完整wordStata统计分析命令.docx

完整wordStata统计分析命令.docx

《完整wordStata统计分析命令.docx》由会员分享，可在线阅读，更多相关《完整wordStata统计分析命令.docx（13页珍藏版）》请在冰豆网上搜索。

完整wordStata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—1

returnsx（not“。

"）ifxismissing,meaningthatceil（.a）=。

a

2。

floor（x），returnstheuniqueintegernsuchthatn〈=x〈n+1,returnsx（not“。

”）ifxismissing，meaningthatfloor（。

a）=。

a

3.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