Stata软件基本操作和大数据分析报告入门

Stata软件基本操作和数据分析入门

第一讲 Stata操作入门

张文彤赵耐青

第一节概况

Stata最初由美国计算机资源中心（Computer Resource Center）研制，现在为Stata公司的产品，其最新版本为7.0版。它操作灵活、简单、易学易用，是一个非常有特色的统计分析软件，现在已越来越受到人们的重视和欢迎，并且和SAS、SPSS一起，被称为新的三大权威统计软件。

Stata最为突出的特点是短小精悍、功能强大，其最新的7.0版整个系统只有10M左右，但已经包含了全部的统计分析、数据管理和绘图等功能，尤其是他的统计分析功能极为全面，比起1G以上大小的SAS系统也毫不逊色。另外，由于Stata在分析时是将数据全部读入内存，在计算全部完成后才和磁盘交换数据，因此运算速度极快。

由于Stata的用户群始终定位于专业统计分析人员，因此他的操作方式也别具一格，在Windows席卷天下的时代，他一直坚持使用命令行／程序操作方式，拒不推出菜单操作系统。但是，Stata的命令语句极为简洁明快，而且在统计分析命令的设置上又非常有条理，它将相同类型的统计模型均归在同一个命令族下，而不同命令族又可以使用相同功能的选项，这使得用户学习时极易上手。更为令人叹服的是，Stata语句在简洁的同时又拥有着极高的灵活性，用户可以充分发挥自己的聪明才智，熟练应用各种技巧，真正做到随心所欲。

除了操作方式简洁外，Stata的用户接口在其他方面也做得非常简洁，数据格式简单，分析结果输出简洁明快，易于阅读，这一切都使得Stata成为非常适合于进行统计教学的统计软件。

Stata的另一个特点是他的许多高级统计模块均是编程人员用其宏语言写成的程序文件（ADO文件），这些文件可以自行修改、添加和下载。用户可随时到Stata网站寻找并下载最新的升级文件。事实上，Stata的这一特点使得他始终处于统计分析方法发展的最前沿，用户几乎总是能很快找到最新统计算法的Stata程序版本，而这也使得Stata自身成了几大统计软件中升级最多、最频繁的一个。

由于以上特点，Stata已经在科研、教育领域得到了广泛应用，WHO的研究人员现在也把Stata作为主要的统计分析工作软件。

第二节 Stata操作入门

一、Stata的界面

图1即为Stata 7.0启动后的界面，除了Windows版本的软件都有的菜单栏、工具栏，状态栏等外，Stata的界面主要是由四个窗口构成，分述如下：

1．结果窗口：位于界面右上部，软件运行中的所有信息，如所执行的命令、执行结果和出错信息等均在这里列出。窗口中会使用不同的颜色区分不同的文本，如白色表示命令，红色表示错误信息。

2．命令窗口：位于结果窗口下方，相当于DOS软件中的命令行，此处用于键入需要执行的命令，回车后即开始执行，相应的结果则会在结果窗口中显示出来。

3．命令回顾窗口：即review 窗口，位于界面左上方，所有执行过的命令会依次在该窗口中列出，单击后命令即被自动拷贝到命令窗口中；如果需要重复执行，用鼠标双击相应的命令即可。

4．变量名窗口：位于界面左下方，列出当前数据及中的所有变量名称，。

除以上四个默认打开的窗口外，在Stata 中还有数据编辑窗口、程序文件编辑窗口、帮助窗口、绘图窗口、Log 窗口等，如果需要使用，可以用Window 或Help 菜单将其打开。

启动后的界面

Stata 为用户提供了简捷，但是非常完善的数据接口，熟悉它的用法是使用Stata 的第一步，在Stata 中读入数据可以有三种方式：直接从键盘输入、打开已有数据文件和拷贝、粘贴方式交互数据。

1)从键盘输入数据

在Stata 中可以使用命令行方式直接建立数据集，首先使用input 命令制定相应的变量名称，然后一次录入数据，最后使用end 语句表

明数据录入结束。

例1 在某实验中得到如下数据，请在Stata中建立数据集。

观测数据

X 1 3 5 7 9

Y 2 4 6 8 10

解：此处需要建立两个变量X、Y，分别录入相应数值，Stata中的操作如下，其中划线部分为操作者输入部分。

2)用stata的数据编辑工具

①进入数据编辑器

进入stata界面，在命令栏键入edit或在stata的window下

拉菜单中单击 (注意：是浏览

stata数据编辑器。（stata

图2

②数据编辑

stata 数据编辑器界面：此时进入了数据全屏幕编辑状态。

图3

在第一列输入数据后，Stata第一列自动命名为var1；在第二列输入数据后，第二列自动命名为var2……依次类推。在输入数据后，双击纵格顶端的变量名栏(如：Var1或Var2处)，可以更改变量名，

并可以在label栏中注释变量名的含义,点击

（如图4所示）

。仍沿用上例，双击观察值所在列顶端的变量名栏，更改变量名为x，并在label栏中注明

“7岁男童身高（cm）”。

图4

数据输入完毕后，

单击

即可退出编辑器。

图5

即可退出编辑器。

3)拷贝、粘贴方式交互数据

Stata的数据编辑窗口是一个简单的电子表格，可以使用拷贝、粘贴方式直接和EXCEL等软件交互数据，在数据量不大时，这种方式操作极为方便。

例2 现在EXCEL中已录入了三个变量，共五条记录，格式见下图，请将数据读入Stata。

解：首先将EXCEL中的A1～C6全部18个单元格选中，选择菜单编辑→复制，将数据拷贝到剪贴板上；然后切换到Stata，选择菜单Window→Data Editor，打开数据编辑窗口；再选择Edit→Paste，

相应的数据就会被直接粘贴如数据编辑窗口中，并且变量名、记录数、

变量格式等均会被自动正确设置，见图6和图7。

图6 在EXCEL中的数据格式图7 粘贴入Stata后的数据格式4)、打开已有的数据文件

Stata能够直接打开的数据文件只能是自身专用格式或者以符号分隔的纯文本格式，后者第一行可以是变量名，分述如下：1．点击图标，然后选择路径和文件名，可以打开Stata专用格式的数据文件，并且扩展名为.dta。

2.打开Dta数据文件：该格式文件是Stata的专用格式数据文件，也使用use命令即可打开，例如要打开数据文件“C:\data1.dta”，则命令为：

. use c:\data1

即扩展名可以省略，如果Stata中已经修改或者建立了数据集，则需要使用clear选项清除原有数据，命令为：

. use c:\data1 , clear

3．读入文本格式数据：需要使用insheet命令实现，例如需要读入已建立好的文本格式数据文件“C:\data1.txt”，则命令为：. insheet using c:\data1.txt

该命令会自动识别第一行是否为变量名，以及变量列间的分隔符是tab、逗号还是其他字符。如果Stata中已经修改或者建立了数据

集，则需要使用clear选项清除原有数据，命令为：

. insheet using c:\data1.txt , clear

5)数据文件的保存

为了方便以后重复使用，输入Stata的数据应存盘。Stata实际上只能将数据存为自身专用的数据格式或者纯文本格式，分述如下：

1．点击图标

2.存为dta格式：可以直接使用文件菜单，也可以使用save 命令操作，如欲将上面建立的数据文件存入“C:\”中，文件名为Data1.dta，则命令为：

. save c:\data1

file c:\data1.dta saved

该指令将在C盘根目录建立一个名为“data1.dta”的Stata数据文件，后缀dta可以在命令中省略，会被自动添加。该文件只能在Stata中用use命令打开。如所指定的文件已经存在，则该命令将给出如下信息：file c:\data1.dta already exists，告诉用户在该目标盘及子目录中已有相同的文件名存在。如欲覆盖已有文件，则加选择项replace。命令及结果如下：

. save c:\data1.dta , replace

file c:\data1.dta saved

2．存为文本格式：需要使用outsheet命令实现，该命令的基本格式如下。

outsheet [变量名列表] using 文件名 [, nonames replace ]

其中变量名列表如果省略，则将全部变量存入指定文件。

如欲将上面建立的数据文件存入文本文件“C:\data1.txt”中，则命令为：

. outsheet using c:\data1.txt

此时建立的文件data1.txt第一行为变量名，第2～6行为变量值。变量列间用Tab键分隔。如果不希望在第一行存储变量名，则可以使用nonames选项。如果文件已经存在，则需要使用replace选项。

STATA面板数据模型操作命令要点

STATA 面板数据模型估计命令一览表 一、静态面板数据的STATA 处理命令 εαβit ++=x y it i it 固定效应模型 μβit +=x y it it ε αμit +=it it 随机效应模型 （一）数据处理 输入数据 ●tsset code year 该命令是将数据定义为“面板”形式 ●xtdes 该命令是了解面板数据结构 ●summarize sq cpi unem g se5 ln 各变量的描述性统计（统计分析） ●gen lag_y=L.y /////// 产生一个滞后一期的新变量

gen F_y=F.y /////// 产生一个超前项的新变量 gen D_y=D.y /////// 产生一个一阶差分的新变量 gen D2_y=D2.y /////// 产生一个二阶差分的新变量 （二）模型的筛选和检验 ●1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型）●xtreg sq cpi unem g se5 ln,fe 对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。 ●2、检验时间效应（混合效应还是随机效应）（检验方法：LM统计量） （原假设：使用OLS混合模型） ●qui xtreg sq cpi unem g se5 ln,re (加上“qui”之后第一幅图将不会呈现) xttest0

可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见，随机效应模型也优于混合OLS模型。 ●3、检验固定效应模型or随机效应模型（检验方法：Hausman检验） 原假设：使用随机效应模型（个体效应与解释变量无关） 通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FE or RE的优劣，这需要进行接下来的检验，如下： Step1：估计固定效应模型，存储估计结果 Step2：估计随机效应模型，存储估计结果 Step3：进行Hausman检验 ●qui xtreg sq cpi unem g se5 ln,fe est store fe qui xtreg sq cpi unem g se5 ln,re est store re hausman fe (或者更优的是hausman fe,sigmamore/ sigmaless) 可以看出，hausman检验的P值为0.0000，拒绝了原假设，认为随机效应模型的基本假设得不到满足。此时，需要采用工具变量法和是使用固定效应模型。

最新Stata软件基本操作和数据分析入门

Stata软件基本操作和数据分析入门 第一讲Stata操作入门 张文彤赵耐青 第一节概况 Stata最初由美国计算机资源中心（Computer Resource Center）研制，现在为Stata公司的产品，其最新版本为7.0版。它操作灵活、简单、易学易用，是一个非常有特色的统计分析软件，现在已越来越受到人们的重视和欢迎，并且和SAS、SPSS一起，被称为新的三大权威统计软件。 Stata最为突出的特点是短小精悍、功能强大，其最新的7.0版整个系统只有10M左右，但已经包含了全部的统计分析、数据管理和绘图等功能，尤其是他的统计分析功能极为全面，比起1G以上大小的SAS系统也毫不逊色。另外，由于Stata在分析时是将数据全部读入内存，在计算全部完成后才和磁盘交换数据，因此运算速度极快。 由于Stata的用户群始终定位于专业统计分析人员，因此他的操作方式也别具一格，在Windows席卷天下的时代，他一直坚持使用命令行／程序操作方式，拒不推出菜单操作系统。但是，Stata的命令语句极为简洁明快，而且在统计分析命令的设置上又非常有条理，它将相同类型的统计模型均归在同一个命令族下，而不同命令族又可以使用相同功能的选项，这使得用户学习时极易上手。更为令人叹服的是，Stata语句在简洁的同时又拥有着极高的灵活性，用户可以充分发挥自己的聪明才智，熟练应用各种技巧，真正做到随心所欲。

除了操作方式简洁外，Stata的用户接口在其他方面也做得非常简洁，数据格式简单，分析结果输出简洁明快，易于阅读，这一切都使得Stata成为非常适合于进行统计教学的统计软件。 Stata的另一个特点是他的许多高级统计模块均是编程人员用其宏语言写成的程序文件（ADO文件），这些文件可以自行修改、添加和下载。用户可随时到Stata网站寻找并下载最新的升级文件。事实上，Stata的这一特点使得他始终处于统计分析方法发展的最前沿，用户几乎总是能很快找到最新统计算法的Stata程序版本，而这也使得Stata自身成了几大统计软件中升级最多、最频繁的一个。 由于以上特点，Stata已经在科研、教育领域得到了广泛应用，WHO的研究人员现在也把Stata作为主要的统计分析工作软件。 第二节Stata操作入门 一、Stata的界面 图1即为Stata 7.0启动后的界面，除了Windows版本的软件都有的菜单栏、工具栏，状态栏等外，Stata的界面主要是由四个窗口构成，分述如下： 1．结果窗口：位于界面右上部，软件运行中的所有信息，如所执行的命令、执行结果和出错信息等均在这里列出。窗口中会使用不同的颜色区分不同的文本，如白色表示命令，红色表示错误信息。 2．命令窗口：位于结果窗口下方，相当于DOS软件中的命令行，此处用于键入需要执行的命令，回车后即开始执行，相应的结果则会在结果窗口中显示出来。

[推荐] stata基本操作汇总常用命令

[推荐] Stata基本操作汇总——常用命令 help和search都是查找帮助文件的命令，它们之间的 区别在于help用于查找精确的命令名，而search是模糊查找。 如果你知道某个命令的名字，并且想知道它的具体使用方法，只须在stata的命令行窗口中输入help空格加上这个名字。回车后结果屏幕上就会显示出这个命令的帮助文件的全部 内容。如果你想知道在stata下做某个估计或某种计算，而 不知道具体该如何实现，就需要用search命令了。使用的 方法和help类似，只须把准确的命令名改成某个关键词。回车后结果窗口会给出所有和这个关键词相关的帮助文件名 和链接列表。在列表中寻找最相关的内容，点击后在弹出的查看窗口中会给出相关的帮助文件。耐心寻找，反复实验，通常可以较快地找到你需要的内容.下面该正式处理数据了。我的处理数据经验是最好能用stata的do文件编辑器记下你做过的工作。因为很少有一项实证研究能够一次完成，所以，当你下次继续工作时。能够重复前面的工作是非常重要的。有时因为一些细小的不同，你会发现无法复制原先的结果了。这时如果有记录下以往工作的do文件将把你从地狱带到天堂。因为你不必一遍又一遍地试图重现做过的工作。在stata 窗口上部的工具栏中有个孤立的小按钮，把鼠标放上去会出

现“bring do-file editor to front”，点击它就会出现do文件编 辑器。 为了使do文件能够顺利工作，一般需要编辑do文件的“头”和“尾”。这里给出我使用的“头”和“尾”。capture clear （清空内存中的数据）capture log close （关闭所有 打开的日志文件）set more off （关闭more选项。如果打开该选项，那么结果分屏输出，即一次只输出一屏结果。你按空格键后再输出下一屏，直到全部输完。如果关闭则中间不停，一次全部输出。）set matsize 4000 （设置矩阵的最大阶数。我用的是不是太大了？）cd D: （进入数据所在的盘符和文件夹。和dos的命令行很相似。）log using （文件名）.log,replace （打开日志文件，并更新。日志文件将记录下所有文件运行后给出的结果，如果你修改了文件内容，replace选项可以将其更新为最近运行的结果。）use （文件名）,clear （打开数据文件。）（文件内容）log close （关闭日志文件。）exit,clear （退出并清空内存中的数据。） 实证工作中往往接触的是原始数据。这些数据没有经过整理，有一些错漏和不统一的地方。比如，对某个变量的缺失观察值，有时会用点，有时会用-9，-99等来表示。回归时如果 使用这些观察，往往得出非常错误的结果。还有，在不同的数据文件中，相同变量有时使用的变量名不同，会给合并数

Stata命令整理

Stata 命令语句格式： [by varlist:] command [varlist] [=exp] [if exp] [in range] [weight] [, options] 1、[by varlist:] *如果需要分别知道国产车和进口车的价格和重量，可以采用分类操作来求得， sort foreign //按国产车和进口车排序 . by foreign: sum price weight *更简略的方式是把两个命令用一个组合命令来写。 . by foreign, sort: sum price weight 如果不想从小到大排序，而是从大到小排序，其命令为gsort。 . sort - price //按价格从高到低排序 . sort foreign -price /*先把国产车都排在前，进口车排在后面，然后在国产车内再按价格从大小到排序，在进口车内部，也按从大到小排序*/ 2、[=exp]赋值运算 . gen nprice=price+10 //生成新变量nprice，其值为price+10 /*上面的命令generate(略写为gen) 生成一个新的变量，新变量的变量名为 nprice,新的价格在原价格的基础上均增加了10 元。 . replace nprice=nprice-10 /*命令replace 则直接改变原变量的赋值，nprice调减后与price 变量取值相等*/ 3、[if exp]条件表达式 . list make price if foreign==0 *只查看价格超过1 万元的进口车（同时满足两个条件），则 . list make price if foreign==1 &price>10000 *查看价格超过1 万元或者进口车（两个条件任满足一个） . list make price if foreign==1 | price>10000 4、[in range]范围筛选 sum price in 1/5 注意“1/5”中，斜杠不是除号，而是从1 到 5 的意思，即1，2，3，4，5。 如果要计算前10 台车中的国产车的平均价格，则可将范围和条件筛选联合使用。 . sum price in 1/10 if foreign==0 5、[weight]加权 sum score [weight=num]其中，num为每个成绩所对应的人数 6、[, options]其他可选项 例如，我们不仅要计算平均成绩，还想知道成绩的中值，方差，偏度和峰度等*/ . sum score, detail . sum score, d //d 为detail 的略写，两个命令完全等价 . list price, nohead//不要表头 Stata 数据类型转换 1、字符型转化成数值型 destring, replace //全部转换为数值型，replace 表示将原来的变量（值）更新 destring date, replace ignore(“ ”)将字符型数据转换为数值型数据：去掉字符间的空格destring price percent, gen(price2 percent2) ignore(“$ ,%”)与date 变量类似，变量price 前面有美元符号，变量percent 后有百分号，换为数值型时需要忽略这些非数值型字符 2、数值型转化为字符型

Stata操作入门(中文)

第一讲Stata操作入门 第一节概况 Stata最初由美国计算机资源中心（Computer Resource Center）研制，现在为Stata公司的产品，其最新版本为7.0版。它操作灵活、简单、易学易用，是一个非常有特色的统计分析软件，现在已越来 越受到人们的重视和欢迎，并且和SAS、SPSS一起，被称为新的三大权威统计软件。 Stata最为突出的特点是短小精悍、功能强大，其最新的7.0版整个系统只有10M左右，但已经包含了全部的统计分析、数据管理和绘图等功能，尤其是他的统计分析功能极为全面，比起1G以上大小的SAS系统也毫不逊色。另外，由于Stata在分析时是将数据全部读入内存，在计算全部完成后才 和磁盘交换数据，因此运算速度极快。 由于Stata的用户群始终定位于专业统计分析人员，因此他的操作方式也别具一格，在Windows席卷天下的时代，他一直坚持使用命令行／程序操作方式，拒不推出菜单操作系统。但是，Stata的命令语句极为简洁明快，而且在统计分析命令的设置上又非常有条理，它将相同类型的统计模型均归在同 一个命令族下，而不同命令族又可以使用相同功能的选项，这使得用户学习时极易上手。更为令人叹 服的是，Stata语句在简洁的同时又拥有着极高的灵活性，用户可以充分发挥自己的聪明才智，熟练应用各种技巧，真正做到随心所欲。 除了操作方式简洁外，Stata的用户接口在其他方面也做得非常简洁，数据格式简单，分析结果输出简洁明快，易于阅读，这一切都使得Stata成为非常适合于进行统计教学的统计软件。 Stata的另一个特点是他的许多高级统计模块均是编程人员用其宏语言写成的程序文件（ADO文件），这些文件可以自行修改、添加和下载。用户可随时到Stata网站寻找并下载最新的升级文件。 事实上，Stata的这一特点使得他始终处于统计分析方法发展的最前沿，用户几乎总是能很快找到最新统计算法的Stata程序版本，而这也使得Stata自身成了几大统计软件中升级最多、最频繁的一个。 由于以上特点，Stata已经在科研、教育领域得到了广泛应用，WHO的研究人员现在也把Stata作为主要的统计分析工作软件。 第二节Stata操作入门 一、Stata的界面 图1即为Stata 7.0启动后的界面，除了Windows版本的软件都有的菜单栏、工具栏，状态栏等外，Stata的界面主要是由四个窗口构成，分述如下： 1．结果窗口 位于界面右上部，软件运行中的所有信息，如所执行的命令、执行结果和出错信息等均在这里列出。窗口中会使用不同的颜色区分不同的文本，如白色表示命令，红色表示错误信息。

STATA统计分析入门

STATA统计分析入门 STATA统计软件包是目前世界上最著名的统计软件之一，与SAS、SPSS一起被并称为三大权威软件。它广泛的应用于经济、教育、人口、政治学、社会学、医学、药学、工矿、农林等学科领域，同时具有数据管理软件、统计分析软件、绘图软件、矩阵计算软件和程序语言的特点，几乎可以完成全部复杂的统计分析工作。其功能非常强大且操作简单、使用灵活、易学易用、运行速度极快，在许多方面别具一格。 STATA最为突出的特点是短小精悍、功能强大，整个系统一般在200M左右，但是已经包含了全部的统计分析。数据管理和绘图等功能，尤其是它的统计分析功能极为全面，比起1G以上大小的SAS系统也毫不逊色。而且STATA在分析时是将数据全部读入内存，在计算全部完成后才和磁盘交换数据，因此运算速度极快。STATA的命令语句也极为简洁明快，而且在统计分析命令的设置上又非常有条理，它将相同类型的统计模型均归在同一个命令族下，而不同命令族又可以使用相同功能的选项，这使得用户学习时极易上手。STATA语句在简洁的同时又拥有着极高的灵活性，用户可以充分发挥自己的聪明才智，熟练应用各种技巧，真正做到随心所欲。 STATA的另一个特点是他的许多高级统计模块均是编程人员用宏语言写成的程 序文件（ADO文件），这些文件可以自行修改、添加和下载。用户可随时到STATA 网站寻找并下载最新的升级文件。 课程简介： 该课程主要是为大家介绍STATA的基本用法和简单的统计分析。 课程大纲： 第一课：STATA简介 介绍STATA基本情况（统计编程及作图功能），软件窗口界面及基本数据处理的操作方法。 第二课：STATA中的图形制作 介绍图形制作的基本命令和一些基本图形的绘制（直方图、散点图、箱线图、饼图等） 第三课：假设检验与方差分析ANOVA STATA下单双因素方差分析的操作，及假设检验 第四课：简单与多元回归 介绍大小样本下的最小二乘法与多元线性回归，介绍如何用STATA做回归诊断 课程基础： 简单的英文基础，因为STATA是英文版的

Stata统计分析命令

Stata统计分析常用命令汇总 一、winsorize极端值处理 范围：一般在1%和99%分位做极端值处理，对于小于1%的数用1%的值赋值，对于大于99%的数用99%的值赋值。 1、Stata中的单变量极端值处理： stata 11.0，在命令窗口输入“findit winsor”后，系统弹出一个窗口，安装winsor模块 安装好模块之后，就可以调用winsor命令，命令格式：winsor var1, gen(new var) p(0.01) 或者在命令窗口中输入：ssc install winsor安装winsor命令。winsor命令不能进行批量处理。 2、批量进行winsorize极端值处理： 打开链接：https://www.wendangku.net/doc/1b18533236.html,/judson.caskey/data.html，找到winsorizeJ，点击右键，另存为到stata中的ado/plus/目录下即可。命令格式：winsorizeJ var1var2var3,suffix(w)即可，这样会生成三个新变量，var1w var2w var3w，而且默认的是上下1%winsorize。如果要修改分位点，则写成如下格式：winsorizeJ var 1 var2 var3,suffix(w) cuts(5 95)。 3、Excel中的极端值处理：（略） winsor2 命令使用说明 简介：winsor2 winsorize or trim (if trim option is specified) the variables in varlist at particular percentiles specified by option cuts(# #). In defult, new variables will be generated with a suffix "_w" or "_tr", which can be changed by specifying suffix() option. The replace option replaces the variables with their winsorized or trimmed ones. 相比于winsor命令的改进： (1) 可以批量处理多个变量； (2) 不仅可以winsor，也可以trimming； (3) 附加了by() 选项，可以分组winsor 或trimming； (4) 增加了replace 选项，可以不必生成新变量，直接替换原变量。 范例： *- winsor at (p1 p99), get new variable "wage_w" . sysuse nlsw88, clear . winsor2 wage *- left-trimming at 2th percentile . winsor2 wage, cuts(2 100) trim *- winsor variables by (industry south), overwrite the old variables . winsor2 wage hours, replace by(industry south) 使用方法: 1. 请将winsor 2.ado 和winsor2.sthlp 放置于stata12\ado\base\w 文件夹下； 2. 输入help winsor2 可以查看帮助文件；

如何运用Stata完成统计数据汇总工作论文.doc

本加总在一起，合并后样本变量数目不变，样本数增加，也就是数据文件变长了。最常见的纵向合并情况是对一项调查在不同地区或者不同时间得来的数据进行合并。Stata 纵向合并数据文件的命令为“append”.比如，我们将调查得到的包含北京市调查数据的数据文件“bj.dta”和包含天津市调查数据的数据文件“tj.dta”纵向合并的Stata命 令为： use bj,clear append using tj 需要注意的是，在纵向合并两个数据文件前，两个文件中相同变量的变量名要一致，否则将会被当成两个变量处理，并产生无用的缺失值。同时，相同变量的变量类型要一致。 汇总问卷调查结果 问卷调查时效性较强，调查结果容易量化，便于统计处理与分析，是常用的统计调查方法。问卷调查结果用Stata 进行汇总非常方便，使用“tabulate”命令，可方便的生成列联表，根据变量的频数分布可以得到问卷回答情况的汇总结果。比如，对10000个样本企业开展问卷调查，涉及10 个问题，分别为：

WT1,WT2, ……，WT10（每个问题的答案均为A、B、C、D 四个选项）。汇总问题WT1 的回答情况时，只需输入命令：tabulateWT1,即可得到WT1 样本回答情况的频数（Freq）、百分比（Percent）及累计百分比（Cum）指标（Stata 输出结果见表1）。从Freq 输出结果可见，样本企业对WT1 的回答情况为：选择答案A、B、C、D 的企业数量分别为1000、3000、4000 和2000 个。Percent结果给出了选择答案1、2、3、4 的比重分别为10%,30%、40% 和20%. 同时，“tabulate”命令还可以生成2 维列联表，比如，需要对问题WT1 做分省回答结果的汇总时，只需对省代码（sf）和WT1 执行“tabulate”汇总。Stata 命令为：tabulate sf WT1,即可输出表 2 格式的汇总结果{ 假设调查只涉及北京市（代码11）、天津市（代码12）、河北省（代码13）}. 类似的，可以对每一个问题的调查结果分行业、分登记注册类型、分控股情况等做交叉分组汇总。 汇总生产经营情况调查结果 现行的统计报表制度更多的是对调查单位的生产经营情况开展年度、季度或者是月度调查。日常的数据汇总工作更多的是对生产经营指标做各种交叉分组汇总。 与问卷调查结果不同，生产经营情况的调查结果需要对调查指标数据加总或者通过计算生成新的指标，因此，我们首先要生成新的变量，来记录相应指标的汇总结果。Stata 生成新变量的命令为“generate”及其扩展命令“egen”.“generate”用来生

运用Stata做计量经济学

运用Stata做计量经济学 运用Stata建模的7步骤： 1、准备工作；目录、日志、读入数据、熟悉数据、时间变量、more、……； 2、探索数据：数据变换、描述统计量、相关系数、趋势图、散点图、……； 3、建立模型：regress、经济理论检验、实际经济问题要求、统计学检验、计量经济学检验：R2，T，t，残差； 4、诊断模型：异方差、序列相关、多重共线性、随机解释变量问题、……； 5、修正模型：WLS、GLS、工具变量法（ivregress），……； 6、应用模型：置信区间、预测、结构分析、边际分析、弹性分析、常用模型回归系数的意义、……； 7、整理：关闭日志、生成do文件备用 1、准备工作 让STATA处于初始状态，清除所有使用过的痕迹clear 指明版本号version11 设定并进入工作文件夹：cd D:\ （设定路径，将数据、程序和输出结果文件均存入该文件夹） 关闭以前的日志capture log close 建立日志：log using , replace 设定内存：set mem 20m

关闭more：set more off 读入数据：use .dta, clear 认识变量：describe 建立时间变量：tsset 2、用描述统计方法探索数据特征 必要的数据转换：gen、replace、……； 描述统计量：summarize, detail 相关系数矩阵：corr/pwcorr 散点图和拟合直线图：scatter y x || lfit y x 矩阵散点图：graph matrix y x1 x2 x3,half 线性趋势图：line y x 3、建立模型 OLS建立模型：regress y x1 x2 x3； 由方差分析表并用F和R2检验模型整体显著性； 依据p值对各系数进行t检验，一次只能剔出一个最不显著的变量，直到不包含不显著的变量； 估计参数，判别变量的相对重要性； 构造和估计约束模型，用以检验经济理论

stata简单讲义第五讲

Stata软件基本操作和数据分析入门 第五讲多组平均水平的比较 赵耐青 一、复习和补充两组比较的统计检验 1. 配对设计资料(又称为Dependent Samples) a)对于小样本的情况下，如果配对的差值资料服从正态分布，用配对t检验 (ttest 差值变量=0) b)大样本的情况下，可以用配对t检验 c)小样本的情况下，并且配对差值呈偏态分布，则用配对符号秩检验(signrank 差值变量=0) 2. 成组设计(Two Independent Samples) a)如果方差齐性并且大样本情况下，可以用成组t检验(ttest 效应指标变 量,by(分组变量)) b)如果方差齐性并且两组资料分别呈正态分布，可以用成组t检验 c)(Ranksum test)

二、多组比较 1. 完全随机分组设计(要求各组资料之间相互独立) a)方差齐性并且独立以及每一组资料都服从正态分布(小样本时要求)，则采用 完全随机设计的方差分析方法(即：单因素方差分析，One Way ANOV A)进 行分析。 b)方差不齐或小样本情况下资料偏态，则用Kruskal Wallis 检验(H检验) 例5.1 为研究胃癌与胃粘膜细胞中DNA含量（A.U）的关系，某医师测得数据如下，试问四 组人群的胃粘膜细胞中平均DNA含量是否相同？ 组别group DNA含量（A.U） 浅表型胃炎 1 9.81 12.73 12.29 12.53 12.95 9.53 12.6 8.9 12.27 14.26 10.68 肠化生 2 14.61 17.54 15.1 17 13.39 15.32 13.74 18.24 13.81 12.63 14.53 16.17早期胃癌 3 23.26 20.8 20.6 23.5 17.85 21.91 22.13 22.04 19.53 18.41 21.48 20.24

Stata命令大全-面板数据计量分析与软件实现

Stata命令大全面板数据计量分析与软件实现 说明：以下do文件相当一部分内容来自于中山大学连玉君STATA教程，感谢他的贡献。本人做了一定的修改与筛选。 *----------面板数据模型 * 1.静态面板模型：FE 和RE * 2.模型选择：FE vs POLS, RE vs POLS, FE vs RE （pols混合最小二乘估计） * 3.异方差、序列相关和截面相关检验 * 4.动态面板模型（DID-GMM,SYS-GMM） * 5.面板随机前沿模型 * 6.面板协整分析（FMOLS,DOLS） *** 说明：1-5均用STATA软件实现， 6用GAUSS软件实现。 * 生产效率分析（尤其指TFP）：数据包络分析（DEA）与随机前沿分析（SFA） *** 说明：DEA由DEAP2.1软件实现，SFA由Frontier4.1实现，尤其后者，侧重于比较C-D与Translog生产函数，一步法与两步法的区别。常应用于地区经济差异、FDI 溢出效应（Spillovers Effect）、工业行业效率状况等。 * 空间计量分析：SLM模型与SEM模型 *说明：STATA与Matlab结合使用。常应用于空间溢出效应（R&D）、财政分权、地方政府公共行为等。 * --------------------------------- * --------一、常用的数据处理与作图----------- * --------------------------------- * 指定面板格式 xtset id year （id为截面名称，year为时间名称） xtdes /*数据特征*/ xtsum logy h /*数据统计特征*/ sum logy h /*数据统计特征*/ *添加标签或更改变量名 label var h "人力资本"

Stata教程：描述性统计命令与输出结果说明

本节STATA命令摘要 by 分组变量：]summarize变量名1变量名2… 变量名m[，detail] ci变量名1变量名2… 变量名m[，level（#）binomial poissonexposure（varname）by（分组变量）] cii 样本量 均数 标准差[，level（#）] tab1变量名[，generate（变量名）] · 资料特征描述（均数，中位数，离散程度） 例：某地测定克山病患者与克山病健康人的血磷测定值如下表（数据摘自四川医学院主编的卫生统计学，1978出版，p21）： 患者 2．6 3．24 3．73 3．73 4．32 4．73 5．18 5．58 5．78 6．40 6．53 健康人 1．67 1．98 1．98 2．33 2．34 2．50 3．60 3．73 4．14 4．17 4．57 4．82 5．78 并假定这些数据已以STATA格式存入ex2．dta文件中，其中变量x1为患者的血磷测定值数据，变量x2为健康人的血磷测定值数据。上述数据也可以用变量x表示血磷测

定值，分组变量group=0表示患者组和group=1表示健康组（如：患者组中第一个数据为2．6，则x=2．6，group=0；又如：健康组中第三个数据为1．98，则x为1．98以及group为1），并假定这些数据已以STATA格式存入ex2a．dta文件中。 计算资料均数，标准差命令summarize，以述资料为例： useex2，clear summarizex1x2 结果： 变量 样本数 均数 标准差 最小值 最大值 Variable| Obs Mean Std．Dev． Min Max ---------+ x1| 11 4．710909 1．302977 2．6 6．53 x2| 13 3．354615 1．304368 1．67 5．78 即：本例中急性克山病患者组的样本数为11，血磷测定值均数为4．711（mg%），相应的标准差为1．303，最小值为2．6以及最大值为6．53；健康组的样本量为13，血磷测定值均数为3．3546，相应的标准差为1．3044，最小值为1．67以及最大值为5．78。 计算资料均数，标准差，中位数，低四分位数和高四分位数的命令summarize 以及子命令detail，仍以述资料为例： use ex2，clear summarizex1x2，detail 结果： x1 Percentiles Smallest（最小值） 1%

Stata统计分析命令

S t a t a统计分析命令 Company number：【0089WT-8898YT-W8CCB-BUUT-202108】

Stata统计分析常用命令汇总 一、winsorize极端值处理 范围：一般在1%和99%分位做极端值处理，对于小于1%的数用1%的值赋值，对于大于99%的数用99%的值赋值。 1、Stata中的单变量极端值处理： stata ，在命令窗口输入“findit winsor”后，系统弹出一个窗口，安装winsor模块 安装好模块之后，就可以调用winsor命令，命令格式：winsor var1, gen(new var) p 或者在命令窗口中输入：ssc install winsor安装winsor命令。winsor命令不能进行批量处理。 2、批量进行winsorize极端值处理： 打开链接：，找到winsorizeJ，点击右键，另存为到stata中的ado/plus/目录下即可。命令格式：winsorizeJ var1var2var3,suffix(w)即可，这样会生成三个新变量，var1w var2w var3w，而且默认的是上下1%winsorize。如果要修改分位点，则写成如下格式：winsorizeJ var 1 var2 var3,suffix(w) cuts(5 95)。 3、Excel中的极端值处理：（略） winsor2 命令使用说明 简介：winsor2 winsorize or trim (if trim option is specified) the variables in varlist at particular percentiles specified by option cuts(# #). In defult, new variables will be generated with a suffix "_w" or "_tr", which can be changed by specifying suffix() option. The replace option replaces the variables with their winsorized or trimmed ones. 相比于winsor命令的改进： (1) 可以批量处理多个变量； (2) 不仅可以 winsor，也可以 trimming； (3) 附加了 by() 选项，可以分组 winsor 或 trimming；

计量经济学stata操作指南

计量经济学stata操作（实验课） 第一章stata基本知识 1、stata窗口介绍 2、基本操作 （1）窗口锁定：Edit-preferences-general preferences-windowing-lock splitter （2）数据导入 （3）打开文件：use E:\example.dta,clear （4）日期数据导入： gen newvar=date(varname, “ymd”) format newvar %td 年度数据 gen newvar=monthly(varname, “ym”) format newvar %tm 月度数据 gen newvar=quarterly(varname, “yq”) format newvar %tq 季度数据 （5）变量标签 Label variable tc ` “total output” ’ （6）审视数据 describe list x1 x2 list x1 x2 in 1/5 list x1 x2 if q>=1000 drop if q>=1000 keep if q>=1000 （6）考察变量的统计特征 summarize x1 su x1 if q>=10000 su q,detail su tabulate x1 correlate x1 x2 x3 x4 x5 x6 （7）画图 histogram x1, width(1000) frequency kdensity x1 scatter x1 x2 twoway (scatter x1 x2) (lfit x1 x2) twoway (scatter x1 x2) (qfit x1 x2) （8）生成新变量 gen lnx1=log(x1) gen q2=q^2 gen lnx1lnx2=lnx1*lnx2 gen larg=(x1>=10000) rename larg large

应用stata做统计分析

1)Describe 数据的简要描述d 2)List 将所有数据列在result里面l 3)Summarize 分析统计指标su 4)correlate 统计各个变量之间的相关系数cor 5)graph twoway connected math score,yaxis(1)||connected english score,yaxis(2) title(“”)横 坐标表示score 左y轴表示数学右y轴表示英语 6)browse chinese math if score>640只显示总分大于640的数学和语文的成绩 7)edit math ability score 只显示数学基本能力和总分，可以进行编辑 8)gen any=uniform() 新建一个随机变量，从0-1 9)list math chinese english in 60/70 列出其中60-70个观测值的数学语文和英语 10)replace any=100*any 将ANY这个变量的值*100，然后取代原来的变量 11)sample 10 仅剩下随即的10%，sample 30，count随机的剩下30个观测值 12)gsort –math 按数学从高到低排序 13)gsort name 将观测值的姓名顺序排序 14)gsort –name 姓名逆序排序 15)help gesort 排序的帮助 16)tabulate math if score>600 在result窗口中显示总分600以上的数学得频数百分比及 累计百分比 17)edit math score 在编辑器窗口中只显示数学和总分 18)list in 4在result窗口中只显示第4个观测值 19)list in 10/20列出第10-20个观测值 20)sum if score>660 只对总分大于660的观测值进行统计分析 21)sun if place !=”canada”对字符串的除外统计 22)sum if score>600&score<650 23)list if score>620|(math>=140&english>=135)列出其中的总分大于620 或者数学大于140 和英语大于135 的观测值 24)help datafun寻找日期的命令 25)help strfun字符串函数 26)dispay 作为统计显示的计算器使用 27)sum math ,display r(mean),gen mathdev=math-r(menn),sum math mathdev 28)help egen生成函数的扩展 29)tabulate class,gen (class) 在编辑窗口新生成16个变量，class26-41，并且以0-1 表示 30)list class class10-class14 在result 中只显示10-14班的内容 31)sum math if class!=28 对数学进行求统计量，然后排出28班 32)replace score2=1 if score >=600&score<.主要针对缺失值的运算因为缺失值.被认为是非 常大的数。 33)gen score3=autocode(score,4,600,700) 将编辑器中的数据，按照625 650 675 700进行分 类 34)list score score2 score3 此时result窗口显示的是每一个分数对应的指标，是否是600以 上的，在哪个区间上？ 35)gen score5=group(5) 将编辑器中的数据按规模分为5组 36)gen caseid=_n 在编辑器里面创建一个变量从1-2-3.。。 37)display score[45] 此时是在上一步的基础上选择第45条观测值 38)gen difscore=score-score[_n-1]生成一个新变量difscore其数值=序列2的数据减去序列

第七章两独立样本定量资料的统计分析的Stata实现

第七章两独立样本定量资料的统计分析的Stata 实现 例7-1 为研究金属镉中毒对大鼠肝脏中锌含量的影响，随机抽取20只小鼠，随机分为实验组和对照组。实验组小鼠每日经饮水染毒，对照组正常饮水。1个月后，测量小鼠肝脏中锌含量（u g/ml ）（表7-1），试分析两种饮用水小鼠的肝脏中锌平均含量有无差异。 表7-1 实验组和对照组小鼠肝脏中锌含量（ug/ml ） 例7-2 为研究接触某重金属对人体血胰岛素水平有无影响，研究者从接触某重金属的职业工人中随机抽取14人，从非接触工人中随机抽取14人，测量每个工人的血胰岛素水平（ulu/ml ）（表7-2），试分析上述两个人群的血胰岛素平均水平有无差异。 表7-2 某重金属接触工人和非接触工人血胰岛素水平（ulu/ml ） 接触重金属工人 7.84 8.11 8.45 9.38 10.22 12.28 11.57 11.38 8.23 8.92 3.02 4.54 7.11 6.04 非接触工人 17.94 7.42 9.12 9.45 7.86 16.48 24.12 8.57 8.92 6.74 9.23 16.29 5.73 8.51 例7-3 随机抽取30名在校大学生，男性16人，女性14人，检测血红蛋白含量（g/ul ），问男性和女性大学生的血红蛋白平均含量有无差别？（数据略） 例7-4 例7-1中要检验两种饮水小鼠的肝脏锌平均含量有无差别，需要先检验实验组和对照组所来自的总体方差是否相等，即对例7-1中资料进行方差齐性检验。 例7-1的Stata 数据格式如下： 实验组 7.14 5.95 7.10 8.26 10.08 7.91 9.07 9.30 8.64 8.51 对照组 6.61 7.31 7.20 6.59 7.65 5.59 6.39 6.57 7.91 7.86

Stata门限模型的操作及结果详细解读

一、门限面板模型概览 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站： https://www.wendangku.net/doc/1b18533236.html,/~bhansen/progs/progs_subject.htm。 Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable Estimation of a Threshold Model》。 在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法（Bootstrap）重复抽取样本，提高门限效应的显著性检验效率。 在Hansen（1999）的模型中，解释变量中不能包含内生解释变量，无法扩展应用领域。Caner和Hansen在2004年解决了这个问题。他们研究了带有内生变量和一个外生门限变量的面板门限模型。与静态面板数据门限回归模型有所不同，在含有内生解释变量的面板数据门限回归模型中，需要利用简化型对内生变量进行一定的处理，然后用2SLS（两阶段最小二乘法）或者GMM（广义矩估计）对参数进行估计。 当然，有关门限回归模型的最新研究，还可以参考《Inflation and Growth: New Evidence From a Dynamic Panel Threshold Analysis》（Stephanie Kremer，Alexander Bick，Dieter Nautz，2009）。 二、计量模型的假设、估计和检验 略