Idade ao quadrado
gen ida2 = idade^2
- Logaritmo natural da renda
gen lnrenda = ln(renda)
- Renda familiar per capita
gen per_capita = ren_fam / componentes
Exerccio 5: A varivel renda na PNAD possui o valor 999999999999 para as pessoas que
no responderam a esta pergunta na pesquisa. Este valor influencia nas estatsticas da variel
renda, puxando os resultados para cima. Substitua estes valores por missing. Calcule a renda
mdia antes e depois da substituio para comparar os resultados.
sum renda
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------renda |
1857
1.67e+10
1.28e+11
0
1.00e+12
replace renda = . if renda == 999999999999

sum renda
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------renda |
1826
943.7103
1699.413
0
30000
Exerccio 6: Veja no dicionrio de variveis as categorias da varivel de anos de estudo

(V4803). Note que o cdigo 1 se refere s pessoas sem instruo, o cdigo 2 s pessoas com 1
ano de escolaridade e assim por diante. Desta maneira, calcular informaes relativas aos anos
de estudo estaro enviesadas para cima. Alm disto, a categoria 17 se refere s pessoas que
no declaram a escolaridade. Corrija esta varivel para que os valores das categorias se
50
refiram corretamente aos anos de estudo. Calcule a mdia antes e depois da correo dos
valores.
sum educ
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------educ |
3924
6.949032
4.699478
1
17
replace educ = . if educ == 17

replace educ = educ - 1
sum educ
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------educ |
3915
5.925926
4.680069
0
15
Observao: A PNAD um banco de dados amostral, com um plano de amostragem

complexo, envolvendo probabilidades desiguais de seleo, estratificao e conglomerao.
Qualquer clculo efetuado com os dados da PNAD que no consideradas os efeitos do plano
amostral podem enviesar os resultados, tanto estatsticas simples quanto resultados
economtricos. O vis pode ocorrer tanto nas estimativas pontuais, quanto nas estimativas das
varincias dos parmetros. O banco de dados completo da PNAD possui todas as informaes
necessrias para se efetuar o controle do plano amostral. Corrigir as estimativas pontuais
relativamente mais simples do que corrigir as estimativas das varincias. No est no escopo
deste curso apresentar os mtodos para correo das varincias. Vamos apenas usar os pesos
amostrais para a correo das estimativas pontuais. Digite help weights na janela de comandos
para conhecer os tipos de pesos utilizados pelo Stata.
Exerccio 7: Calcular a frequncia relativa para cada categoria da varivel raca sem
considerar o peso amostral e considerando o peso amostral.
tab raca
COR OU RACA |
Freq.
Percent
Cum.
------------------+----------------------------------0. Indgena |
15
0.38
0.38
2. Branca |
1,747
44.52
44.90
4. Preta |
313
7.98
52.88
6. Amarela |
21
0.54
53.41
8. Parda |
1,824
46.48
99.90
9. Sem declarao |
4
0.10
100.00
------------------+----------------------------------Total |
3,924
100.00
51
tab raca [w=peso]

COR OU RACA |
Freq.
Percent
Cum.
------------------+----------------------------------0. Indgena |
6,608
0.35
0.35
2. Branca |
902,951
47.53
47.88
4. Preta |
149,295
7.86
55.74
6. Amarela |
11,927
0.63
56.37
8. Parda |
826,813
43.53
99.89
9. Sem declarao |
2,030
0.11
100.00
------------------+----------------------------------Total | 1,899,624
100.00
Exerccio 8: Calcular a frequncia relativa da varivel raca apenas para as mulheres (varivel
sexo igual a 2) considerando os pesos amostrais.
tab raca [iw=peso] if sexo ==2
COR OU RACA |
Freq.
Percent
Cum.
------------------+----------------------------------0. Indgena |
4,167
0.46
0.46
2. Branca |
422,199
46.15
46.60
4. Preta |
77,168
8.43
55.04
6. Amarela |
4,614
0.50
55.54
8. Parda |
405,484
44.32
99.86
9. Sem declarao |
1,272
0.14
100.00
------------------+----------------------------------Total |
914,904
100.00
Exerccio 9: Calcular a frequncia relativa de cada categoria da varivel sexo para as pessoas
de cor branca (raca = 2) ou amarela (raca=4) com mais de 5 anos de estudo considerando os
pesos amostrais.
tab sexo [w=peso] if (raca == 2 | raca == 4) & educ > 5
SEXO |
Freq.
Percent
Cum.
------------+----------------------------------2. Homem |
263,644
46.86
46.86
4. Mulher |
298,993
53.14
100.00
------------+----------------------------------Total |
562,637
100.00
Exerccio 10: Construir uma matriz de correlao com as variveis educ, renda e ren_fam,
considerando os pesos amostrais.
cor educ renda ren_fam [w=peso]
|
educ
renda ren_fam
-------------+--------------------------educ |
1.0000
renda |
0.3499
1.0000
ren_fam |
0.0196
0.1451
1.0000
52
Exerccio 11: Construir uma tabela com o total e percentual de pessoas com mais de 5 anos
de escolaridade para cada subgrupo de sexo e raa considerando os pesos amostrais.
tab raca sexo [w=peso] if educ>5, cel
+-----------------+
| Key
|
|-----------------|
|
frequency
|
| cell percentage |
+-----------------+
|
SEXO
COR OU RACA | 2. Homem 4. Mulher |
Total
------------------+----------------------+---------0. Indgena |
1,941
648 |
2,589
|
0.21
0.07 |
0.28
------------------+----------------------+---------2. Branca |
228,489
267,460 |
495,949
|
24.54
28.72 |
53.26
------------------+----------------------+---------4. Preta |
35,155
31,533 |
66,688
|
3.77
3.39 |
7.16
------------------+----------------------+---------6. Amarela |
1,434
4,340 |
5,774
|
0.15
0.47 |
0.62
------------------+----------------------+---------8. Parda |
166,952
193,312 |
360,264
|
17.93
20.76 |
38.69
------------------+----------------------+---------Total |
433,971
497,293 |
931,264
|
46.60
53.40 |
100.00
Exerccio 12: AGREGAR BANCO DE DADOS: construir um banco de dados agregados por
Estado, com o total da populao, a populao entre 18 e 65 anos (inclusive) e sua mdia de
anos de estudo, o percentual de brancos, o total de pessoas com rendimentos no nulos, o
percentual de trabalhadores com mais de 10 anos de estudo em relao ao total de
trabalhadores, a renda mdia do trabalho e o percentual da populao com renda familiar per
capita inferior a R$ 100,00.
Para conseguir a transformao no banco de dados com as informaes solicitadas no
enunciando do exerccio, preciso criar novas variveis e alterar o valor de algumas:
- Varivel de total de populao
gen pop = 1
- Populao entre 18 e 65 anos (inclusive)
gen pop_18_65 =idade>=18 & idade <=65
- Mdia de anos de estudo para as pessoas entre 18 e 65 anos (inclusive)
replace educ = . if idade <18 | idade >65
- Populaao branca
gen branco=raca==2
- Percentual de trabalhadores com mais de 10 anos de escolaridade em relao ao total
de trabalhadores
53
gen trab_10 =educ>10

replace trab_10 = . if renda == .
- Percentual da populao com renda per capita inferior a R$ 100,00
gen pobres=ren_fam<100
Aps a preparao do banco, utilizar o comando collapse para agregar o banco de dados:
collapse (mean) renda educ idade branco trab_10 pobres (sum) pop pop_18_65 (count)
trabalhador=renda [pw=peso], by(uf)
54

Análise de microdados com Stata

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Análise de microdados com Stata

Загружено:

Авторское право:

Доступные форматы

APOSTILA DO MINICURSO

MICRODADOS COM O USO DO STATA

Autores: Igor Vieira Procpio

2.1 Interface do Stata

A janela denominada Command o local para a digitao dos comandos. A janela

A Figura 3 apresenta a janela do Do-file Editor. Cada linha do Do-file representa um

conveniente e muitas vezes necessrio acrescentar comentrios a um Do-file para

3 Visualizar Microdados no Stata

Para imputar o banco de dados banco 1 copie e cole a programao abaixo em um

Existem algumas formas de visualizar o banco de dados no Stata. Veremos primeiro o

Exemplo 1: Listar todas as variveis e observaes

Aps o uso do comando, as informaes acima foram exibidas na janela Results do

Exemplo 2: Listar apenas as cinco primeiras observaes do banco 1

Tambm possvel especificar apenas um subconjunto das variveis, especificando

Exemplo 3: Listar as observaes de 5 a 10 das variveis var1, var3 e var7.

Exemplo 4: Utilizar o comando describe para descrever o banco 1.

Exemplo 5: Descrever resumidamente o banco 1 utilizando a opo short do comando

Tambm possvel visualizar o banco de dados diretamente na forma de planilha. Para

Figura 5 Janela Data Editor

4 - Operaes bsicas no Stata

4.1 Excluir variveis e observaes

keep varname1 varname2 varname3 varname4

Quadro 1 Operadores Lgicos

4.2 Renomear variveis

Exemplo 7: Modificar o nome da varivel var1 para renda

4.3 Legenda e Rtulos de Variveis

Figura 7 - Janela Variables Varivel renda com label

Exemplo 9a: Acrescentar legenda s demais variveis conforme indicao abaixo:

Outra funo interessante a possibilidade de acrescentar rtulos s variveis. Esta

2 etapa: atribuir o rtulo a uma varivel

4.4 Transformar variveis do formato texto para o formato numrico

1 caso: Todas as observaes possuem valores numricos

4.5 Alterar valores de variveis

replace componentes = . if componentes == 99

Exemplo 17: A varivel rm (Regio Metropolitana) deveria possuir apenas os cdigos 0 e 1,

4.6 Criar novas variveis

gen masc = 1 if genero == 1

5.1 Estatsticas Descritivas para Variveis Discretas

-> tabulation of raca by genero

Vejamos agora alguns exemplos para elaborao de tabelas de frequncias de uma

5.2 - Estatsticas Descritivas para Variveis Contnuas

Se a opo detail for acrescentada ao comando, sero apresentadas alm das

Exemplo 41: Usar a opo detail do comando summarize.

O comando tabstat, do mesmo modo que o comando summarize, apresenta uma

tabstat renda, stats (n mean sum) columns(variables)

A segunda opo do comando tabstast que vamos ver se refere ao formato de

tabstat pib, stats (mean sum) format (%15.2f) columns(variables)

Exemplo 47: Repetir o exemplo 46 omitindo os valores depois da vrgula.

A correlao entre duas ou mais variveis facilmente calculada com o uso do

Exemplo 48: Calcular a correlao entre a varivel educ e renda.

5.3 Estatsticas Descritivas para Variveis Categricas e Contnuas

O comanto table funciona de maneira semelhante ao comando visto anteriormente,

Exemplo 51: Calcular a mdia, o somatrio, o desvio padro e o total de observaes

6 - Transformar Microdados em Dados Agregados.

calculados em relao populao que tem informao para a varivel em questo. Se o

Observao: Se o objetivo na obteno de um percentual em relao apenas uma parte da

dummy calcula o percentual da categoria de referncia (esta correspondncia foi

Automaticamente, o comando cria um label para as variveis, contendo a informao

Observao: o comando collapse altera o banco de dados de forma irreversvel, portanto,

7 Combinar diversos bancos de dados.

7.1 Adicionar observaes ao banco de dados

O comando append utilizado para adicionar novas observaes a um banco de dados.