Stata常用命令文档格式.docx
《Stata常用命令文档格式.docx》由会员分享,可在线阅读,更多相关《Stata常用命令文档格式.docx(16页珍藏版)》请在冰豆网上搜索。
![Stata常用命令文档格式.docx](https://file1.bdocx.com/fileroot1/2023-1/30/a3226a5c-06d6-4b28-9c5a-674d297667b1/a3226a5c-06d6-4b28-9c5a-674d297667b11.gif)
常用的做法就是对日期排序,这个命令也可以排序多个变量,写在前面的先排序。
比如sortyearmonthday就是对年月日的顺序排序。
如果需要从大到小的话就是gsort就行。
bysort:
这个命令简直是用的最多的没有之一!
在此之前先讲一下by,by就是在某个组内执行后面的命令。
比如byyear:
genreturn=mean(dayreturn),意思就是在每一年的数据里,gen一个return变量,将这一年内所有的dayreturn(日收益率)求平均后赋值给return即当年平均日收益率。
而bysort就相当于先sort再by。
[_n]:
这个要单独讲一下,因为我个人觉得很好用。
[_n]是一个计数变量,比如genn=[_n]就是建立了一个自然数列,用到这个变量是因为在经济统计的时候,尤其是统计周数据、月数据、年数据时,由于我们的数据是日数据得到的,因此在每一组(比如计算月平均收益率blabla)时统计完之后,会发现在每一个组内有很多个相同的数据,因此用一个dropifmonthreturn[_n]==monthreturn[_n-1]就可以只保留每一组的第一个数据,之后的处理会节省时间。
(补充一句,如果你还需要原来的data的话一定记得另外保存)
drop:
处理数据的过程中,一些过程变量就可以drop掉节省时间了。
save:
记得写完了一定要保存!
!
2、回归统计
sum:
对统计量的最基本统计性质报告,直接敲sum加空格加某个变量就行。
会报告均值、最大最小、标准差等最基本的信息。
tab:
按照百分比对这个变量的取值统计。
(就是相当于饼状图的表格)
reg:
最简单的回归命令。
直接敲regyx1x2就相当于y对x1x2的回归,回归结果会报告的比较详细,包括coefficient、constant、t值、p值、F值、SSR等等。
以下的xtreg/ivreg2/tsset分别针对的面板数据、两阶段最小二乘、时间序列,写起来太多,如果有小伙伴想看的话,可以再单独写一章。
∙xtset/xtreg:
面板数据处理的命令,需要先进行xtset才能用xtreg的命令。
∙tsset:
时间序列数据处理的命令。
∙ivreg2:
两阶段最小二乘的命令。
(不过在使用之前需要先install一下安装包才可以用,也是先helpivreg2然后找到安装包就可以用)
3、我最喜欢用的命令…
count与tag:
count顾名思义,就是数个数,这个有时候在数据里非常好用,尤其是在分组的情况下。
举一个实际情况中遇到的栗子,比如我要统计某只股票在每个月内有多少个交易日,那我在月的分组下,用下count函数,就能数出来某个组内的个数。
Tag是另一个函数,我个人理解的与count区别在于:
count是数有几个,tag是数有几类。
举个栗子,比如在某个组内,有1个10,2个20,那么用count数出来就是3,因为一共有3个数据;
用tag数出来就是2,因为只有10和20这两个数值。
(转自人大论坛)
调整变量格式:
formatx1%10.3f——将x1的列宽固定为10,小数点后取三位
formatx1%10.3g——将x1的列宽固定为10,有效数字取三位
formatx1%10.3e——将x1的列宽固定为10,采用科学计数法
formatx1%10.3fc——将x1的列宽固定为10,小数点后取三位,加入千分位分隔符
formatx1%10.3gc——将x1的列宽固定为10,有效数字取三位,加入千分位分隔符
formatx1%-10.3gc——将x1的列宽固定为10,有效数字取三位,加入千分位分隔符,加入“-”表示左对齐
合并数据:
use"
C:
\DocumentsandSettings\xks\桌面\2006.dta"
clear
mergeusing"
\DocumentsandSettings\xks\桌面\1999.dta"
——将1999和2006的数据按照样本(observation)排列的自然顺序合并起来
mergeidusing"
uniquesort
——将1999和2006的数据按照唯一的(unique)变量id来合并,在合并时对id进行排序(sort)
建议采用第一种方法。
对样本进行随机筛选:
sample50
在观测案例中随机选取50%的样本,其余删除
sample50,count
在观测案例中随机选取50个样本,其余删除
查看与编辑数据:
browsex1x2ifx3>
3(按所列变量与条件打开数据查看器)
editx1x2ifx3>
3(按所列变量与条件打开数据编辑器)
数据合并(merge)与扩展(append)
merge表示样本量不变,但增加了一些新变量;
append表示样本总量增加了,但变量数目不变。
one-to-onemerge:
数据源自statatutorial中的exampw1和exampw2
第一步:
将exampw1按v001~v003这三个编码排序,并建立临时数据库tempw1
clear
t:
\statatut\exampw1.dta"
su——summarize的简写
sortv001v002v003
savetempw1
第二步:
对exampw2做同样的处理
\statatut\exampw2.dta"
su
savetempw2
第三步:
使用tempw1数据库,将其与tempw2合并:
usetempw1
mergev001v002v003usingtempw2
第四步:
查看合并后的数据状况:
ta_merge——tabulate_merge的简写
第五步:
清理临时数据库,并删除_merge,以免日后合并新变量时出错
erasetempw1.dta
erasetempw2.dta
drop_merge
数据扩展append:
数据源自statatutorial中的fac19和newfac
\statatut\fac19.dta"
taregion
appendusing"
\statatut\newfac"
合并后样本量增加,但变量数不变
茎叶图:
stemx1,line
(2)(做x1的茎叶图,每一个十分位的树茎都被拆分成两段来显示,前半段为0~4,后半段为5~9)
stemx1,width
(2)(做x1的茎叶图,每一个十分位的树茎都被拆分成五段来显示,每个小树茎的组距为2)
stemx1,round(100)(将x1除以100后再做x1的茎叶图)
直方图
采用auto数据库
histogrammpg,discretefrequencynormalxlabel(1
(1)5)
(discrete表示变量不连续,frequency表示显示频数,normal加入正太分布曲线,xlabel设定x轴,1和5为极端值,
(1)为单位)
histogramprice,fractionnorm
(fraction表示y轴显示小数,除了frequency和fraction这两个选择之外,该命令可替换为“percent”百分比,和“density”密度;
未加上discrete就表示将price当作连续变量来绘图)
histogramprice,percentby(foreign)
(按照变量“foreign”的分类,将不同类样本的“price”绘制出来,两个图分左右排布)
histogrammpg,discreteby(foreign,col
(1))
(按照变量“foreign”的分类,将不同类样本的“mpg”绘制出来,两个图分上下排布)
histogrammpg,discretepercentby(foreign,total)norm
(按照变量“foreign”的分类,将不同类样本的“mpg”绘制出来,同时绘出样本整体的“总”直方图)
二变量图:
graphtwowaylfitpriceweight||scatterpriceweight
(作出price和weight的回归线图——“lfit”,然后与price和weight的散点图相叠加)
twowayscatterpriceweight,mlabel(make)
(做price和weight的散点图,并在每个点上标注“make”,即厂商的取值)
twowayscatterpriceweight||lfitpriceweight,by(foreign)
(按照变量foreign的分类,分别对不同类样本的price和weight做散点图和回归线图的叠加,两图呈左右分布)
twowayscatterpriceweight||lfitpriceweight,by(foreign,col
(1))
(按照变量foreign的分类,分别对不同类样本的price和weight做散点图和回归线图的叠加,两图呈上下分布)
twowayscatterpriceweight[fweight=displacement],msymbol(oh)
(画出price和weight的散点图,“msybol(oh)”表示每个点均为中空的圆圈,[fweight=displacement]表示每个点的大小与displacement的取值大小成比例)
twowayconnectedy1time,yaxis
(1)||y2time,yaxis
(2)
(画出y1和y2这两个变量的时间点线图,并将它们叠加在一个图中,左边“yaxis
(1)”为y1的度量,右边“yaxis
(2)”为y2的)
twowayliney1time,yaxis
(1)||y2time,yaxis
(2)
(与上图基本相同,就是没有点,只显示曲线)
graphtwowayscattervar1var4||scattervar2var4||scattervar3var4
(做三个点图的叠加)
graphtwowaylinevar1var4||linevar2var4||linevar3var4
(做三个线图的叠加)
graphtwowayconnectedvar1var4||connectedvar2var4||connectedvar3var4
(叠加三个点线相连图)
更多变量:
graphmatrixabcy
(画出一个散点图矩阵,显示各变量之间所有可能的两两相互散点图)
graphmatrixabcd,half
(生成散点图矩阵,只显示下半部分的三角形区域)
用auto数据集:
graphmatrixpricempgweightlength,halfby(foreign,totalcol
(1))
(根据foreign变量的不同类型绘制price等四个变量的散点图矩阵,要求绘出总图,并上下排列】=具)
其他图形:
graphboxy,over(x)yline(.22)
(对应x的每一个取值构建y的箱型图,并在y轴的0.22处划一条水平线)
graphbar(mean)y,over(x)
对应x的每一个取值,显示y的平均数的条形图。
括号中的“mean”也可换成median、sum、sd、p25、p75等
graphbara1a2,over(b)stack
(对应在b的每一个取值,显示a1和a2的条形图,a1和a2是叠放成一根条形柱。
若不写入“stack”,则a1和a2显示为两个并排的条形柱)
graphdot(median)y,over(x)
(画点图,沿着水平刻度,在x的每一个取值水平所对应的y的中位数上打点)
qnormx
(画出一幅分位-正态标绘图)
rcharta1a2a2
(画出质量控制R图,显示a1到a3的取值范围)
简单统计量的计算:
ameansx
(计算变量x的算术平均值、几何平均值和简单调和平均值,均显示样本量和置信区间)
meanvar1[pweight=var2]
(求取分组数据的平均值和标准误,var1为各组的赋值,var2为每组的频数)
summarizeyx1x2,detail
(可以获得各个变量的百分比数、最大最小值、样本量、平均数、标准差、方差、峰度、偏度)
***注意***
stata中summarize所计算出来的峰度skewness和偏度kurtosis有问题,与ECELL和SPSS有较大差异,建议不采用stata的结果。
summarizevar1[aweight=var2],detail
(求取分组数据的统计量,var1为各组的赋值,var2为每组的频数)
tabstatX1,stats(meannqmaxminsdvarcv)
(计算变量X1的算术平均值、样本量、四分位线、最大最小值、标准差、方差和变异系数)
概率分布的计算:
(1)贝努利概率分布测试:
webusequick
bitestquick==0.3,detail
(假设每次得到成功案例‘1’的概率等于0.3,计算在变量quick所显示的二项分布情况下,各种累计概率和单个概率是多少)
bitesti10,3,0.5,detail
(计算当每次成功的概率为0.5时,十次抽样中抽到三次成功案例的概率:
低于或高于三次成功的累计概率和恰好三次成功概率)
(2)泊松分布概率:
displaypoisson(7,6)
.44971106
(计算均值为7,成功案例小于等于6个的泊松概率)
displaypoissonp(7,6)
.14900278
(计算均值为7,成功案例恰好等于6个的泊松概率)
displaypoissontail(7,6)
.69929172
(计算均值为7,成功案例大于等于6个的泊松概率)
(3)超几何分布概率:
displayhypergeometricp(10,3,4,2)
.3
(计算在样本总量为10,成功案例为3的样本总体中,不重置地抽取4个样本,其中恰好有2个为成功案例的概率)
displayhypergeometric(10,3,4,2)
.96666667
(计算在样本总量为10,成功案例为3的样本总体中,不重置地抽取4个样本,其中有小于或等于2个为成功案例的概率)
检验极端值的步骤:
常见命令:
tabulate、stem、codebook、summarize、list、histogram、graphbox、graghmatrix
step1.用codebook、summarize、histogram、graphboxs、graphmatrix、stem看检验数据的总体情况:
codebookyx1x2
histogramx1,norm(正态直方图)
graphboxx1(箱图)
graphmatrixyx1x2,half(画出各个变量的两两x-y图)
stemx1(做x1的茎叶图)
可以看出数据分布状况,尤其是最大、最小值
step2.用tabulate、list细致寻找极端值
tabulatecodeifx1==极端值(作出x1等于极端值时code的频数分布表,code表示地区、年份等序列变量,这样便可找出那些地区的数值出现了错误)
listcodeifx1==极端值(直接列出x1等于极端值时code的值,当x1的错误过多时,不建议使用该命令)
listin-20/l(l表示lastone,-20表示倒数第20个样本,该命令列出了从倒数第20个到倒数第一个样本的各变量值)
step3.用replace命令替换极端值
replacex1=?
ifx1==极端值
去除极端值:
keepify<
1000
dropify>
对数据排序:
sortx
gsort+x
(对数据按x进行升序排列)
gsort-x
(对数据按x进行降序排列)
gsort-x,generate(id)mfirst
(对数据按x进行降序排列,缺失值排最前,生成反映位次的变量id)
对变量进行排序:
orderyx3x1x2
(将变量按照y、x3、x1、x2的顺序排列)
生成新变量:
genlogx1=log(x1)(得出x1的对数)
genx1`=exp(logx1)(将logx1反对数化)
genr61_100=1ifrank>
=61&
rank<
=100(若rank在61与100之间,则新变量r61_100的取值为1,其他为缺失值)
replacer61_100ifr61_100!
=1(“!
=”表示不等于,若r61_100取值不为1,则将r61_100替换为0,就是将上式中的缺失值替换为0)
genabs(x)(取x的绝对值)
genceil(x)(取大于或等于x的最小整数)
gentrunc(x)(取x的整数部分)
genround(x)(对x进行四舍五入)
genround(x,y)(以y为单位,对x进行四舍五入)
gensqrt(x)(取x的平方根)
genmod(x,y)(取x/y的余数)
genreldif(x,y)(取x与y的相对差异,即|x-y|/(|y|+1))
genlogit(x)(取ln[x/(1-x)])
genx=autocode(x,n,xmin,xmax)(将x的值域,即xmax-xmin,分为等距的n份)
genx=cond(x1>
x2,x1,x2)(若x1>
x2成立,则取x1,若x1>
x2不成立,则取x2)
gengx=group(n)(将经过排序的变量x分为尽量等规模的n个组)
egenzx1=std(x1)(得出x1的标准值,就是用(x1-avgx1)/sdx1)
egenzx1=std(x1),m(0)s
(1)(得出x1的标准分,标准分的平均值为0,标准差为1)
egensdx1=sd(x1)(得出x1的标准差)
egenmeanx1=mean(x1)(得出x1的平均值)
egenmaxx1=max(x1)(最大值)
egenminx1=min(x1)(最小值)
egenmedx1=med(x1)(中数)
egenmodex1=mode(x1)(众数)
egentotalx1=total(x1)(得出x1的总数)
egenrowsd=sd(x1x2x3)(得出x1、x2和x3联合的标准差)
egenrowmean=mean(x1x2x3)(得出x1、x2和x3联合的平均值)
egenrowmax=max(x1x2x3)(联合最大值)
egenrowmin=min(x1x2x3)(联合最小值)
egenrowmed=med(x1x2x3)(联合中数)
egenrowmode=mode(x1x2x3)(联合众数)
egenrowtotal=total(x1x2x3)(联合总数)
egenxrank=rank(x)(在不改变变量x各个值排序的情况下,获得反映x值大小排序的xrank)
数据计算器display命令:
displayx[12](显示x的第十二个观察值)
displaychi2(n,x)(自由度为n的累计卡方分布)
displaychi2tail(n,x)(自由度为n的反向累计卡方分布,chi2tail(n,x)=1-chi2(n,x))
dis