Stata
https://www.stata.com/manuals13/u24.pdf
Stataは時間の扱いについては割と出来が悪いイメージがあったが、完全に自分の落ち度であった。上記リンクの二番目のドキュメントをしっかりと理解すれば、Stataの時間データは何も怖くない。
Stataのデータ形式
Stataで用いられるデータ形式は”21nov2006″という形になっている。時刻は”13:42:02:213″という形で、合わせると”21nov2006 13:42:02:213″になる。これを”11/21/2005″や”November 21, 2006″、時間を”1:42 p.m.”と表記することももちろん可能である。Stataは時刻を整数型として記録するので、最初の型が上記のいずれであっても、相互の変換が可能である。
Stataの時間データの開始年月は”01Jan1960″、つまり1960年の1月1日0時0分000秒になる。つまり、”01jan1960 00:00:00.000″である。これに整数0を当てている。整数1は”01jan1960 00:00:00.001″であり、整数-1は”31dec1959 23:59:59.999″となる。この論理でいくと、例えば”21nov2006″は整数1,479,735,722,213となる。ここで、うるう秒を無視している。うるう秒を考慮すると、23秒後の1,479,735,745,213という表記にある。Stataはどちらの方法でも動作する。
重要なことは、Stataは1960年の1月1日0時0分000秒を基準として、整数で日時を管理しているということである。なので、例えば午後2時というのは、午前0時を基準として14時間で、これをミリ秒(\(10^3\)秒)に直すと$$14\times 60\times 60\times 1000 = 50,400,000$$となる。この原理を理解しておけば、怖いことはない。例えば、
start_time end_time
21aug2021 21nov2022
22aug2021 22nov2022などという変数があったとき、引き算して
gen(erate) diff = end_time - start_timeを作ると大きい数字がでてきて一瞬思考が停止してしまう。これは、時間に直したかったら最初から
gen(erate) diff = (end_time - start_time)/3,600,000としておけば良い。
うるう秒を無視する時間と考慮する時間
うるう秒を無視する場合、%tc変数と呼び、うるう秒を考慮する場合は、Cを大文字にして%tC変数という。その他の%変数を以下の表に示す。
| フォーマット | 基準時間 | 単位 | コメント |
| %tc | 01jan1960 | ミリ秒 | うるう秒を無視する |
| %tC | 01jan1960 | ミリ秒 | うるう秒を考慮 |
| %td | 01jan1960 | 日 | カレンダー時間 |
| %tw | 1960-w1 | 週 | 52週目は7日以上になる |
| %tm | jan1960 | 月 | カレンダーの月時間 |
| %tq | 1960-q1 | 四半期 | 会計四半期 |
| %th | 1960-h1 | 半年 | 2四半期 |
| %ty | 0 A.D | 年 | 1960は1960年を意味する |
| %tb | – | 日 | ユーザー定義 |
時間データの入力
上記の表に対応して、以下のような入力を行う。
| フォーマット | 文字から数値への変換関数 |
| %tc | clock(string, mask) |
| %tC | clock(string, mask) |
| %td | date(string, mask) |
| %tw | weekly(string, mask) |
| %tm | monthly(string, mask) |
| %tq | quarterly(string, mask) |
| %th | halfyearly(string, mask) |
| %ty | yearly(string, mask) |
関数の詳細については下記の関連リンク参照。上記で、”string“は文字列で、”mask“というのは日や時間のデータの順序を指定する。例えば、%tdのmaskとしては”M”, “D”, “Y”がある。
date(string, "DMY")上のように”DMY”とすると、「日、月、年」の順で文字列を指定したことになる。つまり、”21nov2006″, “”21 November 2006”, “21-11-2006″あるいは”21111206″のような文字列を時間データとして読み取れる。同様に、
date(string, "MDY")は”November 21, 2006″, “11/21/2006”, “11212006”といった形式の文字列を時間データとして読み取る。
date(string, "MD19Y")年が2桁の場合、上のように”Y”の前に19や20をつける。こうすると”Feb. 15 ’98”, “2/15/98”, “21598”なども読み取れる。こちらも詳細については下記の関連リンクを参照。
具体例
ここではいくつか具体的な用法が例示されている。一つを実際に行ってみる。
use http://www.stata-press.com/data/r13/datexmpl2, replace以下のようなデータセットをimportする。
変数”timestamp”はよくありそうであるが、このままでは時間データとして扱いにくい。そこで”clock”関数の登場である。clock関数のmaskでは”D”, “M”, “Y”の他”h”, “m”, “s”も用いられる。これらは順に「日」、「月」、「年」、「時間」、「分」、「秒」を表す。clock関数を理解するため、次の変数を作る。ちなみに、” “のスペースは必要。
gen str ts = substr(timestamp, 5, 15) + " " + substr(timestamp, 25, 4)
list ts次のような変数”ts”が生成される。なお、substrは以下のような使い方で、
substr(var, a, b)変数”var”のa文字目からb文字をとる、という意味になる。
この変数はまだ文字型なので、clock関数で時間データに変換する。
gen double dt = clock(ts, "MD hms Y")Stataの時間データは比較的大きい整数になるので、doubleを指定しておく。dtはまだ時間データではなく、以下のような（大きい）整数である。
これをformatして、%tcデータにする。
format dt %tc
これは時間データで人間が見やすいが、数値として扱うことも可能で、以下の例がわかりやすい。
sort dt
gen hours = hours(dt-df[_n-1])
format hours %9.2fまずdtをsortしておいてから、前の項との差を作っている。差を作っているので、初項は欠損値になる。
最後のformatは桁の調整である。
関連記事
関連リンク
上記の基本を抑えておけば、Stataの時間データについてはかなりの応用が効くと思う。より詳細については、以下のドキュメントも参照。
コメント