今天我们要介绍好多小技巧，请接招。先看引子~

假设我们有这样的一个调查数据，如上图所示，该数据包含3个变量：调查对象（ID），卤味品牌（brand），还有调查对象的体型（somatotype）。现在我们要对这个数据进行处理，找出各个体型的人对卤味品牌的偏好，并用图形描述出来，如下图所示，即是体型匀称的人对个卤味品牌的偏好，他们最爱廖记棒棒鸭，绝命鸭脖的追捧程度最低。

那么，我们应该怎么做呢？也许，你想到以下的程序：

既然是这样，我们开始动手做吧，首先找出偏爱各品牌的人数。第一步，我们先找出喜欢廖记棒棒鸭的人：建立一个变量var_1，当brand=1时，令var_1=1，否则，var_1=0. 

运行结果如下：

第二步，按体型求和：bysort somatotype: egen brand_1 = sum(var_1). 下图所示的结果表示超瘦的人中喜欢廖记棒棒鸭的有3个。

第三步，我们只保留somatotype和brand_1两个变量，删去重复的obs，得到的便是喜欢廖记棒棒鸭的人数。

这时，只要我们重复以上的步骤，就可以得到喜欢各品牌的人数了，品牌数只有6个，所以这一过程还算简单，但是，假若我们有10个，100个，200个，如果重复以上的步骤，貌似相当费时，有没有方法可以使得stata自己运算，不用我们将若干个品牌一个一个地找出来呢？办法肯定有啊，一个forvalues函数就能使得以上自动运行，不过问题就在于，第一步中的条件“if brand == ???”中的品牌代号，能不能用一个变量来表示，我们需要的时候引用这个变量的值就可以了呢？Stata作为一个成熟的软件，当然有这样的功能，接下来，我们的猪脚——“全局暂元”粉墨登场啦~

那全局暂元究竟是个什么东东？敲黑板，重点来了。我就直接告诉你好啦。全局暂元，它就像游走在各个数据文件中的精灵，藏身于STATA内存的最深处，它不受任何一个数据文件的控制，但是，当你打开任何一个文件，一旦你需要它，只要你喊一句“I want you!”，它就会马上现身，任你摆布，而你不需要它的时候，它就挥一挥衣袖，默默离开，除开它的值以外，什么都没有留下。全局暂元，你值得拥有！

好啦，言归正传，我们怎么用这个全局变量？今天的推送，我们就走进全局变量的小小世界。

建立全局变量的语句是global variable = another variable

在以上的语句中，我们建立了13个全局暂元：表示数据文件中的obs数量的l，表示品牌代号的brand_id_1，brand_id_2，brand_id_3，brand_id_4，brand_id_5，brand_id_6，分别表示廖记棒棒鸭、煌下煌、周黄鸭、绝命鸭脖、精文鸭脖和久久鸡，还有表示品牌名字brand_name_1，brand_name_2，brand_name_3，brand_name_4，brand_name_5，brand_name_6，分别表示的品牌跟品牌代号一致。由以上可知，全局变量可储存的值的类型既可以是数值型，也可以是字符型。那我能不能直接把包含一系列值的变量直接付给一个全局暂元呢？例如，令global brand_id = brand. 这样貌似行不通，这种情况下我们只把brand的第一个值，亦即111，赋给了brand_id，换句话说，brand_id只储存了一个值，111。全局暂元只能储存单值！

类似地，我们建立可以利用体型数据文件建立体型全局暂元。

用macro list可以查看我们建立的所有全局暂元。

这时，我们就可以用forvalues来实现引子中的三个步骤了。

在这段代码中，有三个值得注意的的地方：

在以上的forvalues函数，我们对每一个品牌生成一个独立的数据文件（“save brand_`i'.dta, replace”），现在，我们合并这些数据文件，加总求和。

按体型求和是怎样做到的呢？我们可以先观察数据结构。

显然，每一行对应的是某一体型下选择各个品牌的人数，我们只需要横向加总求和，直接加。在这里，我们也可以查看total_num的描述性统计，以检验我们的做法对不对。

Obs为5，mean为40，总数为5*40=200，而survey文件中的obs有200个，两个数字一致，也就是说每一个obs已经算到里面了，我们的步骤应该是正确的。

这也简单。用各品牌的人数除以总人数就可以了。

不过，我们在这里用到了全局暂元的更高级的引用方法：与其他文字混搭。建立标签时，我们在品牌名字后面添加了“的比例”3个大字，显示出这是一个比例，不是频数。

终于来到最后一步——作图了。但是，我们可以直接作图吗？我们这次需要做的是柱形图，使用的基本语句是“twoway bar yvar xvar”，换句话说，我们要用到两个变量，一个表示品牌的名称，一个表示某一体型偏好各品牌的比例，然而，我们并没有表示品牌的变量。嗷，又出现了问题。那怎么办呢？

不怕，我们把表格转置过来就OK。

Xpose是STATA自带的转置函数，详情请输入help xpose. 转置以前，我们先删掉一些无关变量， somatotype，total_num，brand_1到brand_6。使用以上语句转置后，原来的5行变成5个变量，表示各体型偏好各品牌的比例的，v1-v5，以及一个新变量_varname，_varname描述了各行对应的转置前的变量名。

以下两个图中，上图是转置前的数据，下图是转置后的数据。

为了使变量名更加直观些，我们对变量重命名，添加标签。

我们添加一个变量p，表示品牌，并对p的各个变量添加标签。

P的值的标签来自brand数据文件。在这里我们用brand_name的值添加到p的值的标签里的。这样的好处是不用一个一个地添加。这种方法包括两步：先encode要作为标签的变量，然后给目标变量添加标签（labmask）.这又是一个重要技巧~

现在，我们得到形如如下的数据了，可以画图了。

接下来当然是画图，保存啦。

Twoway bar其实有很多巧妙的小方法让你的图形变得好看起来，或者减轻你的工作负担。比方说，上面在xlabel选项里加入一个val子选项，x轴上显示的是p的各个值的标签，而不是各个值。更多请输入help twoway bar挖掘！

至此，我们画图的目的已经完成。不过，一切都还没有结束。在最后，还抛砖引玉——简单介绍mata. Mata是STATA 13新加入的一个函数集（大概是这样的吧！），可将文字段、表格、图片插入到word文档里，甚至，还可以将图片插入到表格的某一个单元格里，功能十分强大。在这里，我们仅仅介绍将图片插入到一个新的word文档里。请看示例code：

使用mata时，先要告诉STATA接下来要执行mata函数集咯。

然后，新建一个docx文件。Dh是一个值，在后面的语句中，如果有引用到dh，运行该语句后，屏幕会显示dh值，如果返回的dh值是个负值，则说明该语句没有成功运行。如下图所示，目标code成功运行。

新建文档后，接下来就是添加图片，使用_docx_image_add( , )函数，括号内，逗号前是返回dh值，逗号后是图片的路径与文件名。也许你会问，我有很多图片要添加的时候，能不能用forvalues一次性解决啊？很遗憾，没有~不过，只要你想办法，就不用一行一行地输入了。虽然STATA帮不了你，但是你还有excel啊啊啊啊。

好了，本次推送的最后一个干货来了：你把第一行复制到excel的某一个单元格，然后下拉填充，别说这次的5个语句，就算是上万句，都能瞬间给你完成啊啊啊啊啊！

自动生成的语句，照样复制粘贴会do文件，这也不需要多久啊啊啊啊！

图片添加完毕，保存文件~提醒一下，如果文件夹中已有同名的文件，傻逼_docx_save( , )函数并不会帮你把旧文件覆盖掉~所以，每次运行之前，记得修改文件名！

最后，别忘了添上end命令，否则STATA还沉浸在mata的世界里无法自拔。

好了，剩下的就交给你们了！

以上就是今天给大家分享的内容了，说得好就赏个铜板呗！有钱的捧个钱场，有人的捧个人场~。