recode variable

recode mmpg (min/-1=-1) (0=0) (1/max=1),gen(nx)

update sas data set from iml

proc iml;
use mydata;
read all;
x = ones||age||male||lesshs||hsdip;
y = hwage;
bhat = inv(x`*x)*x`*y;
yhat = x*bhat;
varp = yhat#(1-yhat);
h= loc(varp<0);
edit mydata;
delete point h;
purge;
close mydata;

quit;

SAS: time dummy and sql select many suffix variables

/*create time dummy*/ yr={1995-2010}

data a (drop = i );
set b;
yr2  =  yr-1994;
array d{16} 3. yr1994 – yr2010;
do i = 1 to dim(d);
d(i) = (yr2=i);
end;
run;

proc sql;
create table outa as select *
where yr>2000
from mytable (keep=id var1-var10);
quit;

create v1-v23 variable

ARRAY GR {*} GR1-GR23;
DO I = 1 TO 23;
GR(I)=0;
END;
DROP I;

DEF OF WORK

sum(rate*pop) as   wpop	總人口
sum(rate*labor) as wlabor,	勞動人口(就業+失業)
sum(rate*id1) as wsd1,	就業人口
sum(rate*id2) as wsd2,	失業人口
sum(rate*id3) as wsd3,	不在就業市場但希望找工作
sum(rate*id4) as wsd4,	低度就業
wsd2/(wsd1+wsd2) as ump1,	一般失業率
(wsd2+wsd3)/(wsd1+wsd2+wsd3) as ump2,	含沮喪勞動的失業率
(wsd2+wsd3+wsd4)/(wsd1+wsd2+wsd3) as ump3,	含低度就業得失業率
wsd1/ wpop as empr1,	就業率，以人口為底
wsd1/wlabor as empr2,	一般就業率
wlabor/wpop as lfp,	勞參率

gis rank

美国地理信息系统硕士申请专题文章
一、申请导言：

地理信息系统一直是人类认识自然,改造自然的重要基础性的手段和技术方法体系。在原始社会，我们的祖先将当地的地形做成类似今天的河盘的模型，用来指导他们的狩猎，农业社会洪水泛滥后土地的再划分形成了地理信息系统雏形，工业社会则更把土地和不动产的精准管理交给了地理信息系统；现代管理信息社会中，地理信息系统作为信息产业的重要组成部分，也渗透到国家经济建设，国防建设，国防事业，任命生活的方方面面，成为不可或缺的专业。

二、申请指南：

1. 中国地理信息系统行业就业趋势：

目前来看，地理信息系统专业的毕业生可以在城市建设、国土规划、市政建设、土地勘测、测绘等单位找到适合自己发挥专业技能的空间，当然还有各类高技术公司。学生工作后主要从事运用计算机技术和信息技术开发各种信息系统的工作，具体内容则依据工作单位类型的不同，开发各种地理信息系统并进行维护，应该说，这是一知识密集型的工作，要求学生掌握充分体现区域地理综合特征的地图编制理论技术，具有地图测绘、计算机制图与地图印、制、绘等方面扎实的基本功。同时，由于地理信息系统是一个快速发展的学科，因此，还要求学生有不断吸收本学科新理论和新技术的能力。因此，只要认真完成在校学习和教学实践的训练，毕业生走入工作岗位是完全可以胜任的。

2. 美国地理信息系统行业就业趋势：

GIS 的入门要求低，但发展方向比较多， 提高的空间很大。

可以做GIS Application Development 。这类职位主要是要求具有GIS的基本概念和知识。同时具有电脑开发的背景。这类工作的特点是：具有程序开发职位的薪水，但没有那么大的电脑新知识和技能更新的压力。主要工作是根据需要，在一些GIS软件的基础上进行二次开发（面向对象的开发环境）。只需要跟进所涉及的二次开发的GIS软件的更新就可以了。

建立模型，数据分析与管理：这需要与自己的专业背景相结合，掌握GIS 技术，将这种数据处理与分析的工具更好地运用到自己的专业工作中去。大多数的移民朋友都具有非常优秀的专业知识和工作背景，如果再加上GIS的背景，就会帮助移民朋友更容易地找到专业工作，并且容易成为具有良好发展前景的高级专业人才。

数据生成，编辑，转换，集成与管理。 这只需要具有基本的GIS的知识背景，电脑的基本操作能力，经过培训就能胜任了。Toronto 有大量的数据处理公司，政府各部门也有大量的GIS数据需要处理与更新。 这种职位多，而且容易谋到。

一般具有电脑，建筑，土木，地质，地理，交通，测量，商业分析, 销售，统计，机械，城市设计与规划，遥感，测量，制图以及有AUTOCAD经验的移民朋友在经过本课程的培训之后，均能快捷地找到专业工作。GIS是信息产业的重要组成部分。它是多学科交叉发展的产物，并随着信息产业的发展，不断完善更新。因此，适合具有不同学科背景的移民朋友涉足。

就业方向：联邦，省，市，县等各级政府部门，如自然资源部，环境部，交通部等等；数据处理公司，测量公司，商业分析行业，如银行，保险公司，房地产公司，Wal-mart, Canadian -Tire, Soya Bean, McDonald, TTC实时交通控制与管理等。

2. 地理信息系统专业（Geographic Information System）可选择学校及部分项目介绍

一些地理系很牛的学校综合排名并不高，但是相当难进入。比如说UCSB圣巴巴拉，综合排名只有50多，但是地理系里的小哈佛，加上加州地理位置好，据说去年的申请系统由于人太多直接崩溃，今年也有大批牛牛们被灭，足可见其杀伤力。再比如UM马里兰，排名也不高，但是在地化和遥感领域的超高声誉，让这个学校对大牛们也是“秒杀”型的。再比如UC科罗拉多，地域和排名都不高，但是在地理，尤其是地质里很强，据地质的说排名100后的科罗拉多矿业大学由于行业声誉好，使其申请难度并不比top10的差。同样的AU系列，亚利桑那和其州立也是如此， 地质地理的强势也让这个学校年年爆满。

（1） Pennsylvania State University

PSU的GIS全美第一，人文地理也很强。他们系一般在国内也就一年招一个，而且主要还是GIS的，因为搞GIS的经费多。他们系做自然地理的主要偏重资源环境和气候变化的影响。而PSU的TA特别难拿。

（2）University of Wisconsin-Madison

这个学校的古气候学特别强，而且地理系的自然地理很不错。人文当然也很强拉，呵呵，大家应该都知道段义孚就在那。小本也只能申MS，不过申的人好像没 PSU多。顺便提一下，Deadline并不是很死的，Madison的deadline在12月1号，寄过去之后跟Chair打了个招呼解释一下原因就 OK了。

（3）University of Minnesota

地理系是很不错，但是对GT和GPA的要求特高，系网页上非常明显的写着需要至少一年的物理、化学和生物学课基础。

（4）Ohio State University

最吸引的地方就是它的Bord极地研究中心和冰芯研究，今年他们的大牛Lonnie G. Thompson刚拿到泰勒奖。Thompson现在也是中科院青藏所的学术副所长，一直跟姚檀栋所长有合作。地理系的中国学生虽然很多，但是绝大多数都是在美国Transfer过去的。因为他们系几乎不直接给中国学生TA，由于经费原因很少给RA，所以从大陆直接去OSU的一般都是拿 Fellowship。地科系去年有个师姐拿Fellow过去了就在Thompson那个冰芯小组，羡慕啊。另外，OSU有个好处就是有个很全的地理资料库。

arma(1,1) simulation

*Modelling ARMA(1,1)
*Z[t]=0,8Z[t-1]+a[t]-0.3a[t-1]
*simulation on Stata:

clear
drawnorm a, n(50) seed(500)
gen tempo = _n
tsset tempo
set matsize 800
gene z = 0
mkmat a z,matrix(Z)
forvalues i = 2(1)50 {
matrix Z[`i',2]=.8*Z[`i'-1,2]+Z[`i',1]-.3*Z[`i'-1,1]
}
svmat Z, name(series)
tsline series2

stata two axis way

clear
cd c:\data\
clear
set mem 100m
doe D:\Class\98_1\teacher\umpall\statagr.txt
insheet using umpall.csv,c clear
drop if sdata <1980
replace emp=emp*100
replace lfp=lfp*100
replace ump=ump*100
tsset sdata,y

set scheme s2color
#d;
tsline emp lfp,recast(line)
lp(solid longdash)|| tsline ump,recast(bar)
barw(.77) fc(green) lc(white) yaxis(2)
ysca(axis(1) r(70 100) )
ylabel(85(3)100, axis(1) grid angle(0))
ysca(axis(2) r(0 15))
ylabel(,axis(2) grid glp(dash) angle(0))
tlabel(1980(2)2008,
labsize(small) labels alt ) tmtick(##2)
ttitle(“”)
ytitle(” LFP & EMP (%)”)
ytitle(” UMP(%)”, axis(2) bexpand just(left))
legend(r(2) order(1 “Employment Rate”
2 “Labor Force Participation Rate” 3 “Unemployment Rate”)
region(lw(none)));

/*to clearly seperate 2 axis
axis(1) pull down r(down,any);
axis(2) push up r(any,up)*/

probit model

function bhat = myprobit(y,x)
[n,k] = size(x);
k=k+1;
x = [ones(n,1) x];
bv = x\y;

opt = optimset(‘Display’,'off’ ,’HessUpdate’,'bfgs’);
% opt.gradobj=’on’;
opt.Diagnostics=’on’;
% opt.GradObj = ‘on’;
% opt.LargeScale = ‘on’;
opt.TolFun = 1.0e-7;
opt.Jacobian=’on’;
% opt.MaxFunEvals = 1.0e5;
bhat = fsolve(@llprob,bv,opt,y,x);
%bhat = fminsearch(‘ll_prob’,bv,opt,y,mx);

function [ll g] = llprob(bv,y,x)
% Form the likelihood
[n,k]=size(x);
cdf = normcdf(x*bv);
pdf = normpdf(x*bv);
ll = -mean( y.*log(cdf)+(1-y).*log(1-cdf) );
if nargout>1;
for i=1:k
g(:,i) = y.*(pdf./cdf).*x(:,i) – …
(1-y).*(pdf./(1-cdf)).*x(:,i);
end
g= -mean(g,1);
end

RLS restricted least square in R and Stata

sysuse auto
save auto
constraint 1 price = weight
reg mpg price weight
cnsreg mpg price weight, constraints(1)

setwd(‘d:/data’)
require(foreign)
require(gregmisc)
auto=read.dta(‘auto.dta’)
with(auto,
summary(lm(mpg~price+weight)))
with(auto,
summary(lm(mpg~I(price+weight)))