实验目的.docx
《实验目的.docx》由会员分享，可在线阅读，更多相关《实验目的.docx（18页珍藏版）》请在冰豆网上搜索。
实验目的
实验一
【实验目的】
1.在分析数据的过程中，加深对计量经济学相关知识的理解。
2.学会使用Stata软件处理数据，利用经济知识分析，理解数据处理所得结果。
【实验数据】
CEOSAL1.DTA
WAGE1.DTA
meap01.DTA
bwght2.DTA
JTRAIN.DTA
与J.M.伍德里奇的《计量经济学导论》中的习题相配套的数据
【实验步骤】
（一）将用到的Stata函数及其用法
1.cd指定默认工作文件夹。
在使用Stata命令的时候，会直接引用相应的数据文件名，此时该数据文件所在的文件夹就是默认的工作文件夹。
指定默认文件夹的格式为：
cd[“]默认文件夹路径名[“]
注：
引号可以省去（以下遇到相同的情况不再赘述）；默认文件夹路径名中不能出现汉字。
2.use选定需要处理的数据文件。
Stata中的命令大多都是对数据进行操作，在操作之前，需要选定相应的数据文件。
use的调用格式为：
use[“]数据文件名[“]
注：
（1）在未指定默认工作文件夹时，use后面的数据文件名可以替换为数据文件路径即：
执行命令:
.use"e:
\Stata\Documents\Lab1\wage1"
执行命令:
.cde:
\Stata\Documents\Lab1后再执行.usewage1
上述命令达到的效果是一样的。
（2）Stata只能同时对一个数据文件进行处理分析，因此在更换被处理数据文件之前，要从Stata系统中清楚原数据文件，命令为clear
3.generate根据现有变量建立新的变量。
generate的调用格式为：
generate新变量名=新变量的表达式
注：
建立新的变量必须以现有变量为基础。
4.display计算数值表达式之后再显示数值。
display的调用格式为：
display数值表达式
5.tabulate对制定的变量进行频数统计。
这是简单的描述性统计，进行频数统计的对象可以是一个变量，也可以是两个变量。
tabulate的调用格式为：
tabulate变量名1[变量名2]
注：
（1）在对两个变量进行频数统计时，变量名之间要用空格隔开；例如：
.tabulatewagefemale
（2）变量名的位置不允许互换，不同的位置对应的是不同的含义。
上述命令的含义是对wage进行频数统计，并将统计的结果按性别分类。
将wage与female位置互换就变成了对性别作频数统计，按工资分类
（3）注意变量名与数据文件名之间的差别。
6.summarize给出变量的样本量，平均数，标准差，最大值，最小值。
同样也是一个简单的描述统计的命令。
summarize的调用格式为：
summarize变量名[,d]
注：
在变量名之后加d可以得到更多的信息，如第四最大（小）值到最大（小）值，百分位数，偏度系数，峰度系数等
示例：
Variables
样本量
均值
标准差
最小值
最大值
Varname
—
—
—
—
—
7.correlate计算变量之间的相关系数。
correlate的调用格式为：
correlate变量名1[变量名2[变量名3[……]]]
注：
计算相关系数不仅限于计算两个变量之间的相关系数，也可以计算多个变量之间的相关系数
8.regress对给出的变量作回归。
regress的调用格式为：
regress因变量自变量
注：
自变量也可以是多个，得到的结果中包括方差分解，整体显著性检验的F统计量及相应的p值，R^2，调整后的R^2，MSE的平方根（亦即对σ的估计），系数估计，系数估计的标准差，t值，显著性检验的p值，置信区间。
回归的示例：
Sourse
SS
df
MS
Model
SSE
k
SSE/k
Residual
SSR
n-k-1
SSR/（n-k-1）
Total
SST
n-1
Coefficient
StandardError
t值
双尾检验
置信区间
DependentVariables
—
—
—
IndependentVariables
—
—
—
Intercept
—
—
—
9.predict根据Stata系统最近的一次回归中的相关变量，可以计算该回归中的因变量估计值，残差等。
predict的调用格式为：
predict新变量名[,参数]
注：
（1）predict计算因变量估计值（残差）时，是根据自变量及回归中得到的截距，相关系数计算的，是一个新的变量，需要被赋予一个新的变量名；
（2）计算估计值是的参数是xb，计算残差时的参数项是res。
参数不限于上面给出的两个；（3）不同的参数有不同的作用。
在help里面可以找到。
10.其他
sort对sort后面给定的变量升序排列。
调用格式为：
sortvarlist
label对变量作注释调用格式为：
labelvariable变量名“label”
_b[]内存中变量的引用。
具体见：
help_b[]
_cons直接使用时，_cons=1;_b[_cons]指最近的一次回归中得到的截距项。
具
体见：
help_b[]
在此次上机课程中将用到的函数及其用法基本就是以上这些了。
上述列举出的都是基本功能，上述的命令都有其扩展用法，具体的可以参见Stata中的help文件。
以后介绍函数的调用方式时，将采用help文件中的相关缩写，如变量名，缩写为varname等
（二）Stata命令的基本格式
处理和分析数据的命令构成Stata命令的主体。
它们可实现各种各样的功能，但大体具有如下的格式：
[byvarlist1:
]command[varlist2][ifexp][inrange][,options]
其中：
[byvarlist1:
]表示按一组变量（由varlist1指定）分组；分组之前，注意对整个数据变量按varlist1排序（sort）；
command[varlist2]表示命令是针对由varlist2指定的变量；
[ifexp]表示命令只针对满足exp（一般是一个逻辑表达式）的观测；
[inrange]表示命令只针对处在range指定的范围内的观测，如in5指执行的范围是第5个观测，in-5指执行的范围是倒数第5个观测，in5/12指执行的范围是从第5到第12个观测；
[,options]是命令特有的一些选项，根据情况和需要而定，Stata的强大功能主要就体现在这些选项上，选项的使用非常精细和讲究，使用时既要依据个人的经验，也要参看Stata的帮助系统或工具手册。
这个部分可以参见Stata的help文件，其中有详细的介绍。
[ifexp]极大地体现了Stata的灵活性。
逻辑表达式exp一般由以下成分构成：
■变量名
■数字，字符，表示缺失值的“.”
■关系运算符：
==（等于），!
=，～＝（不等于），>（大于），<（小于），>=（大于或等于），<=（小于或等于）
■逻辑运算符：
&（与），|（或），～（非）
以下是一些应用的例子：
ifage>65&age<85（age大于65，小于85的观测）
ifplace==“Canada”&pop~=.（place为“Canada”并且pop不缺失的观测）
ifyear==1994|year==1997（year为1994或1997的观测）
if~（pop==.&year==.）（排除pop和year都缺失的观测）
根据需要，逻辑表达式可以有非常复杂的形式。
[inrange]和[ifexp]相当于从一个大样本中挑出符合条件的小样本，其用处体现在两个方面。
首先是数据清理阶段，找出那些有明显的错误或有缺失的观测。
其次是在数据处理和分析阶段，找出有特别兴趣或意义的观测。
上述给出的格式还可以根据具体的情况做出扩展。
（三）具体实验操作
习题1：
J.M.伍德里奇《计量经济学导论现代观点》C1.1
本题使用WAGE1.dta中的变量educ
（1）求出样本中的平均教育程度，最低和最高教育年数分别为多少？
（2）求出样本中的平均小时工资，它看起来是高还是低？
（3）工资数据用1976年美元报告，利用（2004年或以后）《总统经济报告》，求出并报告1976年和2003年的消费价格指数CPI
（4）利用（3）中的CPI值，求出以2003年美元度量的平均小时工资。
现在，平均小时工资看起来是否合理？
（5）样本中各有多少女性和男性？
解：
简单的Stata函数处理
命令如下：
.usewage1/*打开数据WAGE1.dta*/
（1）
.summarizeeduc/*对变量educ做简单的统计*/
输出结果：
故平均教育程度为12.56年，最低教育年数为0，最高教育年数为18年
（2）
.summarizewage/*对变量wage做简单的统计*/
输出结果：
平均的小时工资为5.89美元
（3）
根据2008年的《总统经济报告》http:
//frwebgate.access.gpo.gov/cgi-bin/getdoc.cgi?
dbname=2009_erp&docid=f:
erp_b62.pdf
以1982~1984年为基年，1976年的CPI为56.9%，2003年的CPI为184.0%
（4）
.display5.89*184.0/56.9/*计算以2003年的美元度量的小时工资数*/
得到：
以2003年美元度量的小时工资数为19.05美元
（5）
.tabulatefemale/*对变量female做简单的频数统计*/
输出：
上述结果，用1代表女性，0代表男性。
输出了女性和男性各自的频数、频率，同时还有向上累计频率。
即样本中女性人数为252人，占总人数的比重为47.91%；样本中男性的人数为274人，占总人数的52.09%
习题2：
J.M.伍德里奇《计量经济学导论现代观点》C1.2
本题使用bwght2.dta中的数据
（1）样本中有多少妇女？
又有多少人报告在怀孕期间吸烟？
（2）平均每天吸烟数量是多少？
将平均数作为这个案例中“典型”妇女的度量指标是否合适？
请解释
（3）怀孕期间抽烟的妇女中，平均每天的吸烟数量是多少？
与
（2）中的结果有何区别？
（4）求出样本中feduc的平均值，为何只用1785个观测值计算这个平均值？
（5）求出npvis的最常见值
解：
summarize命令的应用
命令如下：
.usebwght2
（1）
.summarizecigs/*对变量cigs做统计*/
输出：
.summarizecigsifcigs!
=0/*对怀孕期间吸烟量不等于0的情况做统计*/
输出：
故样本中共有1388名妇女，其中有212人在怀孕期间吸烟
（2）
平均每天的吸烟数量为2.09根。
将这个数据作为样本的度量指标并不合适。
应为吸烟的妇女人数占总人数的15.27%.只有较少的人抽烟，故把2.09这个数据作为度量指标并不合适。
（3）
由
（1）可以得到，怀孕期间吸烟妇女的平均吸烟量为13.67根。
这个数据是怀孕期间吸烟的妇女的平均吸烟量，比
（2）中的人均吸烟量更符合实际，更能反映现实情况。
（4）
.summarizefeduc/*对父亲教育程度作统计*/
输出：
样本总量为1832（browse），而统计得到的结果为1785，说明父亲教育程度这个变量中存在数据缺失（在Stata数据中以.表示）
（5）
.tabulatenpvis/*对npvis作频数统计*/
最常见数即众数，可以用tabulate得到结果，众数取所占比重最大的那个npvis值即可。
所得到的npvis众数为12
习题3J.M.伍德里奇《计量经济学导论现代观点》C1.3
本题使用MEAP01.DTA中的数据
（1）求出math4的最大值和最小值。
（2）有多少学校在数学测试中有100%的通过率，占整个样本的百分比是多少？
（3）有多少学校的数学通过率正好为50%
（4）比较数学和阅读的平均通过率，那个测试更难通过？
（5）求出math4与read4之间的相关系数，得到的结论是什么？
（6）求出exppp的平均值和标准差。
求出exppp的平均值和标准差，你认为学生的人均支出是否存在较大的变异？
（7）假设学校A平均每个学生支出6000美元，学校B每个学生支出5500美元，学校A的支出超过学校B的支出百分之几？
与根据自然对数之差近似的百分比差异100[ln（6000）-ln（5500）]进行比较。
解：
引入条件，然后统计
命令如下：
.usemeap01
（1）
.summarizemath4/*对math4进行统计*/
输出：
math4的最小值为0（无人通过数学测试），最大值为100（所有人都通过了数学测试）
（2）
.summarizemath4ifmath4==100/*对math4=100的情况进行统计*/
输出：
即有38所学校的数学通过率为100%
所占的比例为：
.display38/1823/*计算数学通过率为100%的学校占样本中学校的比重*/
即数学通过率为100%的学校占样本中学校的比重为2.08%
（3）
.summarizemath4ifmath4==50/*对math4=50的情况进行统计*/
输出：
即有17所学校的通过率为50%
注：
1.Stata中，表达相等这一逻辑关系时，应该用’==’,而不是’=’
2.上述的
（2）和（3）题可以用命令：
.tabulatemath4同样可以输出结果。
（4）
.summarizeread4/*对read4进行统计*/
输出：
根据
（1）数学的通过率为71.91%，根据（4）阅读的通过率为60.06%
相比之下，阅读较难通过
（5）
.correlateread4math4/*求read4，math4的相关系数*/
输出：
math4与read4的相关系数为0.8427。
即阅读的通过率与数学的通过率有较大的相关性。
（6）
.summarizeexppp/*对exppp做统计*/
输出：
exppp的平均值为5194.87，标准差为1091.89
.display1091.89/5194.87
学生的人均支出有较大的变异
（7）
简单的数学计算
命令与输出：
习题4J.M.伍德里奇《计量经济学导论现代观点》C1.4
JTRAIN2.DTA中的数据，来自1976—1977年对低收入男性进行的一项工作培训试验。
参见Lalonde
（1）利用指标变量train确定得到工作培训的男性比例
（2）变量re78是1978年得到的工资，以1982年的千美元度量。
针对得到工作培训的男性样本和未得到工作培训的男性样本，分别计算re78的平均值，二者在经济上的差别大吗？
（3）变量unem78是表示一个男人在1978年是否失业的指标变量，得到工作培训者的失业比例是多少？
没有得到工作培训的失业比例是多少？
评论两者之间的差异
（4）根据
（2），（3）部分，工作培训项目看来有效吗？
如何使得我们的结果更有说服力？
解：
数值的简单分类统计
命令及输出结果如下：
.usejtrain2
（1）
.tabulatetrain/*对train做频数统计*/
输出结果：
即得到工作培训的男性有185，占总人数的比例为41.57%
（2）
按照是否接受培训分组，然后再做统计或者按条件，做统计
方法一
.sorttrain/*根据train的升序，对jtrain2重新排列*/
.bytrain:
summarizere78/*按照train分组后，对re78做统计*/
输出结果：
方法二
.summarizere78iftrain==0/*对未接受培训的人作统计*/
输出结果：
.summarizere78iftrain!
=0/*对接受培训的人作统计*/
即得到工作培训的人均工资为6.35，而未得到培训的人员的人均工资为4.55（单位为千美元）
可以看出，接受培训与未接受培训的差别较大
（3）
方法一：
.sorttrain/*根据train的升序，对unem78重新排列*/
.bytrain：
tabulateunem78/*按照train分组，对unem78作频数统计*/
输出结果：
方法二：
.tabulateunem78iftrain==0
输出结果：
.tabulateunem78iftrain!
=0
输出结果：
得到工作培训但失业的比例为24.31%，未得到工作培训并且失业的比例为35.38%
即工作培训的作用是使得失业率下降了9%
（4）
.tabi16892\14045,chi2lrchi2expected/*对unem78和train两个变量作独立性检验*/
输出：
得到的Pearson的卡方统计量为6.2054，P值为0.013
可以看出工作培训给失业率有较大的影响（不要问我为什么……）
习题5J.M.伍德里奇《计量经济学导论现代观点》例2.3
首席执行官与股本回报率数据集为CEOSAL1.dta
（1）给出股本回报率与CEO工资的最大值，最小值，均值
（2）给出股本回报率与CEO工资间的关系
（3）计算当股本回报率等于0%和30%的时候，CEO的估计工资水平。
（4）给出前15位CEO的工资估计值与残差
（5）给出ln（salary）与ln（sales）之间的关系，并求出薪水对销售额的弹性估计值
解：
命令及结果输出如下：
.useCEOSAL1
（1）
.summarizesalaryroe/*对salary和roe作简单的统计*/
输出结果：
股本回报率的最大值，最小值均值分别为：
56.2%，0.5%，17.18%
工资的最大值，最小值，均值分别为：
14822，223，1281.12
（2）
.regresssalaryroe/*以salary作为因变量，roe作为自变量作回归*/
输出结果：
根据上面的截图中的结果可以给出salary和roe的线性方程中的相关参数，其中的截距为963.19，相关系数为18.50，R^2=0.0132，这并不是一个很好的估计
（3）
.display_b[roe]*0+_b[_cons]/*股本回报率为0的时候，CEO的估计工资*/
.display_b[roe]*30+_b[_cons]/*股本回报率为30的时候，CEO的估计工资*/
（4）
.predictsalhat，xb/*根据
（2）中的回归，给出所有CEO的工资估计值，并命名为salhat*/
.predictuhat，res/*根据
（2）中的回归，给出所有CEO工资估计的残差，并命名为uhat*/
残差的另一种获得方法：
.generateuhat2=salary-salhat/*根据给出的salhat和salary计算残差，命名为uhat2*/
可以给uhat2叫一个标签说明：
.labelvariableuhat2“residualobtainedfromthecommandgenerate”
上述给出的结果都是数据，所以没有截图。
.listroesalarysalhatuhatuhat2in1/15
/*列出前15位的股本回报率，实际工资，估计工资，残差*/
输出结果：
（5）
.regresslsalarylsales
输出结果：
根据上面的结果，可以看到lsalary与lsales的相关系数为0.2566，故薪水对销售额的弹性估计值为0.2566，即销售额每变动1%，工资将变动0.2566*1%
习题6J.M.伍德里奇《计量经济学导论现代观点》例2.4与例2.7
工资与教育程度数据集为：
wage1
（1）给出工资与教育程度之间的回归方程
（2）当教育程度为0和8时，给出工资的估计值
（3）给出增加四年教育程度，工资的平均增长值
（4）给出工资和教育程度的均值；并证明当教育程度取得均值时，工资也取得均值。
（5）给出工资的自然对数与教育程度之间的回归方程，求出“增加一年教育的回报率”
解:
命令及结果输出如下：
.usewage1
（1）
.regresswageeduc/*以wage作因变量，educ为自变量作回归*/
输出结果：
根据上面的截图中的结果可以给出wage和educ的线性方程中的相关参数，
其中的截距为-0.9049，相关系数为0.5414
（2），（3）与习题5的（3）题完全相同
命令及输出结果：
（4）
.summarizewageeduc/*给出wage和educ的均值等*/
输出结果：
.display_b[educ]*12.56274+_b[_cons]/*计算当教育水平取均值时，工资水平是否取均值*/
（5）
.regresslwageeduc
输出结果：
由截图中的结果，可知当教育每增加一年，工资水平平均增长8.27%
（四）总结
1.通过练习，熟练运用Stata中简单的数理统计函数及命令。
Stata中的命令都可以简化使用，如summarize就可以简化为su，tabulate可以简化为ta等等。
在刚开始学习的时候，建议熟悉这些函数之后再采用其简化形式。
2.结合计量经济学知识，能够对输出结果进行分析。
（张其才整理）
升级会员 