本節書摘來自華章出版社《stata統計分析與應用（第2版）》一書中的第2章，第2.1節，作者 周廣肅，更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視
資料是進行實證研究的基礎，也是運用stata進行分析的基石，是以本節主要講解最基本的資料打開、stata中的資料類型，以及資料壓縮與轉化等相關操作内容。
stata一般能夠識别的資料檔案的字尾名為.dta，打開這些資料檔案的指令為use。use指令的基本語句格式如下：
use [varlist] [if] [in] using filename [, clear nolabel]
在這個指令中，use是打開資料的指令語句，varlist代表變量名稱，if是條件語句，in是範圍語句，using filename代表資料檔案路徑。
下面将詳細介紹常用的5種情形，所使用到的資料檔案名稱為usaauto.dta，是根據統計資料得到的美國汽車産業的橫截面資料（1978年）。在本書附帶CD光牒的data檔案夾中可以找到本章的流工作檔案，表2.1顯示了其中部分資料。
打開資料檔案中的全部資料
如果想要打開usaauto資料檔案中的全部資料，輸入的标準指令如下：
use "c:datausaauto.dta"
use表示執行打開操作，引号中的c:datausaauto.dta表示資料檔案的路徑。這裡的usaauto.dta檔案放在了c盤data檔案夾下。如果資料檔案位于stata預設的data檔案夾中，則可使用如下簡化指令：
use usaauto
此外還可以使用sysuse指令打開所有本地電腦上的資料檔案，不管其是否在data檔案夾中，而且不需要注明檔案路徑。在這個例子中指令如下：
sysuse usaauto
打開資料檔案以後，會顯示如圖2.1所示的結果，variables視窗将顯示所有的變量名稱及存儲類型等内容。
打開資料檔案中的部分變量
有時，并不需要将資料檔案中的所有變量全部打開，因為原始資料可能内容豐富，含有很多變量，而研究隻涉及其中的幾個變量。例如隻用到usaauto檔案中的make和price這兩個變量，可使用如下指令：
use make price using "c:datausaauto.dta"
use make price部分表示需要打開make和price兩個變量，using "c:datausaauto.dta" 部分表示打開的資料檔案路徑及名稱。
打開資料檔案中的部分樣本
此外，原始資料檔案的樣本數量有時過于龐大，例如人口普查的資料動辄千百萬，可是一般的研究大部分不需要全部的樣本，隻需要部分樣本即可。例如，隻要打開usaauto檔案中第5~10個樣本的資料，可以使用如下指令：
use "c:datausaauto.dta" in 5/10
in 5/10部分表示選取的樣本序号，即第5~10個樣本。
打開資料檔案中具有某些特征的樣本
還有種情形：原始資料将不同特征的樣本混雜在一起，而在研究中卻要求将不同的樣本分開，例如分别研究男性、女性的情況，城市、農村的經濟問題等。這時需要分别打開不同特征的樣本資料進行分析，如打開usaauto檔案中進口車樣本資料的指令如下：
use "c:datausaauto.dta" if foreign=1
if是條件指令參數，後面緊跟具體的條件，該指令執行的結果就是讓stata僅僅讀入符合條件的樣本資料。在本例中，foreign=1表示是進口車，是以打開的資料就是進口車的資料。
打開網絡資料
在stata官方網站或其他網站上會提供一些示例資料，如果你想使用這些資料而又沒有直接下載下傳到本地電腦上，stata也有專門的指令以供使用。例如nlswork是stata官方網站提供的有關美國年輕女性年齡工資等的資料，若想通過網絡直接打開，可以運作如下指令：
也可以打開由其他網站提供的資料檔案，将路徑修改成所需要的網址和資料名稱即可。
還有一條更為簡便的指令webuse nlswork，但是這個指令隻能擷取stata官方網站的資料。
資料的類型
stata常用的資料類型主要有三類：數值型、字元型和日期型，下面逐一進行介紹。
（1）數值型
數值型變量，主要由數字、正負号、小數點組成的資料，按其精度和存儲大小不同，又可分為5類，具體内容見表2.2。
其中double是所有變量當中所需存儲空間最大的一個，相應地其精度也最高。當使用者使用的時候，應根據變量的特征來設定變量類型。在stata中預設的數值型變量類型為float型。
（2）字元型
字元型變量，通常用來說明樣本的一些特征資訊，可以由字母、特殊符号和數字組成，但這裡的數字已經退化成一種符号，不再具有數值特征。字元型資料一般會被儲存為str#格式，str後面的數字代表最大字元長度，如str6表示可容納最大長度為6個字元的字元型變量。字元型變量一般用英文狀态下的引号""進行标注，且引号一般不被視為字元型變量的一部分。
（3）日期型
stata軟體中用來表示時間的變量有多種表達方式，例如1987年8月15日，可以寫為19870815，也可以寫為15081987等。在stata中将1960年1月1日看做分界線，為第0天，之前的天數都加上一個負号，例如1959年12月30日為第-2天。
資料的壓縮
如果資料類型的設定不恰當，會帶來一系列的麻煩，若類型設定過小會使得一些資料無法正常輸入，這一類問題較容易發現，反之類型設定過大，則會造成存儲空間的浪費。對于這一問題的避免可使用compress指令對資料進行壓縮。compress指令能在很大程度上減少資料占用的存儲空間，但不會改變資料的内容和精度，進而使用起來較為友善。資料壓縮的指令語句為：
compress [varlist]
其中varlist是将要壓縮的變量名稱，若不指明要壓縮的變量名稱，stata預設将對整個資料檔案進行相應的壓縮。
例如，我們生成一個樣本，變量的名稱為a，數值大小為1，使用stata預設的類型為float。指令如下：
在這組指令中，clear用于清空記憶體；set obs 1是指樣本容量設定為1（set obs是進行樣本容量設定的指令語句）；gen a=1表示生成一個變量的名稱為a，它的值為1；describe指令将用來描述變量的基本情況，上述指令執行後将顯示如圖2.2所示的執行結果。
從上圖中可以看到，這時候a的類型确實為float。為了壓縮變量a所占用的存儲空間，可使用如下指令：
執行結果如圖2.3所示，可以發現這時a的類型已經變成了byte。
有時候為了處理友善，需要實作不同資料類型的轉化，這樣可以極大地提高運用資料的效率。最常用的轉化指令有兩個：一個是destring——将字元型變量轉化成數值型變量，另一個是tostring——将數值型變量轉化成字元型變量。
将字元型變量轉化成數值型變量
字元型變量之間不能進行數值計算，是以如果對字元型變量進行數值計算，stata則會提醒出現系統錯誤，這時必須将字元型變量轉化成數值型變量。基本指令語句如下：
varlist是進行資料轉化的變量名稱，generate (newvarlist) | replace表示生成新的變量或者替換原來的變量，options是一些可選項，具體内容如表2.3所示。
例如，打開資料檔案water，使用describe指令可發現所有的資料類型均為字元型，如圖2.4所示。
如果想要進行計算，必須将所有資料轉化成數值型，具體指令如下：
第一條語句用于打開water資料檔案，第二條語句destring是進行資料轉化的指令語句，year、production、capital、labor是被轉化的變量名稱，replace表示用轉化後的資料替換原有資料。
這個指令執行完之後，再用describe指令進行檢視，可以得到如圖2.5所示的結果，顯示所有的字元型變量已經轉化成數值型變量了。
如果字元型變量中含有空格（如表2.4所示為date.dta資料檔案中的日期變量），若想轉化成如表2.5所示的格式，則可使用如下指令：
destring date表示對date變量進行轉化，replace表示替換原有資料，ignore("")表示轉化時忽略空格。注意，兩個引号之間必須有一個空格，否則不能正确執行。
如果字元型變量中包含特殊字元，如貨币機關“$”、“￥”或“%”符号，也不能實作順利轉化。例如在price.dta資料檔案中，price變量中包含美元符号“$”（如表2.6所示），若要實作到表2.7的轉化就屬于這一種情形。
實作這種轉化，不僅要消去“$”這一符号，還需要生成新的一列，具體指令如下：
其中，destring price表示對變量price進行轉化，gen(price_1)這一部分的含義就是生成一個新的變量用來存儲轉化後的資料，新的變量名稱為price_1，這不同于replace指令直接用新資料替換舊資料，ignore("$")即在轉化過程中忽略特殊符号“$”的影響。
将數值型變量轉化成字元型變量
其實這一部分的轉換是上面内容的一個逆運算，隻是指令語句不同——由destring轉變成了tostring，其他部分基本一緻，語句如下：
例如，将financevalue.dta資料檔案中的資料全部轉化成字元型變量，所使用到的指令語句為：
第一條指令語句用于打開資料檔案，第二條指令語句用于将所有的數值型變量全部轉化成了字元型變量，前後都使用describe指令描述一下，可以看到由圖2.6向圖2.7的轉化。