本文作者：陈志林，河南大学经济学院

本文编辑：魏若芙

技术总编：李婷婷

绘制直方图的命令是twoway histogram，是Stata中自带的命令。在绘制直方图时，变量的取值可以是离散型的，也可以是连续型的。对于离散型变量，twoway histogram直接给出每个离散值点的分布频数；对于连续型变量，则首先将样本按照取值分组，给出每个取值单元的频数。

histogram的语法结构为：

我们用Stata出厂自带的数据auto.dta来展示twoway histogram (twoway可以省略) 绘制离散变量分布直方图的具体用法。

auto数据共74个样本，变量rep78给出了样本汽车1978年的维修次数记录，其中有69个样本有维修记录，维修次数为1~5次。我们可以用histogram命令给出具体维修次数的分布直方图，最简单的histogram命令用法为：

此时，我们会得到一个如下所示的直方图：

可以看到，在缺失条件下，histogram给出的是变量rep78的核密度直方图，它首先把rep78当做一个连续型变量，利用核密度方法估计出从1到5之间每个点对应的核密度，然后这些阴影部分的面积为1。接着，我们加入addlabels选项，让每个直方图都标上相应的数值。

结果如下所示，在每个直条上方显示出了核密度值。

其实对于离散型变量rep78，利用核密度计算直方图本身是没有意义的，我们关心的是更加直观的频数分布图和频率分布图，这就需要我们在histogram命令中分别使用frequency和fraction选项，由于二者做法类似，我们这里只介绍frequency选项。

结果如下所示：

我们可以得到如下直方图：

我们接下来再介绍一下addlabopts选项，借助该选项可以改变标注在直方图上频数，频率，百分比等数值字体的大小，颜色，位置等。

• mlabstyle为设置总样式，一般有p1-p15种选项;

• mlabsize为设置数值字体的大小，可选的选项从小到大有minuscule、quarter_tiny、third_tiny、half_tiny、tiny、vsmall、small、medsmall、medium、medlarge、large、vlarge、huge、vhuge；

• mlabposition为设置数值放置的位置，有0-12可供选择，其中1-12分别对于时钟的12个点位，0则是在时钟的中心；

• mlabcolor 为设置数值的颜色；

• mlabangle设置数值的角度，比如0、45、90、180、horizontal（水平）、vertical（垂直）等。

我们用下面一个案例来展示一下这些画图选项的应用。绘制变量rep78的频数直方图，直条上显示频数、总样式设为p12、数值大小为large、位置在6点钟方向、字体颜色为blue,字体倾斜45°。

除此之外，我们也可以用lwidth( )对边框粗细进行设置，可以从没有边框(none)到细（thin），直到非常非常非常粗（vvvthick），可以选择为none、vvvthin、vvthin、vthin、thin、medthin、medium、medthick、thick、vthick、vvthick、vvvthick等选项。

而且，我们可以给每个绘制的图形给定一个标题和注释，用选项title( )和note( )实现，例如，绘制变量rep78的频数直方图，直条上显示频数值、边框色为blue、填充色为pink%50、边框粗细为vthick、标题为Title：This is the title、注释为：data source：Auto.dta，程序如下：

对于标题我们也可以进行一些设置，字号大小和颜色与上文类似，只需在title()选项里加上color和size即可。

其实，对于离散型的变量，我们应该加上discrete选项，定义离散数据，要求x的每个取值对应着一个直方条。

当然也可以像之前一样加上 addlabels、frequency 、fraction、color等选项加以修饰，由于篇幅问题，这里不再介绍。

此外，如果我们想看看rep78如何随着foreign（是否国产）变化，by选项可以得到对应foreign两个取值的直方图。其他选项和画单个直方图的一样。

得到的图形如下：

对于离散型变量直方图的绘制我们的介绍基本就到这里了，最后再提一下，我们可以将histogram命令绘制的图形用选项saving(filename)保存成filename.gph格式，也可以利用以下命令将其输出为png格式的文件：

histogram不仅可以给出离散型变量的统计分布，也能够给出连续型变量的分布,我们以Stata自带的citytemp.dta文件来说明这一问题。

假定我们想知道一月份平均气温tempjan在这956个样本中的分布情况，我们可以用如下的命令实现：

该命令首先对样本按照变量tempjan的取值分为k个等间距区间，缺省条件下:

其中N为样本容量，以citytemp数据为例，此时，k=30。因此，histogram tempjan将变量tempjan分为30个等距离的区间，并估计出每个区间上变量tempjan的分布核密度，输出结果如下图所示：

我们也可以自己设置这些等距离区间的数量，如设置为15个等距离区间，命令如下：

我们得到以下结果：

此外，也可在by选项中加入total，这样就能同时画出样本整体的“总”直方图。

histogram只能给出单一变量的统计分布，但是有时候，我们需要给出两个变量的分布，比如tempjan和tempjuly的分布，并进行比较，此时我们可以用twoway将两个histogram命令拼接在一起，直接比较两个变量的分布。我们继续用Stata自带的citytemp.dta展示这一功能。

通过以上的学习，我们已经知道绘制变量tempjan和tempjuly的分布的命令，接下来我们通过twoway将这两个结果合并在一起即可。我们执行以下程序：

得到结果如下：

对这个结果我们不是很满意，比如tempjan的分布为粉红色的直条，但是部分直条被蓝色的tempjuly的直条遮住了，我们无法看到tempjan的具体分布。基于此，我们可以将这些直条的颜色设置为透明状态。比如我们可以将pink改为pink%30，将blue改为blue%50,使得直条填充色变浅，从而实现直条透明的目的。

此外，我们也借助legend选项将第一个图例改为January，第二个图例改为为July；借助legend()选项中的子选项position()设置一下标签出现的位置；最后再为这幅图加一个title。

得到的图如下：

我们对于直方图的介绍就到这里了，虽然本文只介绍了histogram命令的部分选项，但基本满足大家平常画图的需求了，若您对画图系列感兴趣一定要继续关注我们哦！公众号接下来会发布一系列Stata绘图系列文章，为大家介绍更多Stata画图干货！

腾讯课堂课程二维码