京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Stata图形函数设置的小方法
大学的专业按照回复语气可以分为三种,第一种平淡无奇。小红:你什么专业?小明:土木工程。小红:哦!第二种惊为天人。小红
:你什么专业?小明:兽医。小红:WHAT?兽医?第三种强行大神,小红:你什么专业?小明:数学。小红:哇!大神。只有过来人才知道其实并不怎样(这些乃小编个人观点,求各路大神轻锤)。数学的魅力何在?在于一个一个数字,一个一个字母,一个一个函数。小编今天给大家带来的是什么呢?没错!就是人见人爱花见花开的函数(lnx,xa
,ex 等)在Stata图形上的设置。
一、上标与下标

看到此图标题的你是否与当初的我一样惊讶?我们知道,Stata结果输出窗口对输出的内容设定了固定的宽度和高度,所以无法输出上图中的函数形式。但是在输出的图形中,我们可以通过{superscript:###}和{subscript:###}这两个标签(前者表示上标,后者表示下标)去定义函数的上下标。
上图的程序如下:
twoway function y = 2*exp(-2*x), range(0 2) ///
title("{&function}(x)=2e{superscript:-2x}")
接下来我们再以lifeexp数据为例,绘制出人均国民生产总值与预期寿命的散点图。首先我们对gnppc(GNP per
capita)取底数为10的对数,生成一个新的变量loggnp,然后绘制loggnp与lep(Life expectancy at
birth)的散点图,具体程序如下:
sysuse lifeexp,clear
gen loggnp=log10(gnppc)
scatter lexp loggnp,xtitle(log{sub:10}(GNP/capita))
得到:

我们注意上图中的x轴的名称,它表示的意思即为取完对数之后的人均国民生产总值。
PS:{sub:###}与{sup:###}分别为{superscript:###}和{subscript:###}的简写。
二、希腊与数学符号
在输出的图形中我们还可以通过{&name}这个标签来定义各种希腊字母,“name”为它的名称,下面列举了部分常用的希腊字母与stata内置标签的对照表:

接下来,举个简单的绘制卡方分布密度函数的例子:
twoway function y = gammaden(1.5,2,0,x), range(0 10) title("{&chi}{sup:2}(3) distribution")
其中{&chi}表示卡方符号“χ”,{sup:2}表示设置“χ”的上标为2,(3)为卡方分布的自由度。
结果如下:

PS:想要了解更多的符号,可help graph_text来进行查找哦。
结合前一篇推文的内容,小编给大家总结了下表:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29