Autor: Silvio da Rosa Paula
Para maiores detalhes consulte:
[U] User's Guide (stata.com)
*Limpar o ambiente de variáveis
clear all
*Definindo a pasta de trabalho
cd "D:\OneDrive\"
Instalar pacotes
ssc install pacote
Repetir a instalação de um pacote
ssc install pacote, replace
*Abrir uma base de dados .dta
use "D:\base.dta", clear
Para utilizamos o stata como calculadora precisamos utilizar o comando display antes da operação.
display 9 + 9
display 9 - 9
display 9 * 9
display 9 / 9
display 9^2
display exp(9)
display log(9)
*Abrir somente algumas variáveis de um banco de dados
Obs: o Clear limpa o ambiente de variáveis
use var1 var2 using "D:\base.dta", clear
*Salvar uma base de dados no formato.dta
Obs: o replace substitui o base.dta se existir na pasta
save "D:\base.dta", replace
*Zipando bases e arquivos
zipfile Base.dta, saving(Base)
*Extrair zip (ele só irá extrair e não abrir carregar a base de dados)
unzipfile myfiles, replace
*Apagar um arquivo de uma pasta diretamente do stata
capture erase "D:\Base.dta"
capture erase "D:\Base.csv"
*Ver variáveis
browse
browse var1 var2
*Gerar uma variável
gen var
*Excluir uma variável
drop var
*Clonar uma variável
clonevar nova_var = var
*Converter todas as variáveis para numérico
destring, replace
*Remover notação ciêntifica
format %12.0f var_1
*Converter somente uma variável específica para numérico
destring var_string, generate(var_numeric)
*Converter todas as variáveis para numérico ignorando a virgula
destring, replace dpcomma
*Remover caracteres não numéricos
ssc install egenmore
egen Var_numeric = sieve(Var), keep(numeric)
*Destring e ignorar caracteres especiais
destring, replace ignore("*")
*Gerar variável em log
gen ln_var = ln(var)
*Converter ln para (exp) a variável volta para sua condição inicial
gen var = exp(ln_var)
*Renomear variável
ren nome_antigo nome_novo
*Gerar uma amostra somente com as variáveis selecionadas
keep var1 var2
*Adicionar (Label) rótulo nas variáveis
label var var1 "texto"
*Adicionar o valor ao label para facilitar a visualização
*Mostrar todas variável encodificadas
label dir
*Adionar o valor ao nome encodificado
numlabel `r(names)', add
*Remover todos labels
foreach v of varlist * {
label var `v' ""
}
foreach var of varlist _all {
label var `var' ""
}
*Tabular dados de uma variável
tab var
*Ordenar colunas
order var_1 var_2 var_3
*Ordenar variáveis
De forma crescente
sort var
gsort var
De forma decrescente
gsort -var
*Filtrar tabela de dados
Deixar somente se var = status
keep if var=="status"
Deixar somente se var = zero
keep if var==0
Excluir somente se var = status
drop if var=="status"
Excluir somente se var = zero
drop if var==0
*Concatenar duas variáveis e gerar uma terceira
egen var3 = concat(var1 var2)
*Foreach
Exemplo: loop para substituir missings por zero de três variáveis
foreach i in var1 var2 var3 {
replace `i'=0 if `i'==.
}
*Forvalue
Exemplo: gerar var_2000=2000; var_2001=2001 ... 2020
forvalues i = 2000(1) 2020{
gen var_`i' = `i'
}
*Remover espaços desnecessários
replace var_1=strtrim(var_1)
*Remover acentos
ssc install chartab
chartab Var_1, noascii
replace Var_1 = lower(ustrto(ustrnormalize(Var_1, "nfd"), "ascii", 2))
replace Var_1 = upper(ustrto(ustrnormalize(Var_1, "nfd"), "ascii", 2))
*Extrair um contexto de uma variável string
Exemplo: Suponha uma variável Ano= "02/09/2000 11:35:42", se quisermos pegar somente o Ano da string
forvalues i = 2000(1) 2020{
replace Ano = "`i'" if strpos(Ano, "`i'")
}
*Transformar letras minusculas em maiúsculas
gen var_minuscula = upper(var_maiuscula)
*Transformar letras maiúsculas em minúsculas
gen var_maiuscula = lower(var_minuscula)
Para mais informações assista o vídeo: ALB tutoriais científicos
A maioria dos softwares armazena datas numericamente ou seja, contando o número de dias a partir de uma data inicial predeterminada "por esse motivo evite de abrir arquivos com dadas históricas no Excel, pois ele vai substituir e você perderá as informações". O stata armazena datas como número de dias desde 01/01/1960, e armazena data hora como o número de milissegundos desde 01/01/1960 00:00:00:00.
Exemplos: se digitarmos na barra de comando diretamente uma data obtemos os valores numéricos das datas
display d(1/1/1960) // Teremos um retorno do valor = 0.
display d(1/1/1961) // Teremos um retorno do valor = 366
display d(1/1/1959) // Teremos um retorno do valor =-365
Calcular idade.
display d(18/08/2021) - d(30/1/1984) // idade em dias.
display (d(18/08/2021) - d(30/1/1984))/365.25 // idade em anos
Convertendo dadas para um padrão Dependendo a fonte de dados, as informações de data podem vir de diferentes formas por exemplo a data de 18 de Janeiro de 1960:
|18/01/1960| 18/1/1960 | 01.18.1960 | 18/1/60 | jan/18/1960 | 18/jan/1960 09:42 | 18/01/1960 09:42 |
Exemplo 1: Suponha que nossa variável de data tenha os seguinte layouts (todas tem os 4 dígitos do Ano) |18/01/1960 | 01.18.1960 | jan/18/1960 | 18/1/1960 |
Gerando uma variável de data do tipo (Numérica) a partir de outra variável com data
gen Data2 = date(Data, "DMY") // onde DMY = Dia; Mês; Ano
Convertendo a nova variável data numérica para um formato mais legível
format %dtDD/NN/CCYY Data2
Exemplo 2: Suponha que nossa variável de data tenha os seguinte layouts (Nem todas tem os 4 dígitos do Ano) |18/01/60 | 01.18.1960 |
Não podemos simplesmente utilizar o comando anterior pois no caso onde temos apenas 2 dígitos no ano, ele irá gerar missings, para contornar esse problema utilizaremos o comando split para separar os componentes da data.
Com split ele irá quebrar a variável cada vez que encontrar a contra barra
split Data, p(/)
Convertendo variáveis geradas em numéricas
destring Data1 Data2 Data3, replace
Agora podemos substituir a Data3 que contem o ano com apenas dois dígitos por 4 dígitos
replace Data3=2018 if Data3=18
replace Data3=1993 if Data3=9
Agora podemos unir as 3 variáveis data e formatar para o padrão brasileiro dmy
gen Data_ok = mdy(Data2 , Data1 , Data3)
format %dtDD/NN/CCYY Data_ok
Os mesmos comandos podem ser utilizados para resolver outros problemas.
*Obter as estatísticas descritivas de todas variáveis
summarize
*ou
sum
*Exportar descritivas para um arquivo word
Obs: Esse pacote pode ser utilizados para extrair outros resultados
ssc install asdoc
asdoc sum, replace title(Descritivas) save(D:\Descritivas.rtf) fs(10) dec(3) tzok , replace
Onde: fs(10) = tamanho da fonte;
.rtf é o formato que será salvo o arquivo, pode ser substituído por .doc dec(3) = 3 decimais;
tzok = replace = substitui a tabela se existir, pode ser substituído por append ou seja, adicionar a uma tabela já existente sempre mostrar a mesma quantidade de decimais e não elimina os zeros à direita Ver mais detalhes em:
Para mais detalhes veja:
asdoc : options and examples )
*Estatísticas descritivas de apenas uma variável
sum var1
*Matriz de correlação de todas variáveis
correlate
*ou
corr
*Matriz de correlação de apenas uma variável
corr var1
*Gerar heatmap de correlação
*ssc install heatplot, replace
*ssc install palettes, replace
*ssc install colrspace, replace
*ssc install gtools, replace
corr var1 var2 var3 var4
matrix corrmatrix = r(C)
heatplot corrmatrix, values(format(%4.2f) size(tiny)) xlabel(,labsize(vsmall) angle(45)) ylabel(,labsize(vsmall)) aspectratio(1) legend()
A presença de observações ausentes (missing values) tem o potencial de incorrer em endogeneidade, ocasionando vieses nos estimadores de máxima verossimilhança, por essa razão muitos modelos de econometria espacial não permitem missings.
O que fazer na presença de missings? Não existe uma resposta definitiva para essa pergunta, portanto, podemos adotar algumas medidas:
i- Substituir missings por zero: alguns pacotes no permitem substituir os valores ausentes por zero incluindo o comando "zero" no final da regressão.
ii- Interpolação: podemos interpolar e extrapolar os valores ausentes porém esse método resolve o problema de indivíduos que não possuem nenhuma observação no painel de dados.
iii- Imputação: podemos imputar dados diretamente no stata. A imputação nada mais é que uma previsão de dados. Isso pode ser feito por diferentes métodos e modelos de regressão como OLS, LOGIT etc.. é importante saber se os dados são estacionários ou raiz unitária para ter uma boa imputação de dados.
iv- Excluir: podemos excluir aqueles indivíduos que não temos nenhuma observação, porém é importante lembrar que é preciso excluir de todos os anos e também excluir da matriz de contiguidade se tiver trabalhando com dados espaciais. Ademais, é possível imputar dados por meio de métodos de Machine learning.
*O melhor package para visualizar missings é o mdesc
ssc install mdesc
*Visualizar missings de todas variáveis
mdesc
*Visualizar missings de apenas uma variável
mdesc var1
*Replace valores missings para zero
replace var=0 if var==.
*Recode valores missings para zero
recode var . = 0
*Replace valores missings para a média
Obs: também é possível usar o sum para obter a média e substituir deforma semelhante a feita para zero
egen mean_var = mean(var), by(id)
replace var=mean_var if var==.
*Replace valores missings para a mediana
egen median_var = median(var), by(id)
replace var=median_var if var==.
*Replace valores missings de um grupo de variáveis para a média
foreach var in var1 var2 var3{
egen mean_var = mean(`var'), by(id)
replace`var'=mean_var if `var'==.
drop mean_var
}
*Replace valores missings com interpolação e extrapolação
Obs: como escolher as variáveis para interpolação? geralmente é utilizada unidade de tempo, contudo se a correlação for baixa os valores imputados não serão bons, então neste caso é possível utilizar uma variável com maior correlação com a variável que apresenta missings. Para exemplo utilizaremos a variável Ano para imputar dados em var_1
*Interpolar e Extrapolar
by id, sort : ipolate var_1 Ano, generate(var_1_int) epolate
Onde:
id é o identificador da tabela
ipolateé o comando de interpolação
epolateé o comando de extrapolação
Plotar boxplot
graph box var
graph box ln_Horas_redes_sociais_Semana, mark(1,mlabel(id))
plotar histograma
histogram var, bin(20)
Usar package extremes para visualizar valores estremos
ssc install extremes
extremes var
extremes var, iqr(1.5)
Usar o summarize detail para ter uma visão mais geral da variável
sum var, detail
Método: Z-Score
Esse método envolve o cálculo do escore z das variáveis. Se qualquer um desses valores ficar fora de três desvios padrão da média (neste caso, essa média seria zero, pois o cálculo dos escores z envolve padronização), as observações correspondentes serão tratadas como um valor discrepante.
egen stdprice = std (var)
Usar package winsor2 para identificar e tratar outliers Este comando substitui os outliers por percentis
ssc instalar o winsor2
* Este comando substitui o outlier com os valores do 1º e 99º percentil
winsor2 var, replace cut(1 99)
* Este comando substitui o outlier com os valores do 5º e 95º percentil
winsor2 var, replace cut(5 95)
* Este comando elimina os outliers do 5º e 95º percentil
winsor2 var, replace cut(5 95) trim
*Gerar dummies a partir de uma variável categórica numérica ou string
tabulate var, generate (Dummie_var)
*Gerar dummies a partir de uma variável categórica numérica com replace e if
gen D_var = 0
replace D_var =1 if var_cat==1
*Gerar dummies a partir de uma variável categórica strings com replace e if
gen D_var = 0
replace D_var =1 if var=="palavra"
*Gerar uma variável dummy a partir de uma expressão dentro de variável do tipo string
Exemplo: suponha uma variável com descrição da altura de pessoas, e nós estamos interessados em gerar uma dummies para pessoas altas e baixas
gen D_Alto = "0"
replace D_Alto = "1" if strpos(Var_altura_pessoa, "Homem Alto")
destring D_Alto, generate(D_Alto_numeric)
gen D_Baixo = "0"
replace D_Baixo = "1" if strpos(Var_altura_pessoa, "Homem Baixo")
destring D_Baixo, generate(D_Baixo_numeric)
*Gerar uma dummy a partir de uma variável de data
gen D_4_novembro_2018 = 0
replace D_ datax _1 = 1 if DATA == date("04nov2018", "DMY")
Para mais informações consulte Stata: Merge, Append, Join
A união de tabela de dados no stata não foge a regra dos demais softwares, R, Python, SQL. Podemos unir tabelas da verticalmente, por exemplo, quando temos vários períodos de tempo em tabelas diferentes (cabe destacar que os nomes das colunas devem ser os mesmos) e queremos empilhar, para tanto utilizamos o comando append e a união horizontal quando utilizamos os comandos merge ou joinby.
| União | Representação no Stata |
|---|---|
| um-para-um | (1:1) |
| um-para-muitos | (1:m) |
| muitos-para-um | (m:1) |
| muitos-para-muitos | (m:m) |
Append (união vertical)
Obs: a base de dados que será feito o append deve ser preparada de antemão com os mesmos nomes das colunas e salva em .dta
append using "D:\base.dta"
Merge um-para-um:
se a variável de identificação que aparece nos arquivos for única em ambos os arquivos, então é uma correspondência um a um. Único significa que para cada valor dessa variável, há apenas uma observação que a contém. Na figura abaixo, o país é a variável identificadora. Em ambos os conjuntos de dados, cada país tem apenas uma observação.
merge 1:1 id Ano using "D:\Base_2.dta"
Merge um-para-muitos:
se a variável de identificação for única em um arquivo, mas não única no outro, então é uma correspondência um-para-muitos. Isso é muito comum quando você tem grupos de observações em um arquivo (o arquivo com a variável de identificação que não é única) e informações sobre cada grupo em outro arquivo (o outro arquivo). A figura a seguir o deixará mais claro:
merge 1:m id Ano using "D:\Base_2.dta"
Merge muitos-para-muitos:
isso é muito raro. Isso também é problemático, uma vez que não existe uma regra inequívoca para a atribuição de valores de observações em um arquivo para observações no outro arquivo. Não vou elaborar muito sobre essa correspondência.
merge m:m id Ano using "D:\Base_2.dta"
Diferenças entre Merge muitos-para-muitos e Joinby A questão é como combinar os valores de um conjunto de dados com o outro. Acho que a melhor maneira de explicar a diferença entre os comandos é graficamente:
Agora você pode entender o significado da frase que descreve o comando joinby na referência de ajuda: "Forme todas as combinações de pares dentro de grupos".
Às vezes, temos dados que precisam ser collapsados na média, total, min, max, etc, para serem úteis. Por exemplo, você pode pode ter dados semanais, mas deseja dados mensais, ou ter dados por municípios mas queremos dados por estados etc. Nestes casos recorremos ao comando collapse.
Obs: se o objetivo é a contagem de dados, lembre-se que zero também serão contados como observações. Portando, para o exemplo abaixo a variável dummy de faltas (D_faltas) o zero foi substituído por missings com seguinte comando:
replace D_faltas=. if D_faltas==0. Cabe destacar que o objetivo aqui é agregar microdados em dados em nível municipais por ano.
collapse ///
(mean) Media_idade = idade ///
(count) Qtd_faltas = D_faltas ///
(sum) Total_inscritos = Inscritos ///
(percent) Per_homens = D_homens ///
,by(id Ano)
Quando desejamos trabalhar com painel de dados, devemos declara para o stata nossa intenção
Exemplo: declarar que estamos trabalhando com um painel de dados por ano
xtset id Ano, yearly
*Se nosso painel de dados tem alguns ids faltantes ou períodos faltantes e queremos completa-los com missings utilizamos
tsfill, full
Global é um objeto semelhante a uma lista de variáveis. Normalmente utilizamos globais quando queremos chamar um conjunto de variáveis para executar uma tarefa. Exemplo: suponha que você tenha 30 variáveis explicativas em uma regressão, para não ter que colocar o nome das 30 variáveis dentro do comando basta criar uma global e chamar a global no lugar das variáveis explicativas
global var_global var1 var2 var3 var4 var5... var30
Exemplo de regressão com global:
reg y $var_global
Gráficos para explorar variáveis contínuas
Histogramas, diagramas de densidade e boxplots, criados por histograma , kdensity e boxplot respectivamente, ilustram a distribuição das variáveis.
Histograma
histogram var1, normal
histogram var1, normal start(30) width(5)
Gráfico de densidade
kdensity var1, normal
kdensity var1, normal width(5)
boxplot
graph box var1
graph box write, over(grupo)
Gráfico de dispersão
twoway (scatter var1 var2)
Gráficos para explorar variáveis contínuas por grupos
O comando tabstat pode calcular estatísticas descritivas dentro de grupos.
tabstat var, by (id) stat (n meam sd)
tabstat var, by(prgtype) stat(n mean sd p25 p50 p75)
Veja mais exemplos de gráficos e seus respectivos comandos
Visual overview for creating graphs (stata.com)
Graphics | Stata
Veja mais detalhes da AED Stata Guide: Exploratory Data Analysis (mwn.de) Stata Class Notes: Exploring Data (ucla.edu)
egen id = group(var)
set seed 123
gen newaleat =runiform()
set seed 123
gen newaleat =runiform()
sort newaleat
sort id Ano
by id Ano: var_sum = sum(var) // Soma
by id Ano: var_min = min(var) // Minímo
by id Ano: var_mean = mean(var) // Média
by id Ano: var_max = max(var) // Máximo
by id Ano: var_count = count(var) // Contagem
Exemplo: Suponha que você possui uma variável com essa estrutura data_hora ="02/09/2000" e queremos gerar dummies e uma variável categórica de estações do ano.
Datas de inicio e fim das estações do ano
- Primavera: 1 setembro até 30 novembro (9 - 11)
- Verão: 1 dezembro até 28 fevereiro (12 - 2)
- Outono: 1 março até 31 maio (3 - 5)
- Inverno: 1 junho até 31 agosto (6 - 8)
Gerar dummy de Primavera
clonevar Primavera = data_hora
replace Primavera = "1" if strpos(Primavera, "/09/")
replace Primavera = "1" if strpos(Primavera, "/10/")
replace Primavera = "1" if strpos(Primavera, "/11/")
replace Primavera = "0" if strpos(Primavera, ":")
destring Primavera, generate(d_primavera)
drop Primavera
Gerar dummy de Verão
clonevar Verão = data_hora
replace Verão = "1" if strpos(Verão, "/12/")
replace Verão = "1" if strpos(Verão, "/01/")
replace Verão = "1" if strpos(Verão, "/02/")
replace Verão = "0" if strpos(Verão, ":")
destring Verão, generate(d_verão)
drop Verão
Gerar dummy de Outono
clonevar Outono = data_hora
replace Outono = "1" if strpos(Outono, "/03/")
replace Outono = "1" if strpos(Outono, "/04/")
replace Outono = "1" if strpos(Outono, "/05/")
replace Outono = "0" if strpos(Outono, ":")
destring Outono, generate(d_outono)
drop Outono
Gerar dummy de Inverno
clonevar Inverno = data_hora
replace Inverno = "1" if strpos(Inverno, "/06/")
replace Inverno = "1" if strpos(Inverno, "/07/")
replace Inverno = "1" if strpos(Inverno, "/08/")
replace Inverno = "0" if strpos(Inverno, ":")
destring Inverno, generate(d_inverno)
drop Inverno
Verificar sobreposição
tab d_primavera if (d_verão==1 | d_outono==1 | d_inverno==1)
tab d_verão if (d_primavera==1 | d_outono==1 | d_inverno==1)
tab d_outono if (d_primavera==1 | d_verão==1 | d_inverno==1)
tab d_inverno if (d_primavera==1 | d_verão==1 | d_outono==1)
Gerar variável categórica de estações
gen Estacoes = ""
replace Estacoes = "Verao" if d_verão ==1
replace Estacoes = "Outono" if d_outono ==1
replace Estacoes = "Inverno" if d_inverno ==1
replace Estacoes = "Primavera" if d_primavera ==1
Exemplo: Suponha que você possui uma variável com essa estrutura data_hora ="02/09/2000 11:35:42"
Turnos do dia
- Matutino ou Manhã: 6:00 às 11:59
- Vespertino ou Tarde: 12:00 às 17:59
- Noturno ou Noite: 18:00 às 23:59* Madrugada: 00:00 às 05:59
- Primeiro deixar somente as horas
Manhã
clonevar turno_manhã = horas
replace turno_manhã = "1" if strpos(data_hora, "06")
replace turno_manhã = "1" if strpos(data_hora, "07")
replace turno_manhã = "1" if strpos(data_hora, "08")
replace turno_manhã = "1" if strpos(data_hora, "09")
replace turno_manhã = "1" if strpos(hodata_horaras, "10")
replace turno_manhã = "1" if strpos(data_hora, "11")
replace turno_manhã = "0" if turno_manhã != "1"
destring turno_manhã, generate(d_manhã)
drop turno_manhã
Tarde
clonevar turno_tarde = horas
replace turno_tarde = "1" if strpos(data_hora, "12")
replace turno_tarde = "1" if strpos(data_hora, "13")
replace turno_tarde = "1" if strpos(data_hora, "14")
replace turno_tarde = "1" if strpos(data_hora, "15")
replace turno_tarde = "1" if strpos(data_hora, "16")
replace turno_tarde = "1" if strpos(data_hora, "17")
replace turno_tarde = "0" if turno_tarde != "1"
destring turno_tarde, generate(d_tarde)
drop turno_tarde
Noite
clonevar turno_Noite = horas
replace turno_Noite = "1" if strpos(data_hora, "18")
replace turno_Noite = "1" if strpos(data_hora, "19")
replace turno_Noite = "1" if strpos(data_hora, "20")
replace turno_Noite = "1" if strpos(data_hora, "21")
replace turno_Noite = "1" if strpos(data_hora, "22")
replace turno_Noite = "1" if strpos(data_hora, "23")
replace turno_Noite = "0" if turno_Noite != "1"
destring turno_Noite, generate(d_noite)
drop turno_Noite
Madrugada
clonevar turno_madrugada = horas
replace turno_madrugada = "1" if strpos(data_hora, "00")
replace turno_madrugada = "1" if strpos(data_hora, "01")
replace turno_madrugada = "1" if strpos(data_hora, "02")
replace turno_madrugada = "1" if strpos(data_hora, "03")
replace turno_madrugada = "1" if strpos(data_hora, "04")
replace turno_madrugada = "1" if strpos(data_hora, "05")
replace turno_madrugada = "0" if turno_madrugada != "1"
destring turno_madrugada, generate(d_madrugada)
drop turno_madrugada
Verificar sobreposição
tab d_manhã if (d_tarde==1 | d_noite==1 | d_madrugada==1)
tab d_tarde if (d_manhã==1 | d_noite==1 | d_madrugada==1)
tab d_noite if (d_tarde==1 | d_manhã==1 | d_madrugada==1)
tab d_madrugada if (d_tarde==1 | d_noite==1 | d_manhã==1)
destring data_hora, generate(Horas)
drop horas
sort id Ano
quietly by id Ano: gen dup = cond(_N==1,0,_n)
tab dup
Onde: dup = 0 gravação é única dup = 1 gravação é duplicada, primeira ocorrência dup = 2 gravação é duplicada, segunda ocorrência dup = 3 gravação é duplicada, terceira ocorrência etc... Excluindo os repetidos
keep if dup==0
gen obs=_n
bysort obs: egen contagem=count(id)
tab contagem Ano
set seed 123
bys coortes : gen rnd = uniform()
bys coortes (rnd) : keep if _n == 1
ssc install psmatch2
Sem pesos*
asdoc pstest var1 var2 var3, raw treat(D_Tratamento), replace title(T-test sem pesos') ///
save(Balanço_covariadas.rtf) fs(10) dec(3) tzok
Com pesos
asdoc pstest var1 var2 var3, treat(D_Tratamento) mw(Pesos), append title(T-test com pesos') ///
save(Balanço_covariadas.rtf) fs(10) dec(3) tzok
User's Guide (stata.com)
ALB tutoriais científicos
asdoc : options and examples )
Stata: Merge, Append, Join
Visual overview for creating graphs (stata.com)
Graphics | Stata
Stata Guide: Exploratory Data Analysis (mwn.de)
Stata Class Notes: Exploring Data (ucla.edu)
How to Identify and Treat Outliers in Stata