STATA实用学习笔记doc.docx
《STATA实用学习笔记doc.docx》由会员分享，可在线阅读，更多相关《STATA实用学习笔记doc.docx（45页珍藏版）》请在冰豆网上搜索。
STATA实用学习笔记doc
STATA实用学习笔记
北京科技大学
STATA应用
学习摘录
内存为空时才可以导入数据集，否则会出现（youmuststartwithanemptydataset）
（1）清空内存中的所有变量：
.drop_all
（2）导入语句后加入“clear”命令。
一、保存文件
1、save“C:
\DocumentsandSettings\Administrator\桌面\ST9007\dataset\Fees1.dta”
2、save“C:
\DocumentsandSettings\Administrator\桌面\ST9007\dataset\Fees1.dta”,replace
二、打开及退出已存文件use
1、.Use文件路径及文件名,clear
2、.Drop_all/.exit
三、记录命令和输出结果（log）
1、开始建立记录文件：
logusing"J:
\phd\output.log",replace
2、暂停记录文件：
logoff
3、重新打开记录文件：
logon
4、关闭记录文件：
logclose
十一、创建和保存程序文件：
（doedit,do）
1、打开程序编辑窗口：
doedit
2、写入命令
3、保存文件，.do.
4、运行命令：
.do程序文件路径及文件名
十二、多个数据集合并为一个数据集（变量和结构相同）纵向合并append
insheetusing"J:
\phd\Fees1.csv",clear
save"J:
\phd\Fees1.dta",replace
insheetusing"J:
\phd\Fees2.csv",clear
appendusing"J:
\phd\Fees1.dta"
save"J:
\phd\Fees1.dta",replace
十三、横向合并，在原数据集基础上加上另外的变量merge
1、insheetusing"J:
\phd\Fees1.csv",clear
sortcompanyidyearend
save"J:
\phd\Fees1.dta",replace
describe
insheetusing"J:
\phd\Fees6.csv",clear
sortcompanyidyearend
mergecompanyidyearendusing"J:
\phd\Fees1.dta"
save"J:
\phd\Fees1.dta",replace
describe
2、_merge==1obs.Frommasterdata
_merge==2obs.Fromusingdata
_merge==3obs.Frombothmasterandusingdata
十四、帮助文件：
help
1、.Helpdescribe
十五、描述性统计量
1、summarizeincorporationyear单个
summarizeincorporationyear-big6连续多个
summarize_allorsimplysummarize所有
2、更详细的统计量
summarizeincorporationyear,detail
3、centile
centileauditfees,centile（0（10）100）
centileauditfees,centile（0（5）100）
4、tabulate不同类型变量的频数和比例
tabulatecompanytype
tabulatecompanytypebig6,column按列计算百分比
tabulatecompanytypebig6,row按行计算百分比
tabcompanytypebig6ifcompanytype<=3,rowcol同时按行列和条件计算百分比
5、计算满足条件观测的个数
countifbig6==1
countifbig6==0|big6==1
6、按离散变量排序，对连续变量计算描述性统计量：
（1）bycompanytype,sort:
summarizeauditfees,detail
（2）sortcompanytype
Bycompanytype:
summarizeauditees
十六、转换变量
1、按公司类型将公开发行股票公司赋值为1，其他为0
genlisted=0
replacelisted=1ifcompanytype==2
replacelisted=1ifcompanytype==3
replacelisted=1ifcompanytype==5
replacelisted=.ifcompanytype==.
十七、产生新变量gen
Generatenewvar=表达式
十八、数据类型
1、数值型
Storagetype
Bytes
Min
Max
byte
1
-127
+100
int
2
-32,767
+32,740
long
4
-2,147,483,647
2,147,483,620
float
4
-1.70141173319*1038
1.70141173319*1036
double
8
-8.9884656743*10307
8.9884656743*10308
2、字符型
Storagetype
Bytes
Maxlength（characters）
str1
1
1
str2
2
2
…
str80
80
80
3、新建变量的过程中定义数据类型
●genstr3gender="male"
●listgenderin1/10
4、变量所占字节过长
●dropgender
●genstr30gender="male"
●browse
●describegender
●compressgender
5、日期数据类型：
%ddates,whichisacountofthenumberofdayselapsedsinceJanuary1,1960。
（1）date（日期变量）
●genfye=date（yearend,"MDY"）MDY应根据前面日期的排列顺序而定，结果显示的是距离1960年1月1日的天数
●listyearendfyein1/10
（2）日期格式化%d（显示fye变量为日期形式，但数值并未真正变动）：
●formatfye%d
●listyearendfyein1/10
●sumfye
（3）利用日期天数求对应的年、月、日
●genyear=year（fye）
●genmonth=month（fye）
●genday=day（fye）
●listyearendfyeyearmonthdayin1/10
（4）将三个分别表示年、月、日的变量合并为一个日期变量
●dropfye
●genfye=mdy（month,day,year）
●formatfye%d
●listyearendfyein1/10
（5）将一个数值型的时间数据（20080131）转变为ST可识别的时间数据
●genyear=int（date/10000）
●genmonth=int（（date-year*10000）/100）
●genday=date-year*10000-month*100
●listdateyearmonthdayin1/10
●genedate=mdy（month,day,year）
●formatedate%d
●listedatedatein1/10
十九、存贮统计量的内部变量R（）
●sumauditfees
●genmeanadjaf=auditfees-r（mean）
●listmeanadjafin1/10
SUM命令后常见的几种R（）值
r（N）
Numberofcases
r（sd）
Standarddeviation
r（sum_w）
Sumofweights
r（min）
Minimum
r（mean）
Arithmeticmean
r（max）
Maximum
r（var）
Variance
r（sum）
Sumofvariable
显示这些变量值的命令
●sumauditfees,detail
●returnlist
二十、recode命令（PPT61）
1、产生有多个值的变量的哑变量recode
recodeyear（min/1999=0）（2000/max=1）,gen（yeardum）
min/1999表示小于等于1999的值全部赋值为0
2000/max表示大于等于2000的值全部赋为1。
2、对一个连续变量按一定值分为不同间隔的组recode
genassets_categ=recode（totalassets,100,500,1000,5000,20000,100000,1000000）。
分组的值为每组的上限，包含该值。
sortassets_categ
byassets_categ:
sumtotalassetsassets_categ
3、对一个连续变量按一定值分为相同间隔的组autocode
autocode（variablename,#ofintervals,minvalue,maxvalue）
forexample:
genassets_categ=autocode（totalassets,10,0,10000）
4、对一个连续变量按每组样本数相同进行分组：
xtile
xtileassets_categ=totalassets,nquantiles（10）
每组样本不一定完全相同
二十一、一次性计算同一变量不同组别的均值：
egen命令
按公司类型先排序，再计算每一类型公司审计费用的均值并赋值给新变量：
bycompanytype,sort:
egenmeanaf2=mean（auditfees）
●count（）
●mean（）
●median（）
●sum（）
二十二、_n和_N命令
1、显示每个观测的序号并显示总观测数
sortcompanyidfye
capturedropx
genx=_n
capturedropy
geny=_N
listcompanyidfyexyin1/30
2、分组显示每个组中变量的序号和每组总的样本数
●capturedropxy
●sortcompanyidfye
●bycompanyid:
genx=_n
●bycompanyid:
geny=_N
●listcompanyidfyexyin1/30
3、创建新变量等于每个分组中变量的第一个值或最后一个值
●sortcompanyidfye
●bycompanyid:
genauditfees_first=auditfees[1]
●bycompanyid:
genauditfees_last=auditfees[_N]
●listcompanyidfyeauditfeesauditfees_firstauditfees_lastin1/30
4、创建新变量等于滞后一期或滞后两期的值
●sortcompanyidfye
●bycompanyid:
genauditfees_lag1=auditfees[_n-1]
●bycompanyid:
genauditfees_lag2=auditfees[_n-2]
●listcompanyidfyeauditfeesauditfees_lag1auditfees_lag2in1/30
二十三、转变数据集结构：
reshape
不同数据库的数据集结构不同：
长型是指同一公司不同年度数据在不同的行。
宽型数据是指同一数据不同年度数据在现一行。
二者间的转换可通过reshape命令来实现。
需要注意的是，在转换过程中对数据集是有要求的，一个公司只能有一个年度数据，否则会出错。
1、长型转换为宽型：
reshapewideyearendincorporationyearcompanytypesalesauditfeesnonauditfeescurrentassetscurrentliabilitiestotalassetsbig6fye,i（companyid）j（year）
2、宽型转换为长型：
reshapelongyearendincorporationyearcompanytypesalesauditfeesnonauditfeescurrentassetscurrentliabilitiestotalassetsbig6fye,i（companyid）j（year）
3、第二次转换时命令可简化：
●reshapewide
●reshapelong
二十四、计算CAR的例子：
已知股票日回报率，市场回报率，事件日，计算窗口期为三天的CAR。
1、定义三天的窗口期：
●sorttickeredate
●genwindow=0ifeventdate<.（事件日为0）
●replacewindow=-1ifwindow[_n+1]==0&ticker==ticker[_n+1]
●replacewindow=1ifwindow[_n-1]==0&ticker==ticker[_n-1]
2、计算AR和CAR
●genar=ret-vwretd
●gencar=ar+ar[_n-1]+ar[_n+1]ifwindow==0&ticker==ticker[_n+1]&ticker==ticker[_n-1]
3、检验
●listtickeredateretvwretdarcarwindowifwindow<.
二十五、means的T检验：
1、检验总体上big6的审计收费有无显著不同
●use"J:
\phd\Fees.dta",clear
●genlnaf=ln（auditfees）
●bybig6,sort:
sumlnaf
●testlnaf,by（big6）
2、分年度比较big6的审计收费有无显著不同,加入byyear命令。
●genfye=date（yearend,"MDY"）
●formatfye%d
●genyear=year（fye）
●sortyear
●byyear:
ttestlnaf,by（big6）
3、均值等于特定值得的T检验：
●sumlnaf
●ttestlnaf=2.1
二十六、meadian的显著性检验：
1、获取中位数的命令：
bybig6,sort:
sumlnaf,detail
bybig6,sort:
centilelnaf
2、中位数检验：
●medianlnaf,by（big6）
●ranksumlnaf,by（big6）
二十七、列联表检验：
1、创建列联表的命令：
●tabulatecompanytypebig6,row
第一个变量是表的最左侧一列的项目，第二个变量是表的第一行的项目。
2、两变量之间的相关性检验：
chi2
tabulatecompanytypebig6,chi2row
3、相关矩阵：
pwcorrlnafbig6yearlisted
4、列出相关矩阵并进行符号检验
pwcorrlnafbig6yearlisted,sig
5、在矩阵中列出观测数
●pwcorrlnafbig6listedifyear==2000,sigobs
二十八、创建一个不包含缺失值的数据集
1、无缺失值的变量值为1，至少有一个的为0
gensamp=1iflnaf<.&big6<.&year<.&listed<.
2、缺失值的变量值表示同一行中缺失值的个数
egenmiss=rmiss（lnafbig6yearlisted）
summiss,detail
二十九、图形
1、直方图
●histogramincorporationyear,width
（1）
●histogramincorporationyear,bin（147）
width表示分一小份的宽度。
bin表示分成的份数。
改变宽度值可以使图像看起来更合适。
●选择起始点和间隔宽度：
histlnafiflnaf>=0&lnaf<=5,width（0.25）
●选择描述横轴和纵轴的单位和数据标识：
histlnafiflnaf>=0&lnaf<=5,width（0.25）xlabel（0（0.5）5）
●是否与正态分布一致：
histlnafiflnaf>=0&lnaf<=5,width（0.25）normal
2、散点图（scatter）
●scatterlnaflnta
第一个变量是纵轴，第二个变量是横轴。
●twoway（scatterlnaflnta,msize（tiny））（lfitlnaflnta）
在散点图上加入最适合的一条直线。
三十、缩尾处理winsor
.winsorrev,gen（wrev）p（0.01）0.01代表去掉的百分数。
Winsorrev,gen（wrev）h（5）,5代表去掉的个数
第二章线性回归
内容简介：
Ø2.1Thebasicideaunderlyinglinearregression
Ø2.2SinglevariableOLS
Ø2.3Correctlyinterpretingthecoefficients
Ø2.4Examiningtheresiduals
Ø2.5Multipleregression
Ø2.6Heteroskedasticity
Ø2.7Correlatederrors
Ø2.8Multicollinearity
Ø2.9Outlyingobservations
Ø2.10Medianregression
Ø2.11“Looping”
2.1Thebasicideaunderlyinglinearregression
1．残差
F为真实值，为预测值，ε为残差。
OLS回归就是使残差最小。
2.基本一元回归
regressyx
3．回归结果的保存
回归结果的系数保存在_b[varname]内存变量中，常数项的系数保存在（_cons）内存变量中。
4、预测值及残差
●predictyhat
●predictyres,resid
yres即为真实值得与预测值之差。
5、残差与X的散点图
twoway（scattery_resx）（lfity_resx）
6、衡量估计系数准确程度：
标准误差。
用样本的标准偏差与系数之间的关系来衡量即T值（用系数除以标准差），同时P值是根据T值的分布计算出来的，表示系数落入标准对应上下限的可能性。
前提是残差符合以下假设：
同方差：
Homoscedasticity（i.e.,theresidualshaveaconstantvariance）
独立不相关：
Non-correlation（i.e.,theresidualsarenotcorrelatedwitheachother）
正态分布：
Normality（i.e.,theresidualsarenormallydistributed）
7、回归结果包含的一些内容的意思
●各变差的自由度：
ØFortheESS,df=k-1wherek=numberofregressioncoefficients（df=2–1）
ØFortheRSS,df=n–kwheren=numberofobservations（=11-2）
ØFortheTSS,df=n-1（=11–1）
●MS：
变差除以自由度：
Thelastcolumn（MS）reportstheESS,RSSandTSSdividedbytheirrespectivedegreesoffreedom
●R平方：
TheR-squared=ESS/TSS
●调整的R平方：
AdjR-squared=1-（1-R2）（n-1）/（n-k），消除了加入相关度不高解释变量后R平方增加的不足。
●RootMSE=squarerootofRSS/n-k：
模型的平均解释能力
●TheF-statistic=（ESS/k-1）/（RSS/n-k）：
模型的总解释能力
2.3Correctlyinterpretingthecoefficients
1、假如想检验big6的审计费用在公开发行和非公开发行公司之间的区别时，可用交互变量。
Big6*listed.
2、变量回归系数的解释
（1）对连续变量系数的解释：
估计系数的经济意义是指X对Y的影响，可以有不同的方法来衡量：
一种是用X从25%变动到75%时Y的变动量。
或X变动一个标准差时Y的变动。
●regauditfeestotalassets
●sumtotalassetsifauditfees<.,detail
●genfees_low=_b[_cons]+_b[totalassets]*r（p25）
●genfees_high=_b[_cons]+_b[totalassets]*r（p75）
●sumfees_lowfees_high
（2）对非连续变量的解释
一般使用0和1，而不是百分比。
●reglnafbig6
●genfees_nb6=exp（_b[_cons]）
●genfees_b6=exp（_b[_cons]+_b[big6]）
●sumfees_nb6fees_b6
2.4Examiningtheresiduals
1、报告结果时，不仅用R平方来衡量显著性，而且需要报告其他统计结果：
●istheresignificantheteroscedasticity?
●isthe
升级会员 