Stata統計分析命令

《Stata統計分析命令》由會員分享，可在線閱讀，更多相關《Stata統計分析命令（12頁珍藏版）》請在裝配圖網上搜索。

1、Stata統計分析常用命令匯總 一、winsorize極端值處理 范圍：一般在1%和99%分位做極端值處理，對于小于1%的數用1%的值賦值，對于大于99%的數用99%的值賦值。 1、Stata中的單變量極端值處理： stata11.0,在命令窗口輸入5nditwinsor后，系統彈出一個窗口，安裝winsor模塊 安裝好模塊之后，就可以調用winsor命令，命令格式：winsorvar1,gen(newvar)p(0.01) 或者在命令窗口中輸入：sscinstallwinsor安裝winsor命令。winsor命令不能進行批量處 理。 2、批量進行winsorize極端值處理

2、： 打開鏈接：http:〃personal.anderson.ucla.edu/judson.caskey/data.html,找至UwinsorizeJ,點擊右鍵，另存為到stata中的ado/plus/目錄下即可。命令格式：winsorizeJvar1var2var3,suffix(w)即可，這樣會生成三個新變量，var1wvar2wvar3w,而且默認的是上下1%winsorize。如果 要修改分位點，則寫成如下格式：winsorizeJvar1var2var3,suffix(w)cuts(595)。 3、Excel中的極端值處理：(略)winsor2命令使用說明 簡介：wins

3、or2winsorizeortrim(iftrimoptionisspecified)thevariablesinvarlistatparticularpercentilesspecifiedbyoptioncuts(##).Indefult,newvariableswillbegeneratedwithasuffix"_w"or"_tr",whichcanbechangedbyspecifyingsuffix()option.Thereplaceoptionreplacesthevariableswiththeirwinsorizedortrimmedones. 相比于winsor命令的改

4、進： (1)可以批量處理多個變量； (2)不僅可以winsor,也可以trimming; (3)附力□了by()選項，可以分組winsor或trimming; (4)增加了replace選項，可以不必生成新變量，直接替換原變量。 范例： * -winsorat(p1p99),getnewvariable"wage_w" sysusenlsw88,clearwinsor2wage * -left-trimmingat2thpercentile winsor2wage,cuts(2100)trim * -winsorvariablesby(industrysouth),over

5、writetheoldvariables winsor2wagehours,replaceby(industrysouth) 使用方法： 1 .請將winsor2.ado和winsor2.sthlp放置于stata12\ado\base\w文件夾下; 2 .輸入helpwinsor2可以查看幫助文件； 、描述性統計 1、summarize 命令格式：su、sum或者summarize[varlist][if][in][weight][,options] 如果summarize或sum后不加任何變量，則默認對數據中的所有變量進行描述統計 options選項：detail表示產生

6、更加詳細的統計變量 Separator(n)表示每n個變量畫一條分界線，n=0表示禁止使用分界線 Summarize描述統計輸出表中包含：樣本容量、平均數、標準差、最小值和最大值 2、tabstat 命令格式：tabstat[varlist][if][in][weight][,options] options選項：stat(statname)表示設定所需要的統計量 col(stat)或3s)表示將結果報表轉置 統計量： mean:平均數count/n:觀測值數目sum：加總 max/min:最大值/最小值range:極差sd:標準差cv：變異系數 semean:平均標準誤差

7、skewness：偏度var:方差 kurtosis:峰度median/p50:中位數p#:#%百分位數 例如：tabstat[varlist],stat(countmeansdmedianminmaxrange)col(stat) 3、描述性統計結果輸出到word或Excel 用sum做的描述性統計：logout,save(miaoshutongji)wordreplace:sum 用tabstat做的描述性統計：logout,save(miaoshutongji)wordreplace:tabstat [varlist],stat(countmeansdmedianminmax

8、range)col(stat) 分組描述：bysortvar: 三、相關性分析 (一)相關性分析 1、Pearson相關系數命令格式：correlate(簡寫：cor或corr)[varlist][if][in][weight][,options] 2、spearman相關系數命令格式：spearman[varlist],stats(rhop) 3、在Stata中，命令corr用于計算一組變量間的協方差或相關系數矩陣； 4、命令pwcorr可用于計算一組變量中兩兩變量的相關系數，同時還可以對相關系數的顯著 性進行檢驗；option選項中加上sig可顯示顯著性水平：pwcorr[

9、varlist],sig 5、命令pcorr用于計算一組變量中兩兩變量的偏相關系數并進行顯著性檢驗。 6、Spearman和Pearson檢驗同在一個表的命令：corrtbl[varlist],corrvars([varlist]) 輸出結果中，上三角為Spearman相關系數和顯著水平，下三角為Pearson系數和顯著水平。 (二)輸出相關系數表到word或Excel中 例如：logout,save(mytable)wordreplace:pwcorr_apricempgrep78headroomtrunk,star1(0.01)star5(0.05)star10(0.1) 四、

10、截面數據單方程線性回歸模型的Stata實現 命令格式：regress（簡寫：reg）depvarindepvars[if][in][weigh][option]（depvar表示因變量，indepvars表示自變量） 五、異方差的檢驗與處理 1、檢驗異方差命令格式：hettest 2、判斷異方差的標準： .hertest Breusch-Pagan/cook-weisbergTestforheteroskeda.sticityHd:Constantvariancevariables:fittedvaluesofLpfms chi2(1)=0,55 Prob>chi2=0.458

11、4 看P值的大小來判斷，如果P值小于0.05,則不能排除異方差的可能，上圖中P值等于 0.4584>0.05,因此，可以排除異方差的可能性。 3、處理異方差命令格式：在reg命令后加上“，r”或者“，robust”即可。經異方差處理后的回歸不顯示調整后的R2(adj-R2),如果要查看調整后的R2,再輸入命令：die(r2_a) 六、多重共線性(自變量之間高度相關)命令格式：vif (一)判斷多重共線性的標準(兩個標準必須同時滿足)： 1、最大的vif大于10; 2、平均的vif大于1。 (二)多重共線性的修正 1、采用逐步回歸進行修正，命令格式：swregdepvarind

12、epvar,pr(0.05) 2、對于含二次項的，使用“對中”的方法，既可以保留二次項，又可以在一定程度上克服多重共線性的問題：先定義兩個變量，分別為該變量減去其均值和該變量的平方，命令如下: sumvar genvar1=var-r(mean) genvar2=varA2 再用新變量代替原來的變量進行回歸處理 七、內生性的檢驗與處理(內生性是指自變量與誤差項之間有關系) 1、內生性的檢驗：ovtest.ovtest RamseyRESETtestusingpowersofrhefirtedvaluesofLpfmsho:modelhasnoomittedvariables

13、FQ1379)=0.84 Prob>F=0.4717 看P值的大小來判斷，如果P值小于0.05,則不能排除內生性的可能，上圖中P值等于 0.4717>0.05,因此，可以排除內生性的可能。 2、內生性的處理：使用工具變量法：ivreg 內生性的三個來源：測量誤差、遺漏變量和雙向因果。 1、變量的內生性。 這個是沒有辦法單獨檢驗的。當有合適工具變量時候，是可以檢驗的，就是hausman檢驗 2、工具變量的外生性。 這個也是沒辦法檢驗的。當有很多工具變量時候，可以檢驗是否有不是外生的，就是“過度識別”問題 3、工具變量的相關性。 這個可以說成是“弱工具變量”問題，檢驗可以通過

14、一階段的F值。還可以利用PartialR2。 4、估計方法 stata里面有這么幾個2sls,2slssmal、liml、gmm,各自適用情況：small適合小木￥本；liml適合弱工具變量；gmm適合異方差。 【例子】 webusehsng2 *Fitaregressionvia2SLS,requestingsmall-samplestatistics ivregress2slsrentpcturban(hsngval=faminciregion),small *FitaregressionusingtheLIMLestimator ivregresslimlrentpctu

15、rban(hsngval=faminciregion) *FitaregressionviaGMMusingthedefaultheteroskedasticity-robustweightmatrix ivregressgmmrentpcturban(hsngval=faminciregion) *FitaregressionviaGMMusingaheteroskedasticity-robustweightmatrix,requestingnonrobust standarderrors ivregressgmmrentpcturban(hsngval=faminciregio

16、n),vce(unadjusted) *檢驗 可以查看第一階段F值，已經partialR2 查看是否過度識別查看是否異方差 regress2slsrentpcturbanhsngval eststorem1 ivregress2slsrentpcturban(hsngval=faminciregion) eststorem2 內生檢驗 八、線性方程組的回歸分析 命令格式：sureg(depvar1varlist1)(depvar2varlist2)??(depvarNvarlistN)[if][in][weigh] 九、聯立方程組 命令格式：reg3(depvar1va

17、rlist1)(depvar2varlist2)??(depvarNvarlistN)[if][in][weigh] 十、面板數據的固定效應和隨機效應 Xtset固定效應命令格式：xtregdepvarindepvars[if][in],fe[FE_options]隨機效應命令格式：xtregdepvarindepvars[if][in],re[FE_options]hausman檢驗固定效應還是隨機效應？ 【例子】 xtregyvarlvar2var3,fe eststorefextregyvarlvar2var3,reeststorere hausmanfere,sigmamo

18、re hausmanfere,sigmaless *sigmamore利用有效估計量方差，即re *sigmaless利用一致估計量方差，即fe Stata回歸結果的導由 1、在命令窗口中輸入：sscinstallesttab,安裝命令esttab 2、reg回歸 3、esttabusingfilename.rtf將以word形式輸出回歸結果，后綴改成.xls或者.csv則以Excel格式輸出，輸出內容為變量名稱和相應的回歸系數，t值，顯著性水平標識。系統默認顯著 性水平是0.001,0.01和0.05,若要改成0.01,0.05和0.1，則輸出esttabmlm2usinga

19、aa.rtf,star(*0.10**0.05***0.01)。 4、批量輸出回歸結果：每運行一個regression,存起來：eststorem1。m1是你要改的，第 一個model所以我叫m1,第二個的話指令就變成eststorem2,依次類推，最后運行指令： esttabm1m2...usingtest.rtf。 esttabm11111usingaaaaa.rtf,star(*0.10**0.05***0.01)b(%6.4f) 5、outreg2可以將回歸結果導入word、excle、latex等，而且可以根據自己需要改變格式： sscinstalloutreg2usea

20、uto,clear[varlist] eststorem1 outreg2[m1]usingtest.doc,replace 十二、合并樣本(將關鍵詞相同的多個樣本合并為一個) 命令格式：duplicatesdropvarlist,force例如將同一企業在同一天發生的多起并購合為一起，可根據證券代碼和公告日期關鍵詞，將 其合并，命令：duplicatesdropcompany_idevent_date,force 十三、均值t檢驗 命令格式：ttestCAR1==CAR2,unpaired 十四、中位數Z檢驗(非參數Wilcoxon秩和檢驗) 命令格式：ranksumvar

21、,by(groupvar) groupvar為分組變量 十五、檢驗兩組均值的顯著性差異，在t檢驗的后面數值上面加星號 可以用ttest命令執行檢驗，它會直接報告星號。 亦可采用外部命令meantab執行檢驗，自己根據t值大小標注星號。 helpmeantab//這個最好用 sysusenlsw88,clear meantabcollgradwagehoursttl_exptenure,///over(union)tstatdiffnoncells 另有一個李春濤老師編寫的命令，可以直接標注星號： finditttable〃多變量，兩組差異 十六、刪除有缺失值的樣本 ege

22、nmis=rowmiss(_all) dropifmis 條件語句：cond 例如：cond(missing(x),.,cond(x>2,50,70))returns.ifxismissing,returns50ifx>2,andreturns70ifx<2 十七、中心化處理與標準化處理 1、安裝命令：finditcenter 2、中心化： centervarlist(注：生成的新變量默認加前置"c_",可一次對多個變量進行處理) 或：centervar,g(newvar)(注：只能對一個變量進行中心化，并生成給定名稱的新變量) 3、標準化： centervarlist,p

23、refix(z_)standardize(注：生成的新變量加前置"z_",可多個，可更改) 十八、恢復數據命令 preserve(處理數據前使用該命令，否則沒有數據可恢復) dropvar1-var100(處理數據) restore(恢復數據) 十九、genicv產生交叉項 【問題】 有時候，想生成很多交叉項，但是又不愿意一個一個寫。 有時候，想看一個交叉項，但是又不愿意生成。 【方法】 genicv可以一鍵生成很多交叉項 ##可以直接表示交叉項。 【例子】 label sscinstallgenicvsysuseauto,cleargenicvlengthweig

24、htforeign〃會生成4個交叉項，所有可能情況，并且有regpricelengthweightlength_weight *如果不愿意生成，直接用 和上面回歸一樣一樣的 二十、用stata統計變量的個數，但是要去掉重復的部分 bysid:gn=_n countifn==1 二H^一、stata中的主成分分析法 1、首先，需要對變量進行哪些檢驗？KMO?還有什么？KMO檢驗結果符合什么條件才能繼 續進行主成分分析？ 答：首先使用KMO檢驗和SMC檢驗。 KMO的判斷為，UsingtheKaiser(1974)characterizationofKMOvalues, 0.

25、00to0.49unacceptable 0.50to0.59miserable 0.60to0.69mediocre 0.70to0.79middling 0.80to0.89meritorious 0.90to1.00marvelous SMC即一個變量與其他所有變量的復相關系數的平方，也就是復回歸方程的可決系數。SMC 比較高表明變量的線性關系越強，共性越強，主成分分析就越合適。 命令是 estatkmoestatsmc 確定是否需要進行主成分分析。如果有些KMO或者SMC值太小，則要考慮要不要將它們放 入主成分中。 然后進行主成分回歸。 使用命令為： pca

26、varlist(不清楚就helppca) 2、例如，對Y的5各指標執行了命令pcay1y2y3y4y5得出結果方差貢獻率(proportion) 就是權重嗎？ 答：不是。假如設定方差貢獻率為95%,那么，累積方差超過95%的那幾個特征值、所對 應的特征變量，就是權重。 3、看有的帖子上回復說，需要接著執行predicty1y2y3y4y5,score,這是為了得到每個指標的主成分得分嗎？為什么我執行了一下，只生成了一個y1,別y2、y3、y4、y5都沒生成呢 答：直接"predicty1-y4”就可以。生成的四個就是得分。 4、不知道你要問什么? 總之，主成分的步驟為 1、先

27、通過KMO檢驗和SMC檢驗確定是否需要主成分分析 2、進行主成分分析，通過累計貢獻率確定需要的哪幾個主成分 3、根據情況看是否需要rotate 4、通過predict進行得分?；蛘咄ㄟ^scoreplot看得分分布圖。 二十二、將一般的數據轉化為面板數據 原數據的形式（excel中）是：2008一張sheet,2009一張sheet。。。。。即: D F H Yit Kit Lit 1 2261 2246 23 2 30273 2764 16.5 3 2062354 178262 503 4 3179401 120180 770 5

28、 86802 3159 175.5 6 269530 41840 553 7 157476 7060 190 s| [293579 14520 78 9 1912 424 17 10 127737 5222 40 11 2790614 1347979 866.5 12 48629 2604 2S.5 13 761276 22567 319,5 14 125195 13356 69 然后改成這樣的數據形式是: A B C D E F G H I J 公司名稱 Ylt2008

29、YK2009 Ylt2010 Kit200B Kit2009 KH2010 Lit2008 Li12009 LitEOlO 1 2261 1860B.25 1105.425 2246 4986.598 4108.495 23 23 31 2 30273 40102.06 2764 5657.732 6843.398 16.5 11.5 20 3 2062354 2B92514 3033013 17S262 296305.6 332315.3 503 45S 場9 4 3179401 4225323

30、 6343626 120130 96017.53 305598.3 770 3B1.5 739 5 36802 563322,7 559918.1 3159 1819,58S 39254.86 175.5 14.5 134 6 269530 3549E9.7 36459.57 41840 43796191 U070.62 553 504.5 434 7 157476 290664.9 200974.4 7060 5902.062 35080.86 190 57 15E 8 293579 228195

31、.9 479237.5 14520 25136.08 43561.92 78 60 75.5 9 1912 4773.196 537*3593 424 778.3505 2010.235 17 10.5 IB 10 127737 113150,5 93694.98 5222 9156.701 10556.81 40 20 20 11 2790614 1(72324( 12161467 1347979 996400 1137663 866.5 2208.5 251E 12 49629 57061.86

32、 72251.79 2604 1S45.361 4833.163 2E+5 12.5 31,5 13 761276 1349075 1071894 22567 34651.55 125246.7 319.5 155 201 14 125195 114422.7 1S2454-5 13356 2S05.155 16806.55 69 3M5 79 15 442694 332010.3 395230.3 370B5 27**3 31381.47 469 403.5 327.5 粘貼在stata里就是這樣的形

33、式（注意：變量名字一定要改）：其中Y為因變量，可以是很多 個，X1、X2為自變量，也可以是很多個，stata中的變量名依次為：id、Y2008、Y2009、Y2010、 X12008、X12009、X12010、X22008、X22009、X22010 -id V20M YZ009 Y2Q10 XIZO^QB XIZOO^ X1ZQ10 X22Q0B X2Z0O9 XZ^OID 1 2261 1860B.2 1105.42 2246 49S6.6 4108.5 23 23 31 2 2 30273 40102,1 60248+7

34、”54 5657.73 6S43.4 16.S 11.5 20 3 3 2.9e+0G 3.0&±06 178262 332315 503 458 489 4 4 3.2C1-06 4d06 6.3&t06 1201BD ■eniT.g 305S99 770 M同1?S 733 5 5 皿中 57318 1819,5^ 175hS 134 6 6 269530 354990 36459.6 41840 4m7960 41070?6 553 504.5 434 7 7 157476

35、 2009741 7Q6Q 5903■06 35080.a 190 57 15S S S 293579 228196 47^237 14”。 2513€rl 435G1.9 78 60 75.5 9 今 1912 4773.2 537.359 424 77fl.351 2010.24 17 10.5 18 !□ 10 127737 113L&1 93695 5222 91S6+7 1DSS6.8 40 20 20 11 11 2.SetOG 1.1et07 1.2&+O7 l,3ErHJ6 996

36、400 1.比HIE B66.5 2208.5 2518 12 12 4莒片29 57061.甘 72251.8 2€04 1B45.16 4RMM.16 2S..5 12.S 31.S 13 13 76127& l^e+oe l,le+0G 工25甘 34^1.5 125247 319.5 201 14 14 12519-5 114423 182454 13356 28O5.1S 16B06.6 69 33.5 79 15 1S 44^04 332010- B95Z3D 370SS 27S43+3 3

37、12B1.S 469 403.S 327.S 16 16 2080 57e7,01 9501.54 2772 2352.5S 2790.17 20.5 14 19 17 17 S20 S42.26S ￡7號6,MN 九工外 1721.65 2713.41 23 N5 2& 在stata中輸入命令： reshapelongYX1X2,i(id)j(year)回車即可,變為: id 1 year 200S Y 2261 XI 2246 X2 23 1 a009 18608-2 498E.fi 23 1 20

38、10 1105,42 410B.5 mi 2 2008 30273 2764 16.5 2 2009 40102.1 5657.73 11.5 2 201D 60248.7 634M.4 20 3 200fi 2.le+06 17B262 503 3 2009 2.9C4-06 29CB8G 4&a 3 2010 3.0C+06 332315 489 4 2008 3.2e+06 120180 770 4 2009 4.2e+06 96?！?5 331.5 4 2010 6.3e+06 30S599

39、 739 5 200fi S6802 315a 17545 S 2009 56332S 1819.59 14.S 5 2010 559518 3925449 134 6 2008 265530 41840 553 G 2009 354990 43796.9 504.5 6 201D 3€459.6 41D70.6 434 7 200S 157476 7060 190 7 2009 290GGS S902.0G ￡7 7 2010 2OQ974 B508Q.9 158 二十三、關于數值型轉換為字符型的

40、問題 1、股票代碼導入STATA后都變成數值型，現想用tostring命令變回字符型，但長度小于6位的代碼，在 變回字符型后在前面補夠不足6位的0。 方法：formatvariable%06s 這只是在顯示上補充了0,沒有在值上補充。以下可以改變x的值： replacex=substr("000000"+x,-6,6) 2、將一個12位的數值轉換為字符，再從字符里提取前五個字符。轉成字符后以科學計數法顯示，提取前 五位數是提取的科學計數法的前五位，如將110102002016轉成字符后顯示為1.10e+11,提取時提的是 “1.10e而不是我想要的“11010” gy=sub

41、str(string(x,"%12.0f"),1,5)| 3、將字符型轉化為數值型命令為：destringvar,replace(轉換后替換原來的值) 若字符型中含其他符號并要生成新變量則用：destringvarlist,gen(newvarlist)ignore("￥%”) 二十四、分組 均分四組：sortvar xtileprop=var,nq(x)(括號中的x代表分成的group數) 例如： sortinsto_ma xtileprop=insto_ma,nq(4)//以insto_ma的四分位點分成四組 sortpropinsto_msd egenstdI=xti

42、le(insto_msd),by(prop)nq(4)〃按prop,以insto_msd的四分位點分成四組 二十五、估計殘差 做完回歸后，使用命令predicte,r 排列組合計算C；=3,C：=6：dicomb(3,2),dicomb(4,2) 取整： 1 .ceil(x),returnstheuniqueintegernsuchthatn-1

43、not".")ifxismissing,meaningthatfloor(.a)=.a 3.int(x),returnstheintegerobtainedbytruncatingxtoward0;thus,int(5.2)=5,int(-5.8)=-5, returnsx(not".")ifxismissing,meaningthatint(.O)rre.waytoobtaintheclosestintegertoxisint(x+sign(x)/2),whichsimplifiestoint(x+0.5)forx0.However,useoftheround()functionispr

44、eferred 任何兩種軟件之間的數據轉換，有一種方法是人擋殺人，佛擋殺佛。那就是： 先在A軟件里面將其另存為文本格式，然后在B軟件里面里面以文本文件導入，再保存為B 軟件的文件格式。文本格式，我一般習慣將其存為.csv格式，即變量數據間以逗號分隔，也 可以以制表符分隔或、空格分隔或是固定列寬。 伍德里奇《橫截面與面板數據的經濟計量分析》 卜面簡要地分享一下安裝步驟或過程（這里演示的是WIN7_32） 一、下載全部的安裝文件包"Stata_SE_12.1.rar然后解壓，再打開其中的文件夾 Stata12_Win,再以管理員身份運行"其中的Setup.exe。 二、選擇并點擊

45、next,再選擇并點擊“Iacceptthelicenseagreement再選擇并點擊“anyonewhousesthiscomputer或"O'nlyforme然后；就進入到以下界面，給你4個選擇：32-bitMP,32-bitSE,32-bitIC,32-bitSmall。這里，注意，請選擇32-bitSE（這里演示的是WIN7_32,若你的系統是64位的，則選擇64-bitSE）。 說明一下，STATA的最高級的版本是MP。SE的版本級別僅次于MP。MP與SE的唯一區別在于，前者designedforparallelprocessing,而后者沒有。言下之意，前者可以通過同時運行多處

46、理器或內核來加快運算速度，兩者在功能上完全沒有區別，只是在大數據處理 時，MP要占優。因此，我們通常的教學與科研使用，SE版本已經足夠。目前網上釋放出來 的破解的最高版本僅限于SE版，MP版未有破解。我想，如果你真的需要以MP版進行大數 據處理，那一定是相當高級別的用戶了，購買一個正版的MP版就一點都不過分了。 三、然后再次點擊“next："next’然后選擇點擊“UseEachUser'sDocumentsFolde同T"Use aFixedFolderforAllusers本人建議選擇后者，并在非系統分區中建議一個文件夾，比如， 我通常以C分區為系統盤，因此，我通常在D分區中建

47、立一個工作文件夾即D:\data）。繼 續next,next,則開始復制文件與安裝軟件，直到出現Finish,點擊它，就安裝完成了。 四、將crack文件夾中的文件“STATA.LIC復制到安裝文件夾中（通常為: C:\ProgramFiles\Stata12）。 五、運行STATA,在command中輸入“dbupdate并回車（注意，不能輸入"updateall命令，這是自動升級的命令，一方面自動升級通常很慢，另一方面，自動升級往往不成功），在隨后出現的"update（heckforofficialupdates對話框中，選擇"Fromalternative location點擊“browse找到本人提供的安裝文件中的文件夾“stata12update_win32（若你 是64位的系統，則為"stata12update_win64"），點擊確定"、"OK。 六、按提示，或點擊“installavailableupdate,或在command中輸入“updateall。" 七、升級完成后，會提示，這是一個SpecialEdition,點擊help中的“AboutStata則顯示版 本為“Stata/SE12.1forWindows（32-bit）”其最新的更新日期為2013年3月20日。享用。