README.md

In shohei-doi/transtataR: Interpreting Stata code in R

transtataR

StataユーザーのためのRパッケージです。

• 作成者：土井翔平
• 連絡先：[e-mail]

趣味の範囲内なので、それをご理解の上、ご利用して下さい。 開発者はStataユーザーではないので、バグや要望を報告していただけると幸いです。

インストール

{devtools}などを使ってGitHubからインストールをしてください。

devtools::install_github("shohei-doi/transtataR")

• {devtools}をインストールしていない人は、まずこちらからインストールしてください。

install.packages("devtools")

基本的な使い方

まずはパッケージを読み込みます。

library(transtataR)

stata2r()という関数にStataのコードを入れて実行できます。 現在、対応しているStataのコマンドは以下の通りです。

• ディレクトリ
  • pwd
  • cd
• データ入出力
  • use
  • save
  • insheet using
  • import excel
• データ確認
  • browse
  • list
  • sum
  • desc
• データ加工
  • rename
  • keep
  • drop
  • gen
  • replace
• 回帰分析
  • reg
  • logit
  • probit

具体例

例としてTableau PublicのSample DataからTitanic Passenger Listをダウンロードして、適当な場所に保存をします。

データの読み込み

このようにしてStataのコマンドuseでデータを読み込むことができます。

stata2r("insheet using 'data/titanic passenger list.csv'")

## 
## ── Column specification ────────────────────────────────────────────────────────
## cols(
##   pclass = col_double(),
##   survived = col_double(),
##   name = col_character(),
##   sex = col_character(),
##   age = col_double(),
##   sibsp = col_double(),
##   parch = col_double(),
##   ticket = col_character(),
##   fare = col_double(),
##   cabin = col_character(),
##   embarked = col_character(),
##   boat = col_character(),
##   body = col_double(),
##   home.dest = col_character()
## )

• 文字列はシングルクオート'で囲んでください。

データの閲覧

生データを見ます。

stata2r("browse")
stata2r("browse if age > 20")
stata2r("browse sex age")

生データの一部を見ます。

stata2r("list if age > 20")

## # A tibble: 6 x 14
##   pclass survived name       sex     age sibsp parch ticket  fare cabin embarked
##    <dbl>    <dbl> <chr>      <chr> <dbl> <dbl> <dbl> <chr>  <dbl> <chr> <chr>   
## 1      1        1 Allen, Mi… fema…    29     0     0 24160  211.  B5    S       
## 2      1        0 Allison, … male     30     1     2 113781 152.  C22 … S       
## 3      1        0 Allison, … fema…    25     1     2 113781 152.  C22 … S       
## 4      1        1 Anderson,… male     48     0     0 19952   26.6 E12   S       
## 5      1        1 Andrews, … fema…    63     1     0 13502   78.0 D7    S       
## 6      1        0 Andrews, … male     39     0     0 112050   0   A36   S       
## # … with 3 more variables: boat <chr>, body <dbl>, home.dest <chr>

stata2r("list sex age")

## # A tibble: 6 x 2
##   sex      age
##   <chr>  <dbl>
## 1 female 29   
## 2 male    0.92
## 3 female  2   
## 4 male   30   
## 5 female 25   
## 6 male   48

データの変数の型を確認します。

stata2r("desc")

## spec_tbl_df [1,309 × 14] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
##  $ pclass   : num [1:1309] 1 1 1 1 1 1 1 1 1 1 ...
##  $ survived : num [1:1309] 1 1 0 0 0 1 1 0 1 0 ...
##  $ name     : chr [1:1309] "Allen, Miss. Elisabeth Walton" "Allison, Master. Hudson Trevor" "Allison, Miss. Helen Loraine" "Allison, Mr. Hudson Joshua Creighton" ...
##  $ sex      : chr [1:1309] "female" "male" "female" "male" ...
##  $ age      : num [1:1309] 29 0.92 2 30 25 48 63 39 53 71 ...
##  $ sibsp    : num [1:1309] 0 1 1 1 1 0 1 0 2 0 ...
##  $ parch    : num [1:1309] 0 2 2 2 2 0 0 0 0 0 ...
##  $ ticket   : chr [1:1309] "24160" "113781" "113781" "113781" ...
##  $ fare     : num [1:1309] 211 152 152 152 152 ...
##  $ cabin    : chr [1:1309] "B5" "C22 C26" "C22 C26" "C22 C26" ...
##  $ embarked : chr [1:1309] "S" "S" "S" "S" ...
##  $ boat     : chr [1:1309] "2" "11" NA NA ...
##  $ body     : num [1:1309] NA NA NA 135 NA NA NA NA NA 22 ...
##  $ home.dest: chr [1:1309] "St Louis, MO" "Montreal, PQ / Chesterville, ON" "Montreal, PQ / Chesterville, ON" "Montreal, PQ / Chesterville, ON" ...

記述統計

記述統計を見ます。

stata2r("sum")

## ── Data Summary ────────────────────────
##                            Values
## Name                       dat   
## Number of rows             1309  
## Number of columns          14    
## _______________________          
## Column type frequency:           
##   character                7     
##   numeric                  7     
## ________________________         
## Group variables            None  
## 
## ── Variable type: character ────────────────────────────────────────────────────
##   skim_variable n_missing complete_rate   min   max empty n_unique whitespace
## 1 name                  0         1        12    82     0     1307          0
## 2 sex                   0         1         4     6     0        2          0
## 3 ticket                0         1         3    18     0      929          0
## 4 cabin              1014         0.225     1    15     0      186          0
## 5 embarked              2         0.998     1     1     0        3          0
## 6 boat                823         0.371     1     7     0       27          0
## 7 home.dest           564         0.569     5    50     0      369          0
## 
## ── Variable type: numeric ──────────────────────────────────────────────────────
##   skim_variable n_missing complete_rate    mean     sd    p0   p25   p50   p75
## 1 pclass                0        1        2.29   0.838  1     2      3     3  
## 2 survived              0        1        0.382  0.486  0     0      0     1  
## 3 age                 263        0.799   29.9   14.4    0.17 21     28    39  
## 4 sibsp                 0        1        0.499  1.04   0     0      0     1  
## 5 parch                 0        1        0.385  0.866  0     0      0     0  
## 6 fare                  1        0.999   33.3   51.8    0     7.90  14.5  31.3
## 7 body               1188        0.0924 161.    97.7    1    72    155   256  
##    p100 hist 
## 1    3  ▃▁▃▁▇
## 2    1  ▇▁▁▁▅
## 3   80  ▂▇▅▂▁
## 4    8  ▇▁▁▁▁
## 5    9  ▇▁▁▁▁
## 6  512. ▇▁▁▁▁
## 7  328  ▇▇▇▅▇

変数の作成、加工

変数を作ります（試しに、18歳以下の女性を表すfchildを作ります）。

stata2r("gen fchild = 0")
stata2r("replace fchild = 1 if age <= 18 & sex == 'female'")

• 欠損値の代入は現在のところ実数に対してのみ対応しています。

回帰分析

回帰分析を行います。

stata2r("reg survived c.sex age")

## Coefficitnes:
## # A tibble: 3 x 7
##   term                estimate std.error statistic  p.value conf.low conf.high
##   <chr>                  <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl>
## 1 (Intercept)         0.773     0.0331      23.3   2.80e-97  0.708     0.839  
## 2 as.factor(sex)male -0.546     0.0266     -20.5   6.68e-79 -0.598    -0.494  
## 3 age                -0.000729  0.000892    -0.817 4.14e- 1 -0.00248   0.00102
## 
## Model summaries:
## # A tibble: 1 x 12
##   r.squared adj.r.squared sigma statistic  p.value    df logLik   AIC   BIC
##       <dbl>         <dbl> <dbl>     <dbl>    <dbl> <dbl>  <dbl> <dbl> <dbl>
## 1     0.290         0.289 0.415      213. 2.91e-78     2  -562. 1132. 1152.
## # … with 3 more variables: deviance <dbl>, df.residual <int>, nobs <int>

stata2r("reg survived c.sex#age")

## Coefficitnes:
## # A tibble: 4 x 7
##   term                  estimate std.error statistic  p.value conf.low conf.high
##   <chr>                    <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl>
## 1 (Intercept)            0.638     0.0462      13.8  5.67e-40  0.547     0.728  
## 2 as.factor(sex)male    -0.321     0.0598      -5.38 9.35e- 8 -0.439    -0.204  
## 3 age                    0.00401   0.00144      2.79 5.34e- 3  0.00119   0.00682
## 4 as.factor(sex)male:a… -0.00764   0.00182     -4.19 3.01e- 5 -0.0112   -0.00406
## 
## Model summaries:
## # A tibble: 1 x 12
##   r.squared adj.r.squared sigma statistic  p.value    df logLik   AIC   BIC
##       <dbl>         <dbl> <dbl>     <dbl>    <dbl> <dbl>  <dbl> <dbl> <dbl>
## 1     0.302         0.300 0.412      150. 8.06e-81     3  -553. 1117. 1142.
## # … with 3 more variables: deviance <dbl>, df.residual <int>, nobs <int>

stata2r("logit survived c.sex age if age > 20")

## Coefficitnes:
## # A tibble: 3 x 7
##   term               estimate std.error statistic  p.value conf.low conf.high
##   <chr>                 <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl>
## 1 (Intercept)         1.24      0.192       6.43  1.25e-10   0.865    1.62   
## 2 as.factor(sex)male -2.46      0.152     -16.2   1.04e-58  -2.76    -2.17   
## 3 age                -0.00425   0.00521    -0.817 4.14e- 1  -0.0145   0.00592
## 
## Model summaries:
## # A tibble: 1 x 8
##   null.deviance df.null logLik   AIC   BIC deviance df.residual  nobs
##           <dbl>   <int>  <dbl> <dbl> <dbl>    <dbl>       <int> <int>
## 1         1415.    1045  -551. 1107. 1122.    1101.        1043  1046

stata2r("probit survived c.sex age if age <= 20")

## Coefficitnes:
## # A tibble: 3 x 7
##   term               estimate std.error statistic  p.value conf.low conf.high
##   <chr>                 <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl>
## 1 (Intercept)         0.756     0.112       6.78  1.22e-11  0.542     0.972  
## 2 as.factor(sex)male -1.50      0.0888    -16.9   4.13e-64 -1.68     -1.33   
## 3 age                -0.00259   0.00302    -0.859 3.91e- 1 -0.00848   0.00327
## 
## Model summaries:
## # A tibble: 1 x 8
##   null.deviance df.null logLik   AIC   BIC deviance df.residual  nobs
##           <dbl>   <int>  <dbl> <dbl> <dbl>    <dbl>       <int> <int>
## 1         1415.    1045  -551. 1107. 1122.    1101.        1043  1046

発展的な使い方

複数行の実行

stata2r()には複数のStataコードを入力することができます。

stata2r(
  "insheet using 'data/titanic passenger list.csv'",
  "list age sex",
  "reg survived c.sex age"
)

## 
## ── Column specification ────────────────────────────────────────────────────────
## cols(
##   pclass = col_double(),
##   survived = col_double(),
##   name = col_character(),
##   sex = col_character(),
##   age = col_double(),
##   sibsp = col_double(),
##   parch = col_double(),
##   ticket = col_character(),
##   fare = col_double(),
##   cabin = col_character(),
##   embarked = col_character(),
##   boat = col_character(),
##   body = col_double(),
##   home.dest = col_character()
## )

## # A tibble: 6 x 2
##     age sex   
##   <dbl> <chr> 
## 1 29    female
## 2  0.92 male  
## 3  2    female
## 4 30    male  
## 5 25    female
## 6 48    male  
## 
## Coefficitnes:
## # A tibble: 3 x 7
##   term                estimate std.error statistic  p.value conf.low conf.high
##   <chr>                  <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl>
## 1 (Intercept)         0.773     0.0331      23.3   2.80e-97  0.708     0.839  
## 2 as.factor(sex)male -0.546     0.0266     -20.5   6.68e-79 -0.598    -0.494  
## 3 age                -0.000729  0.000892    -0.817 4.14e- 1 -0.00248   0.00102
## 
## Model summaries:
## # A tibble: 1 x 12
##   r.squared adj.r.squared sigma statistic  p.value    df logLik   AIC   BIC
##       <dbl>         <dbl> <dbl>     <dbl>    <dbl> <dbl>  <dbl> <dbl> <dbl>
## 1     0.290         0.289 0.415      213. 2.91e-78     2  -562. 1132. 1152.
## # … with 3 more variables: deviance <dbl>, df.residual <int>, nobs <int>

Rコードの表示

オプションshow.codeをTRUEにするとコマンドを実行する代わりにRコードとパッケージを表示します。

stata2r("reg survived c.sex#age", show.code = TRUE)

## Stata code:
## reg survived c.sex#age
## 
## R code:
## model <- lm(survived ~ as.factor(sex)*age, data = dat)
## tidy(model, conf.int = TRUE)
## glance(model)
## 
## R packages:
## # A tibble: 2 x 2
##   package `function`
##   <chr>   <chr>     
## 1 broom   tidy      
## 2 broom   glance

stata2r(
  "insheet using 'data/titanic passenger list.csv'",
  "list age sex",
  "reg survived c.sex age",
  show.code = TRUE
)

## Stata code:
## insheet using 'data/titanic passenger list.csv'
## 
## R code:
## dat <- read_csv("data/titanic passenger list.csv")
## names(dat) <- str_replace_all(names(dat), " +", "_")
## 
## R packages:
## # A tibble: 2 x 2
##   package `function`     
##   <chr>   <chr>          
## 1 readr   read_csv       
## 2 stringr str_replace_all
## 
## Stata code:
## list age sex
## 
## R code:
## temp <- dat
## temp <- select(temp, age, sex)
## head(temp)
## 
## R packages:
## # A tibble: 1 x 2
##   package `function`
##   <chr>   <chr>     
## 1 dplyr   select    
## 
## Stata code:
## reg survived c.sex age
## 
## R code:
## model <- lm(survived ~ as.factor(sex) + age, data = dat)
## tidy(model, conf.int = TRUE)
## glance(model)
## 
## R packages:
## # A tibble: 2 x 2
##   package `function`
##   <chr>   <chr>     
## 1 broom   tidy      
## 2 broom   glance

doファイルの変換

関数transtataR()はdoファイルのパスを引数に取り、Rコードに翻訳します。 例えば、サンプルdoファイルをRコードにしてみます。

transtataR("code/sample.do")

• pathを特定しない場合、doファイルと同じディレクトリに同じ名前で保存します。

executeをTRUEにするとコードを変換する代わりに実行します。

transtataR("code/sample.do", execute = TRUE)

## 
## ── Column specification ────────────────────────────────────────────────────────
## cols(
##   pclass = col_double(),
##   survived = col_double(),
##   name = col_character(),
##   sex = col_character(),
##   age = col_double(),
##   sibsp = col_double(),
##   parch = col_double(),
##   ticket = col_character(),
##   fare = col_double(),
##   cabin = col_character(),
##   embarked = col_character(),
##   boat = col_character(),
##   body = col_double(),
##   home.dest = col_character()
## )

## # A tibble: 6 x 2
##     age sex   
##   <dbl> <chr> 
## 1    29 female
## 2    30 male  
## 3    25 female
## 4    48 male  
## 5    63 female
## 6    39 male  
## 
## Coefficitnes:
## # A tibble: 3 x 7
##   term                estimate std.error statistic  p.value conf.low conf.high
##   <chr>                  <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl>
## 1 (Intercept)         0.773     0.0331      23.3   2.80e-97  0.708     0.839  
## 2 as.factor(sex)male -0.546     0.0266     -20.5   6.68e-79 -0.598    -0.494  
## 3 age                -0.000729  0.000892    -0.817 4.14e- 1 -0.00248   0.00102
## 
## Model summaries:
## # A tibble: 1 x 12
##   r.squared adj.r.squared sigma statistic  p.value    df logLik   AIC   BIC
##       <dbl>         <dbl> <dbl>     <dbl>    <dbl> <dbl>  <dbl> <dbl> <dbl>
## 1     0.290         0.289 0.415      213. 2.91e-78     2  -562. 1132. 1152.
## # … with 3 more variables: deviance <dbl>, df.residual <int>, nobs <int>

開発環境

sessionInfo()

## R version 4.0.4 (2021-02-15)
## Platform: x86_64-pc-linux-gnu (64-bit)
## Running under: Ubuntu 20.04.2 LTS
## 
## Matrix products: default
## BLAS:   /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.9.0
## LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.9.0
## 
## locale:
##  [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
##  [3] LC_TIME=ja_JP.UTF-8        LC_COLLATE=en_US.UTF-8    
##  [5] LC_MONETARY=ja_JP.UTF-8    LC_MESSAGES=en_US.UTF-8   
##  [7] LC_PAPER=ja_JP.UTF-8       LC_NAME=C                 
##  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
## [11] LC_MEASUREMENT=ja_JP.UTF-8 LC_IDENTIFICATION=C       
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
## [1] transtataR_0.0.1
## 
## loaded via a namespace (and not attached):
##  [1] pillar_1.5.1      compiler_4.0.4    base64enc_0.1-3   tools_4.0.4      
##  [5] digest_0.6.27     jsonlite_1.7.2    evaluate_0.14     lifecycle_1.0.0  
##  [9] tibble_3.1.0      pkgconfig_2.0.3   rlang_0.4.10      cli_2.3.1        
## [13] DBI_1.1.1         rstudioapi_0.13   yaml_2.2.1        xfun_0.22        
## [17] repr_1.1.3        withr_2.4.1       stringr_1.4.0     dplyr_1.0.5      
## [21] knitr_1.31        generics_0.1.0    vctrs_0.3.6       hms_1.0.0        
## [25] tidyselect_1.1.0  glue_1.4.2        R6_2.5.0          fansi_0.4.2      
## [29] rmarkdown_2.7     readr_1.4.0       purrr_0.3.4       tidyr_1.1.3      
## [33] skimr_2.1.3       magrittr_2.0.1    MASS_7.3-53.1     backports_1.2.1  
## [37] ellipsis_0.3.1    htmltools_0.5.1.1 assertthat_0.2.1  utf8_1.2.1       
## [41] stringi_1.5.3     broom_0.7.5       crayon_1.4.1

shohei-doi/transtataR documentation built on March 22, 2021, 1:52 p.m.