Stata统计分析命令.docx
《Stata统计分析命令.docx》由会员分享，可在线阅读，更多相关《Stata统计分析命令.docx（18页珍藏版）》请在冰豆网上搜索。
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：
stata11.0，在命令窗口输入“finditwinsor”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：
winsorvar1,gen（newvar）p（0.01）
或者在命令窗口中输入：
sscinstallwinsor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：
http:
//personal.anderson.ucla.edu/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：
winsorizeJvar1var2var3,suffix（w）即可，这样会生成三个新变量，var1wvar2wvar3w，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：
winsorizeJvar1var2var3,suffix（w）cuts（595）。
3、Excel中的极端值处理：
（略）
winsor2命令使用说明
简介：
winsor2winsorizeortrim（iftrimoptionisspecified）thevariablesinvarlistatparticularpercentilesspecifiedbyoptioncuts（##）.Indefult,newvariableswillbegeneratedwithasuffix"_w"or"_tr",whichcanbechangedbyspecifyingsuffix（）option.Thereplaceoptionreplacesthevariableswiththeirwinsorizedortrimmedones.
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：
*-winsorat（p1p99）,getnewvariable"wage_w"
.sysusenlsw88,clear
.winsor2wage
*-left-trimmingat2thpercentile
.winsor2wage,cuts（2100）trim
*-winsorvariablesby（industrysouth）,overwritetheoldvariables
.winsor2wagehours,replaceby（industrysouth）
使用方法:
1.请将winsor2.ado和winsor2.sthlp放置于stata12\ado\base\w文件夹下；
2.输入helpwinsor2可以查看帮助文件；
二、描述性统计
1、summarize
命令格式：
su、sum或者summarize[varlist][if][in][weight][,options]
如果summarize或sum后不加任何变量，则默认对数据中的所有变量进行描述统计
options选项：
detail表示产生更加详细的统计变量
Separator（n）表示每n个变量画一条分界线，n=0表示禁止使用分界线
Summarize描述统计输出表中包含：
样本容量、平均数、标准差、最小值和最大值
2、tabstat
命令格式：
tabstat[varlist][if][in][weight][,options]
options选项：
stat（statname）表示设定所需要的统计量
col（stat）或c（s）表示将结果报表转置
统计量：
mean：
平均数count/n：
观测值数目sum：
加总
max/min：
最大值/最小值range：
极差sd：
标准差cv：
变异系数semean：
平均标准误差skewness：
偏度var：
方差
kurtosis：
峰度median/p50：
中位数p#：
#%百分位数
例如：
tabstat[varlist],stat（countmeansdmedianminmaxrange）col（stat）
3、描述性统计结果输出到word或Excel
用sum做的描述性统计：
logout,save（miaoshutongji）wordreplace:
sum
用tabstat做的描述性统计：
logout,save（miaoshutongji）wordreplace:
tabstat[varlist],stat（countmeansdmedianminmaxrange）col（stat）
分组描述：
bysortvar:
三、相关性分析
（一）相关性分析
1、Pearson相关系数命令格式：
correlate（简写：
cor或corr）[varlist][if][in][weight][,options]
2、spearman相关系数命令格式：
spearman[varlist],stats（rhop）
3、在Stata中，命令corr用于计算一组变量间的协方差或相关系数矩阵；
4、命令pwcorr可用于计算一组变量中两两变量的相关系数，同时还可以对相关系数的显著性进行检验；option选项中加上sig可显示显著性水平：
pwcorr[varlist],sig
5、命令pcorr用于计算一组变量中两两变量的偏相关系数并进行显著性检验。
6、Spearman和Pearson检验同在一个表的命令：
corrtbl[varlist],corrvars（[varlist]）
输出结果中，上三角为Spearman相关系数和显著水平，下三角为Pearson系数和显著水平。
（二）输出相关系数表到word或Excel中
例如：
logout,save（mytable）wordreplace:
pwcorr_apricempgrep78headroomtrunk,star1（0.01）star5（0.05）star10（0.1）
四、截面数据单方程线性回归模型的Stata实现
命令格式：
regress（简写：
reg）depvarindepvars[if][in][weigh][option]
（depvar表示因变量，indepvars表示自变量）
五、异方差的检验与处理
1、检验异方差命令格式：
hettest
2、判断异方差的标准：
看P值的大小来判断，如果P值小于0.05，则不能排除异方差的可能，上图中P值等于0.4584>0.05，因此，可以排除异方差的可能性。
3、处理异方差命令格式：
在reg命令后加上“,r”或者“,robust”即可。
经异方差处理后的回归不显示调整后的R2（adj-R2），如果要查看调整后的R2，再输入命令：
die（r2_a）
六、多重共线性（自变量之间高度相关）命令格式：
vif
（一）判断多重共线性的标准（两个标准必须同时满足）：
1、最大的vif大于10；
2、平均的vif大于1。
（二）多重共线性的修正
1、采用逐步回归进行修正，命令格式：
swregdepvarindepvar,pr（0.05）
2、对于含二次项的，使用“对中”的方法，既可以保留二次项，又可以在一定程度上克服多重共线性的问题：
先定义两个变量，分别为该变量减去其均值和该变量的平方，命令如下：
sumvar
genvar1=var-r（mean）
genvar2=var^2
再用新变量代替原来的变量进行回归处理
七、内生性的检验与处理（内生性是指自变量与误差项之间有关系）
1、内生性的检验：
ovtest
看P值的大小来判断，如果P值小于0.05，则不能排除内生性的可能，上图中P值等于0.4717>0.05，因此，可以排除内生性的可能。
2、内生性的处理：
使用工具变量法：
ivreg
内生性的三个来源：
测量误差、遗漏变量和双向因果。
1、变量的内生性。
这个是没有办法单独检验的。
当有合适工具变量时候，是可以检验的，就是hausman检验
2、工具变量的外生性。
这个也是没办法检验的。
当有很多工具变量时候，可以检验是否有不是外生的，就是“过度识别”问题
3、工具变量的相关性。
这个可以说成是“弱工具变量”问题，检验可以通过一阶段的F值。
还可以利用PartialR2。
4、估计方法
stata里面有这么几个2sls，2slssmal、liml、gmm，各自适用情况：
small适合小样本；liml适合弱工具变量；gmm适合异方差。
【例子】
webusehsng2
*Fitaregressionvia2SLS,requestingsmall-samplestatistics
ivregress2slsrentpcturban（hsngval=faminciregion）,small
*FitaregressionusingtheLIMLestimator
ivregresslimlrentpcturban（hsngval=faminciregion）
*FitaregressionviaGMMusingthedefaultheteroskedasticity-robustweightmatrix
ivregressgmmrentpcturban（hsngval=faminciregion）
*FitaregressionviaGMMusingaheteroskedasticity-robustweightmatrix,requestingnonrobuststandarderrors
ivregressgmmrentpcturban（hsngval=faminciregion）,vce（unadjusted）
*检验
estatafirststage,allforcenonrobust\\\可以查看第一阶段F值，已经partialR2
estatoverid\\\查看是否过度识别
estatendogenous\\\查看是否异方差
regress2slsrentpcturbanhsngval
eststorem1
ivregress2slsrentpcturban（hsngval=faminciregion）
eststorem2
hausmanm1m2\\\内生检验
八、线性方程组的回归分析
命令格式：
sureg（depvar1varlist1）（depvar2varlist2）…（depvarNvarlistN）[if][in][weigh]
九、联立方程组
命令格式：
reg3（depvar1varlist1）（depvar2varlist2）…（depvarNvarlistN）[if][in][weigh]
十、面板数据的固定效应和随机效应
Xtset
固定效应命令格式：
xtregdepvarindepvars[if][in],fe[FE_options]
随机效应命令格式：
xtregdepvarindepvars[if][in],re[FE_options]
hausman检验固定效应还是随机效应？
【例子】
xtregyvar1var2var3，fe
eststorefe
xtregyvar1var2var3，re
eststorere
hausmanfere,sigmamore
hausmanfere,sigmaless
*sigmamore利用有效估计量方差，即re
*sigmaless利用一致估计量方差，即fe
十一：
Stata回归结果的导出
1、在命令窗口中输入：
sscinstallesttab，安装命令esttab
2、reg回归
3、esttabusingfilename.rtf将以word形式输出回归结果，后缀改成.xls或者.csv则以Excel格式输出，输出内容为变量名称和相应的回归系数，t值，显著性水平标识。
系统默认显著性水平是0.001，0.01和0.05，若要改成0.01，0.05和0.1，则输出esttabm1m2usingaaa.rtf,star（*0.10**0.05***0.01）。
4、批量输出回归结果：
每运行一个regression，存起来：
eststorem1。
m1是你要改的，第一个model所以我叫m1，第二个的话指令就变成eststorem2，依次类推，最后运行指令：
esttabm1m2...usingtest.rtf。
esttabm11111usingaaaaa.rtf,star（*0.10**0.05***0.01）b（%6.4f）
5、outreg2可以将回归结果导入word、excle、latex等，而且可以根据自己需要改变格式：
sscinstalloutreg2
useauto,clear
[varlist]
eststorem1
outreg2[m1]usingtest.doc,replace
十二、合并样本（将关键词相同的多个样本合并为一个）
命令格式：
duplicatesdropvarlist,force
例如将同一企业在同一天发生的多起并购合为一起，可根据证券代码和公告日期关键词，将其合并，命令：
duplicatesdropcompany_idevent_date,force
十三、均值t检验
命令格式：
ttestCAR1==CAR2,unpaired
十四、中位数Z检验（非参数Wilcoxon秩和检验）
命令格式：
ranksumvar,by（groupvar）
groupvar为分组变量
十五、检验两组均值的显著性差异，在t检验的后面数值上面加星号
可以用ttest命令执行检验，它会直接报告星号。
亦可采用外部命令meantab执行检验，自己根据t值大小标注星号。
helpmeantab//这个最好用
sysusenlsw88,clear
meantabcollgradwagehoursttl_exptenure,///
over（union）tstatdiffnoncells
另有一个李春涛老师编写的命令，可以直接标注星号：
finditttable//多变量，两组差异
十六、删除有缺失值的样本
egenmis=rowmiss（_all）
dropifmis
条件语句：
cond
例如：
cond（missing（x）,.,cond（x>2,50,70））returns.ifxismissing,returns50ifx>2,andreturns70ifx<2
十七、中心化处理与标准化处理
1、安装命令：
finditcenter
2、中心化：
centervarlist（注：
生成的新变量默认加前置”c_”，可一次对多个变量进行处理）
或：
centervar,g（newvar）（注：
只能对一个变量进行中心化，并生成给定名称的新变量）
3、标准化：
centervarlist,prefix（z_）standardize（注：
生成的新变量加前置”z_”，可多个，可更改）
十八、恢复数据命令
preserve（处理数据前使用该命令，否则没有数据可恢复）
dropvar1-var100（处理数据）
restore（恢复数据）
十九、genicv产生交叉项
【问题】
有时候，想生成很多交叉项，但是又不愿意一个一个写。
有时候，想看一个交叉项，但是又不愿意生成。
【方法】
genicv可以一键生成很多交叉项
##可以直接表示交叉项。
【例子】
sscinstallgenicv
sysuseauto,clear
genicvlengthweightforeign//会生成4个交叉项，所有可能情况，并且有label
regpricelengthweightlength_weight
*如果不愿意生成，直接用
regpricec.length##c.weight\\\和上面回归一样一样的
二十、用stata统计变量的个数，但是要去掉重复的部分
bysid:
gn=_n
countifn==1
二十一、stata中的主成分分析法
1、首先，需要对变量进行哪些检验？
KMO？
还有什么？
KMO检验结果符合什么条件才能继续进行主成分分析？
答：
首先使用KMO检验和SMC检验。
KMO的判断为，UsingtheKaiser（1974）characterizationofKMOvalues,
0.00to0.49unacceptable
0.50to0.59miserable
0.60to0.69mediocre
0.70to0.79middling
0.80to0.89meritorious
0.90to1.00marvelous
SMC即一个变量与其他所有变量的复相关系数的平方，也就是复回归方程的可决系数。
SMC比较高表明变量的线性关系越强，共性越强，主成分分析就越合适。
命令是
estatkmo
estatsmc
确定是否需要进行主成分分析。
如果有些KMO或者SMC值太小，则要考虑要不要将它们放入主成分中。
然后进行主成分回归。
使用命令为：
pcavarlist（不清楚就helppca）
2、例如，对Y的5各指标执行了命令pcay1y2y3y4y5得出结果方差贡献率（proportion）就是权重吗？
答：
不是。
假如设定方差贡献率为95%，那么，累积方差超过95%的那几个特征值、所对应的特征变量，就是权重。
3、看有的帖子上回复说，需要接着执行predicty1y2y3y4y5,score，这是为了得到每个指标的主成分得分吗？
为什么我执行了一下，只生成了一个y1,别y2、y3、y4、y5都没生成呢
答：
直接“predicty1-y4”就可以。
生成的四个就是得分。
4、不知道你要问什么？
总之，主成分的步骤为
1、先通过KMO检验和SMC检验确定是否需要主成分分析
2、进行主成分分析，通过累计贡献率确定需要的哪几个主成分
3、根据情况看是否需要rotate
4、通过predict进行得分。
或者通过scoreplot看得分分布图。
二十二、将一般的数据转化为面板数据
原数据的形式（excel中）是：
2008一张sheet，2009一张sheet。
。
。
。
。
即：
然后改成这样的数据形式是：
粘贴在stata里就是这样的形式（注意：
变量名字一定要改）：
其中Y为因变量，可以是很多个，X1、X2为自变量，也可以是很多个，stata中的变量名依次为：
id、Y2008、Y2009、Y2010、X12008、X12009、X12010、X22008、X22009、X22010
在stata中输入命令：
reshapelongYX1X2,i（id）j（year）回车即可，变为：
二十三、关于数值型转换为字符型的问题
1、股票代码导入STATA后都变成数值型，现想用tostring命令变回字符型，但长度小于6位的代码，在变回字符型后在前面补够不足6位的0。
方法：
formatvariable%06s
这只是在显示上补充了0，没有在值上补充。
以下可以改变x的值：
replacex=substr（"000000"+x,-6,6）
2、将一个12位的数值转换为字符，再从字符里提取前五个字符。
转成字符后以科学计数法显示，提取前五位数是提取的科学计数法的前五位，如将110102002016转成字符后显示为1.10e+11，提取时提的是“1.10e”而不是我想要的“11010”
gy=substr（string（x,"%12.0f"）,1,5）
3、将字符型转化为数值型命令为：
destringvar,replace（转换后替换原来的值）
若字符型中含其他符号并要生成新变量则用：
destring varlist, gen（newvarlist） ignore（“$ ,%”）
二十四、分组
均分四组：
sortvar
xtileprop=var,nq（x）（括号中的x代表分成的group数）
例如：
sortinsto_ma
xtileprop=insto_ma,nq（4）//以insto_ma的四分位点分成四组
sortpropinsto_msd
egenstdI=xtile（insto_msd）,by（prop）nq（4）//按prop，以insto_msd的四分位点分成四组
二十五、估计残差
做完回归后，使用命令predicte,r
排列组合计算
：
dicomb（3,2）,dicomb（4,2）
取整：
1.ceil（x），returnstheuniqueintegernsuchthatn-12.floor（x）,returnstheuniqueintegernsuchthatn<=x3.int（x）,returnstheintegerobtainedbytruncatingxtoward0;thus,int（5.2）=5，int（-5.8）=-5，returnsx（not“.”）ifxismissing,meaningthatint（.a）=.a。
Onewaytoobtaintheclosestintegertoxisint（x+sign（x）/2）,whichsimplifiestoint（x+0.5）forx0.However,useoftheround（）functionispreferred
任何两种软件之间的数据转换，
升级会员 