<!-- markdown css tag --><div class="pinggu_markdown">
<div class="pinggu_markdown__html"><h1 id="stata绘图（一）--按个体绘制变量的时间变化图">Stata绘图（一） | 按个体绘制变量的时间变化图</h1>
<blockquote>
<p>作者：Mark D. Chatfield 来源：《The Stata Journal》Vol. 18 No.3 改编者：石器时代的大菠萝</p>
</blockquote>
<p>摘要：在研究时间序列与面板数据时，把随时间变化的每个个体数据绘制成图表（在单独的一张图中）可能是一种有价值的方法。这尤其适用于多个变量是随时间变化的数据，以及可能存在多个时间点的数据，例如，临床试验中的管理数据和患者安全概况。仔细研究几个人的图可以了解数据的性质和质量、生成假设并为数据分析提供依据。 选择一些典型的或少见的图可以提高presentation的效果。本文举例说明了每个个体随时间变化的一个变量和多个变量，并详细介绍了相关的Stata编码技巧和窍门。</p>
<h2 id="介绍">介绍</h2>
<p>在进行任何分析之前，一个好的统计原则是熟悉并研究一个新的数据集。绘制原始数据的图形可能是研究数据的一种有用方法。它可以帮助你和你的研究团队更好地理解数据。例如，它可以揭示数据的性质和质量(丢失的数据模式、异常值等)，并且它可以帮助您为分析选择适当的方向，避免浪费时间和受挫。<br>
Cox（2&#48;1&#48;)讨论了图表数据，强调了个体之间或群体之间的比较。在研究数据集时，将每个个体的数据随时间作图(用单独的图表示)可能是一种被忽视的方法。从本质上讲，这种方法强调的是个体之内的差异(within) ，而不是个体之间的差异(between)^①。研究少数人的图表可以加深您对数据的理解，并产生对数据提出哪些问题以及如何分析数据的想法。随着时间的推移，在包含多个个体的大量信息的数据集中，绘制原始数据的图形可能会很有挑战性。符号和线条可以相互叠加，这使得图形难以阅读。一种解决方案是为每个个体生成单独的图表。在少数人的信息很少（即只有一两个变量）的情况下，使用twoway的by()选项可以令人满意地实现这一点^②。代码中对如何在更一般的设置中生成和整理这些图给出注释。</p>
<p>改编者注：<br>
① within强调的是单个个体在不同时间点上的差异，而between强调的是多个个体之间的差异。<br>
② Mark（2&#48;18）提供了三种绘图方案，如感兴趣，可在stata界面输入“net sj 18-3”，找到相关命令进行下载。综合借鉴Mark（2&#48;18）的三种绘图方案，本帖提供一种简易的绘图方案。</p>
<h2 id="do命令">do命令</h2>
<p>获取附件：<a href="http://note.youdao.com/noteshare?id=eba2&#48;f28&#48;8b9a8e352c3286c515c7446">http://note.youdao.com/noteshare?id=eba2&#48;f28&#48;8b9a8e352c3286c515c7446</a><br>
请copy网址进浏览器，再打开；直接点击可能看不到分享。<br>
Markdown模式下，帖子无法插入附件以供下载，故以网盘链接的形式提供附件。这是一个有道云笔记的链接，内容允许帖主实时修改。<br>
推荐软件版本：Stata 15（未测试更低版本）</p>
<pre><code>***将绘图数据与本文件放置在同个文件夹内，打开do文件Editor，点击execute(do)，即菜单下最右边那个图标，不可逐行执行。
forvalues i=1/3 { //对idcode为1-3的个体进行绘图，其中idcode表示个体编码。
use 绘图数据,clear
keep if idcode==`i'
set scheme sj//有多种样式设定，具体请help scheme,例如彩图s2color。
set autotabgraphs on
xtset year
***第一条线：指标A；第二条线：指标B；第三条线：指标C
***由于本例中的指标A与指标B的数量级相近，故它们同时使用左纵轴，而指标C使用右纵轴。
twoway(scatter 指标A year , connect(l) sort ytitle("● 指标A（单位：）" "▲ 指标B（单位：）")xtitle("年份")///为左侧纵轴与横轴命名
yscale(range(&#48; 14&#48;)) ylabel(2&#48; 6&#48; 1&#48;&#48; 14&#48; "≥14&#48;", angle(horizontal)) ///考虑到例子中指标A的取值范围，因此这里ylabel设定为2&#48;-14&#48;，其中"≥14&#48;"是一个标签，其代替了前面的14&#48;。这个标签是好用的，因为有时轴上数字会被stata省略汇报，”&#48;.1”会被写作成“.1”，你可以将其做替换：&#48;.1 "&#48;.1" &#48;.3 "&#48;.3"
xlabel(2&#48;14 2&#48;15 2&#48;16 2&#48;17 2&#48;18 2&#48;19) ///x轴的范围是2&#48;14-2&#48;19。
xmtick(2&#48;14 2&#48;15 2&#48;16 2&#48;17 2&#48;18 2&#48;19, grid notick) xscale(range(2&#48;13.5 2&#48;19.5)) ///xscale里面的range要比2&#48;14-2&#48;19稍宽一些，但不要宽太多。
title("idcode `i'") graphregion(color(white)) name(g`id', replace)msymbol(circle) clpattern(solid)) ///每张图上方都有“idcode+数字”，以此为线索来看这是哪个个体。
///以上是第一条线的绘图。
(scatter 指标B year , connect(l) sortgraphregion(color(white))msymbol(triangle) clpattern(solid) ) ///
///以上是第二条线的绘图，因为指标B也使用左纵轴，故与第一条线共用许多设定。
(scatter 指标C year ,ytitle("□ 指标C（单位：）",axis(2)) yaxis(2) ///yaxis(2)表示启用右纵轴，默认为yaxis(1)启用左纵轴。
connect(l) sort ylabel(&#48;&#48;.2 "&#48;.2" &#48;.4 "&#48;.4" &#48;.6 "≥&#48;.6" , angle(horizontal) axis(2) ) ///
yscale(range(&#48; &#48;.8)) graphregion(color(white)) msymbol(Sh) clpattern(solid) )
****以上是第三条线的绘图，使用右侧纵轴。
graph save "figure idcode`i'.gph", replace //推荐保存为gph文件，允许进一步手工调整图片，然后再save成png格式。
}
</code></pre>
<h2 id="效果展示">效果展示</h2>
<p><img src="https://i.loli.net/2&#48;2&#48;/&#48;3/19/gL2OdA4DmzkBFtw.png" alt="graph1.png" width="666" height="466"></p>
<p>说明：上面这张图的title是<strong>idcode 1</strong>，后面的数字是个体编码idcode的具体取值，请以此为线索寻找图片对应的个体，并在gph文件中手工为图片修改title。<br>
<img src="https://i.loli.net/2&#48;2&#48;/&#48;3/19/IQDZ932mAVuzaFt.png" alt="2.png" width="7&#48;&#48;" height="3&#48;&#48;"><br>
在graph editor中，你可以尝试更多操作，例如调整字号、移动文字、打标签等操作，此处不详述。</p>
<ul>
<li>参考文献,<br>
[1]: Chatfield, Mark D. “Graphing each individual’s data over time.” The Stata Journal 18.3 (2&#48;18): 5&#48;3-516.（附件中已提供）</li>
</ul>
</div>
</div>