Stata绘图：面板数据可视化-panelview
👇 连享会 · 推文导航 | www.lianxh.cn
🍎 Stata：Stata基础 | Stata绘图 | Stata程序 | Stata新命令 📘 论文：数据处理 | 结果输出 | 论文写作 | 数据分享 💹 计量：回归分析 | 交乘项-调节 | IV-GMM | 时间序列 | 面板数据 | 空间计量 | Probit-Logit | 分位数回归 ⛳ 专题：SFA-DEA | 生存分析 | 爬虫 | 机器学习 | 文本分析 🔃 因果：DID | RDD | 因果推断 | 合成控制法 | PSM-Matching 🔨 工具：工具软件 | Markdown | Python-R-Stata 🎧 课程：公开课-直播 | 计量专题 | 关于连享会
连享会 · 2022 空间计量专题
作者：韩杰 (暨南大学)
邮箱：han_ovetk@foxmail.com
编者按：本文参考自「PANELVIEW: Stata module to visualize panel data」，特此致谢！
温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码，直达原文：
目录
1. 简介
2. 命令介绍
2.1 命令安装
2.2 命令语法
3. Stata 实例
3.1 制定处理组的特征
3.2 两种以上的处理组特征
3.3 连续的处理变量
3.4 离散的处理变量
3.5 同时绘制Y和D时间序列
4. 相关推文
1. 简介
本文主要介绍由 Mou、Hongyu 和 Yiqing Xu (2022) 共同开发的面板数据可视化命令——panelview。该命令具备以下三大功能：
在面板数据集中绘制处理组状态和缺失值； 以时间序列的方式可视化感兴趣的变量； 以单位或总体描述自变量与因变量之间的二元关系。
这些工具可以帮助研究人员在进行统计分析之前，更好地理解他们的面板数据。
2. 命令介绍
2.1 命令安装
首先，我们需要安装几个必备命令：grc1leg、gr0075、labutil 和 sencode。
net install grc1leg, from(http://www.stata.com/users/vwiggins) replace
net install gr0075, from(http://www.stata-journal.com/software/sj18-4) replace
ssc install labutil, replace
ssc install sencode, replace在 Stata 15.1 或更高版本的安装 panelview，一种方法是通过 ssc install：
ssc install panelview, all replace
另一种方法是使用 net install 来安装最新版本的 panelview：
net install panelview, all replace from("https://yiqingxu.org/packages/panelview_stata")2.2 命令语法
该命令的语法如下：
panelview Y D X [if] [in] , i(varname) t(varname numeric) type(string) [options]其中，
Y D X：因变量、自变量和协变量。由于协变量中缺少值，包含协变量可能会改变图的外观；if和in：添加限定条件；i()和t()：指定单位 (组) 和时间指标；type()：type(treat)使用热力图绘制处理组分配。type(outcome)以时间序列的方式绘制结果变量。type(bivar)或type(bivariate)在同一图表中绘制结果和处理组与时间的关系。type(miss)或type(missing)绘制变量的数据缺失状态；continuoustreat：处理变量表示为连续变量；discreteoutcome：当变量是离散的，确保panelview在type(outcome)图中保持它的离散性；bytiming：按首次接受处理的时间对单位进行排序，如果时间是相同的，那么就是接受处理的总时长；ignoretreat：省略处理指标，即Y之后的所有变量都被解释为协变量；ignoreY：显示varlist中第一个变量的处理状态，而不是第二个，需要与type(treat)或type(missing)结合使用。如果varlist中只有一个变量，则该选项禁用；MYCOLor()：改变配色方案；PREpost：区分处理组的处理前和处理后阶段；xlabdist()和ylabdist()：更改 x 轴和 y 轴上标签之间的整数间隔，默认值为 1；bygroup：将每个单元放入不同的处理组，然后在调用type(outcome)时将它们分别绘制在列中；style()：确定绘图中元素的样式。第一项和第二项分别定义了结果变量和处理组的风格。Connected或c表示连接线，line或l表示线；byunit：当调用type(bivar)时，绘制每个单元的结果变量和处理变量与时间的关系图；theme(bw)：使用黑白主题，当指定type(bivar)时为默认；lwd()：设置行宽的type(bivar)，默认为medium；leavegap：如果时间分布不均匀，将时间间隔用白色条表示；bygroupside：将分组的子图形排列在一行中而不是列中；displayall：如果单位数超过 500，则显示所有单位，否则随机选择 500个单位呈现。
3. Stata 实例
3.1 制定处理组的特征
3.1.1 处理组的两种情形
利用 turnout.dta 数据集 (一个平衡面板)，我们展示了给定年份每个州选举日登记 (EDR) 的处理状态。我们可以使用 title 选项来更改标题、xtitle 和 ytitle 选项更改 x 轴和 y 轴的标题。对于处理指标为二分法的 DID 型面板数据，我们可以通过指定 prepost 来区分处理单元的处理前和处理后时期。
在下图中，turnout 是结果，policy_edr 是处理变量，policy_mail_in 和 policy_motor 是协变量。由于在协变量中缺少值，包含协变量可能会改变图的外观。
. lxhuse turnout.dta, clear
. panelview turnout policy_edr policy_mail_in policy_motor, i(abb) t(year) ///
> type(treat) xtitle("Year") ytitle("State") title("Treatment Status")我们可以使用 bytiming 选项来按接受处理的时间 (其次是按接受处理的总时间) 对单位进行排序，legend 选项来更改图例中的标签，以及 prepost 选项来区分处理组处理前和处理后的阶段。
. panelview turnout policy_edr policy_mail_in policy_motor, i(abb) t(year) type(treat) ///
> xtitle("Year") ytitle("State") title("Treatment Status") prepost bytiming如果时间分布不均匀，我们可以使用 leavegap 来保持时间间隙为白条。否则，我们将跳过时间间隔，并警告 Time is not evenly distributed (possibly due to missing data)。
. drop if year==1924
. drop if year==1928
. drop if year==1940
. panelview turnout policy_edr policy_mail_in policy_motor, i(abb) t(year) type(treat) leavegap3.1.2 缺失和处理状态开关
对于处理组可能开启和关闭的面板数据集，我们不再区分处理前和处理后的状态。为了展示 panelview 如何在更一般的情况下使用，下图使用了 capacity.dta 数据集，该数据集用于调查民主的影响，其中 demo 是体制类型的二元指标。
从下图中，我们看到了相当多的民主逆转的案例，有许多缺失的变量 (白色区域)。在这里，我们使用 xlabdist 和 ylabdist 选项来改变 x 轴和 y 轴上标签之间的间隙。
. lxhuse capacity.dta, clear
. panelview lnpop demo lngdp , i(country) t(year) type(treat) mycolor(Reds) ///
> title("Democracy and State Capacity") xlabdist(3) ylabdist(10)如果 varlist 是 D X，我们可以用 ignoreY 来表示 D 的处理状态，不考虑 Y 缺失的状态。
. panelview lnpop demo lngdp , i(country) t(year) type(treat) mycolor(Reds) ///
> title("Democracy and State Capacity") xlabdist(3) ylabdist(10)根据一个单位接受处理的第一个周期进行分类的单位，会提供一个更吸引人的视觉效果。
. panelview lnpop demo lngdp, i(country) t(year) type(treat) mycolor(Reds) ///
> title("Democracy and State Capacity") xlabdist(3) ylabdist(10) bytiming3.1.3 绘制部分单位
有时，一个数据集有许多单位，我们只想取单位子集，此时可以通过 if 选项指定显示单元。注意，如果变量没有包含在 varlist 或 i()/t() 后面，我们建议研究人员添加变量到 varlist 中。在下图中，我们绘制了前 25 个单位的处理状态。
. egen ccodeid = group(ccode)
. panelview lnpop demo lngdp ccodeid if ccodeid >= 1 & ccodeid <= 26, i(ccode) ///
> t(year) type(treat) mycolor(PuBu) title("Democracy and State Capacity") xlabdist(3)3.2 两种以上的处理组特征
3.2.1 三种处理组类型
panelview 支持 2 级以上处理的面板数据。例如，我们创建了一个有三个处理水平的制度类型的变量。
. lxhuse capacity.dta, clear
. gen demo2 = 0
. replace demo2 = -1 if polity2 < -0.5
. replace demo2 = 1 if polity2 > 0.5
. panelview Capacity demo2 lngdp, i(ccode) t(year) type(treat) title("Regime Type") ///
> xlabdist(3) ylabdist(10) mycolor(Reds)
3.2.2 五种以上处理组类型
如果处理类型数大于 5，则处理指标视为连续变量。
. lxhuse capacity.dta, clear
. gen demo2 = 0
. replace demo2 = -2 if polity2 < -0.7
. replace demo2 = -1 if polity2 < -0.5 & polity2 > -0.7
. replace demo2 = 1 if polity2 > 0.5 & polity2 < 0.7
. replace demo2 = 2 if polity2 > 0.7
. tab demo2, m
. panelview Capacity demo2 lngdp, i(ccode) t(year) type(treat) title("Regime Type") ///
> xlabdist(3) ylabdist(10)3.3 连续的处理变量
panelview 的第二个功能是以时间序列的方式显示面板数据集的原始结果变量。语法非常类似，只是我们需要指定 type(outcome)。不同的颜色代表不同的处理条件。
3.3.1 连续的处理变量
我们把处理开始前的一段时间画成处理期。与 type(treat) 不同，type(outcome) 不需要 xlabdist 和 ylabdist。如果需要，我们应该使用 xlabel 和 ylabel 来代替。同时使用 prepost 区分处理单元的处理前和处理后阶段。
. lxhuse turnout.dta, clear
. panelview turnout policy_edr policy_mail_in policy_motor, i(abb) t(year) type(outcome) ///
> xtitle("Year") ytitle("Turnout") title("EDR Reform and Turnout") prepost3.3.2 处理变量分组绘图
为了更好地理解数据，有时我们希望根据观察区间内处理状态是否发生变化来绘制结果，此时可以通过选项 bygroup 实现。算法会对数据进行分析，并自动将每个单元分成不同的组，如 1)一直是处理的单元，2) 一直是控制的单元，3) 处理状态发生变化的单元。
. lxhuse turnout.dta, clear
. panelview turnout policy_edr policy_mail_in policy_motor, i(abb) t(year) type(outcome) ///
> xtitle("Year") ytitle("Turnout") by(, title("EDR Reform and Turnout")) ///
> bygroup xlabel(1920 (20) 2000)
3.4 离散的处理变量
我们可以通过设定 discreteoutcome 来绘制离散的变量。下面是一个使用 pvsimdata.dta 数据集的示例，其中结果变量有三个值：0、1、2。
. lxhuse pvsimdata.dta, clear
. panelview Y D if time >= 8 & time <= 15, type(outcome) i(id) t(time) mycolor(Reds) ///
> discreteoutcome title("Raw Data") xlabel(8 (2) 15) ylabel(0 (1) 2)3.5 同时绘制Y和D时间序列
通过指定 type(bivar) 或 type(bivariate)，实现在一个图中可视化结果和处理变量的时间序列。对于连续变量，我们默认使用线图，对于离散变量，我们使用条形图。
3.5.1 绘制所有单位的平均时间序列
对于连续的结果变量和离散的处理组，这里有两个例子。在前者中，style(c,b) 表示连接的散点图，而不是表示结果变量的默认线形图和处理组的条形图。如果有连接线，可以通过 msize() 指定符号的大小。
. lxhuse turnout.dta, clear
. panelview turnout policy_edr, i(abb) t(year) xlabdist(7) type(bivariate) msize(*0.5) ///
> style(c b) ytitle("turnout") ytitle("policy_edr", axis(2)) legend(label(1 "turnout") ///
> label(2 "policy_edr")) ylabel(40 (10) 70) ylabel(0 (0.1) 0.5, axis(2))
3.5.2 按每个单位绘制时间序列图
我们使用 byunit 绘制 D 和 Y 与时间的关系图，并将四个子图排列在一行中。
. lxhuse turnout.dta, clear
. panelview turnout policy_edr policy_mail_in policy_motor if abb >= 1 & abb <= 12, ///
> i(abb) t(year) xlabdist(10) type(bivar) byunit
. lxhuse capacity.dta, clear
. panelview lnpop demo if country >= 1 & country <= 24, i(country) t(year) xlabdist(20) ///
> type(bivar) byunit
4. 相关推文
Note：产生如下推文列表的 Stata 命令为：
lianxh 可视化, m
安装最新版lianxh命令：
ssc install lianxh, replace
专题：专题课程 ⏩连享会公开课：实证研究中的数据可视化 专题：数据处理 Stata：边际处理效应及其可视化-mtefe-T309 Stata: 约翰霍普金斯大学 COVID-19 疫情数据处理及可视化 专题：Stata绘图 Stata可视化：能用图形就不用表格 Stata绘图：回归系数可视化-multicoefplot Stata绘图-可视化：组间差异比较散点图 Stata可视化：biplot一图看尽方差、相关性和主成分 Stata绘图-组间差异可视化：不良事件火山图、点阵图 forest-森林图：分组回归系数可视化 Stata绘图：回归系数可视化-论文更出彩 Stata绘图：世行可视化案例-条形图-密度函数图-地图-断点回归图-散点图 Stata绘图：随机推断中的系数可视化 专题：结果输出 Stata可视化：让他看懂我的结果！ 专题：回归分析 Stata：在线可视化模拟-OLS-的性质 专题：Python-R-Matlab Python 调用 API 爬取百度 POI 数据小贴士——坐标转换、数据清洗与 ArcGIS 可视化 专题：工具软件 知乎热议：有哪些一用就爱上的可视化工具？ 专题：其它 数据可视化：带孩子们边玩边学吧
课程推荐：因果推断实用计量方法
主讲老师：邱嘉平教授
🍓 课程主页：https://gitee.com/lianxh/YGqjp
New！ Stata 搜索神器：
lianxh和songblGIF 动图介绍
搜： 推文、数据分享、期刊论文、重现代码 ……
👉 安装：
. ssc install lianxh
. ssc install songbl
👉 使用：
. lianxh DID 倍分法
. songbl all
🍏 关于我们
连享会 ( www.lianxh.cn，推文列表) 由中山大学连玉君老师团队创办，定期分享实证分析经验。 直通车： 👉【百度一下： 连享会】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。