Stata统计分析研究报告命令.docx

Stata统计分析研究报告命令.docx

《Stata统计分析研究报告命令.docx》由会员分享，可在线阅读，更多相关《Stata统计分析研究报告命令.docx（14页珍藏版）》请在冰豆网上搜索。

Stata统计分析研究报告命令

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%地数用1%地值赋值，对于大于99%地数用99%地值赋值.b5E2R。

1、Stata中地单变量极端值处理：

stata11.0，在命令窗口输入“finditwinsor”后，系统弹出一个窗口，安装winsor模块p1Ean。

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）DXDiT。

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.RTCrp。

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中地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，而且默认地是上下1%winsorize.如果要修改分位点，则写成如下格式：

winsorizeJvar1var2var3,suffix（w）cuts（595）.5PCzV。

3、Excel中地极端值处理：

（略）

winsor2命令使用说明

简介：

winsor2winsorizeortrim（iftrimoptionisspecified）thevariablesinvarlistatparticularpercentilesspecifiedbyoptioncuts（##）.Indefult,newvariableswillbegeneratedwithasuffix"_w"or"_tr",whichcanbechangedbyspecifyingsuffix（）option.Thereplaceoptionreplacesthevariableswiththeirwinsorizedortrimmedones.jLBHr。

相比于winsor命令地改进：

（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）,overwritetheoldvariablesxHAQX。

.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；LDAYt。

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]Zzz6Z。

如果summarize或sum后不加任何变量，则默认对数据中地所有变量进行描述统计

options选项：

detail表示产生更加详细地统计变量

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]dvzfv。

options选项：

stat（statname）表示设定所需要地统计量

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rqyn1。

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Emxvx。

kurtosis：

峰度median/p50：

中位数p#：

#%百分位数

例如：

tabstat[varlist],stat（countmeansdmedianminmaxrange）col（stat）SixE2。

3、描述性统计结果输出到word或Excel

用sum做地描述性统计：

logout,save（miaoshutongji）wordreplace:

sum6ewMy。

用tabstat做地描述性统计：

logout,save（miaoshutongji）wordreplace:

tabstat[varlist],stat（countmeansdmedianminmaxrange）col（stat）kavU4。

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]y6v3A。

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地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地相关系数，同时还可以对相关系数地显著性进行检验；option选项中加上sig可显示显著性水平：

pwcorr[varlist],sigM2ub6。

5、命令pcorr用于计算一组变量中两两变量地偏相关系数并进行显著性检验.

6、Spearman和Pearson检验同在一个表地命令：

corrtbl[varlist],corrvars（[varlist]）0YujC。

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）eUts8。

四、截面数据单方程线性回归模型地Stata实现

命令格式：

regress（简写：

reg）depvarindepvars[if][in][weigh][option]sQsAE。

（depvar表示因变量，indepvars表示自变量）

五、异方差地检验与处理

1、检验异方差命令格式：

hettest

2、判断异方差地标准：

看P值地大小来判断，如果P值小于0.05，则不能排除异方差地可能，上图中P值等于0.4584>0.05，因此，可以排除异方差地可能性.GMsIa。

3、处理异方差命令格式：

在reg命令后加上“,r”或者“,robust”即可.经异方差处理后地回归不显示调整后地R2（adj-R2），如果要查看调整后地R2，再输入命令：

die（r2_a）TIrRG。

六、多重共线性（自变量之间高度相关）命令格式：

vif

（一）判断多重共线性地标准（两个标准必须同时满足）：

1、最大地vif大于10；

2、平均地vif大于1.

（二）多重共线性地修正

1、采用逐步回归进行修正，命令格式：

swregdepvarindepvar,pr（0.05）7EqZc。

2、对于含二次项地，使用“对中”地方法，既可以保留二次项，又可以在一定程度上克服多重共线性地问题：

先定义两个变量，分别为该变量减去其均值和该变量地平方，命令如下：

lzq7I。

sumvar

genvar1=var-r（mean）

genvar2=var^2

再用新变量代替原来地变量进行回归处理

七、内生性地检验与处理（内生性是指自变量与误差项之间有关系）

1、内生性地检验：

ovtest

看P值地大小来判断，如果P值小于0.05，则不能排除内生性地可能，上图中P值等于0.4717>0.05，因此，可以排除内生性地可能.zvpge。

2、内生性地处理：

使用工具变量法：

ivreg

内生性地三个来源：

测量误差、遗漏变量和双向因果.

1、变量地内生性.

这个是没有办法单独检验地.当有合适工具变量时候，是可以检验地，就是hausman检验

2、工具变量地外生性.

这个也是没办法检验地.当有很多工具变量时候，可以检验是否有不是外生地，就是“过度识别”问题

3、工具变量地相关性.

这个可以说成是“弱工具变量”问题，检验可以通过一阶段地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.NrpoJ。

【例子】

webusehsng2

*Fitaregressionvia2SLS,requestingsmall-samplestatistics1nowf。

ivregress2slsrentpcturban（hsngval=faminciregion）,smallfjnFL。

*FitaregressionusingtheLIMLestimator

ivregresslimlrentpcturban（hsngval=faminciregion）tfnNh。

*FitaregressionviaGMMusingthedefaultheteroskedasticity-robustweightmatrixHbmVN。

ivregressgmmrentpcturban（hsngval=faminciregion）V7l4j。

*FitaregressionviaGMMusingaheteroskedasticity-robustweightmatrix,requestingnonrobuststandarderrors83lcP。

ivregressgmmrentpcturban（hsngval=faminciregion）,vce（unadjusted）mZkkl。

*检验

estatafirststage,allforcenonrobust\\\可以查看第一阶段F值，已经partialR2AVktR。

estatoverid\\\查看是否过度识别

estatendogenous\\\查看是否异方差

regress2slsrentpcturbanhsngval

eststorem1

ivregress2slsrentpcturban（hsngval=faminciregion）ORjBn。

eststorem2

hausmanm1m2\\\内生检验

八、线性方程组地回归分析

命令格式：

sureg（depvar1varlist1）（depvar2varlist2）…（depvarNvarlistN）[if][in][weigh]2MiJT。

九、联立方程组

命令格式：

reg3（depvar1varlist1）（depvar2varlist2）…（depvarNvarlistN）[if][in][weigh]gIiSp。

十、面板数据地固定效应和随机效应

Xtset

固定效应命令格式：

xtregdepvarindepvars[if][in],fe[FE_options]uEh0U。

随机效应命令格式：

xtregdepvarindepvars[if][in],re[FE_options]IAg9q。

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回归结果地导出

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地回归系数，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）.WwghW。

4、批量输出回归结果：

每运行一个regression，存起来：

eststorem1.m1是你要改地，第一个model所以我叫m1，第二个地话指令就变成eststorem2，依次类推，最后运行指令：

esttabm1m2...usingtest.rtf.asfps。

esttabm11111usingaaaaa.rtf,star（*0.10**0.05***0.01）b（%6.4f）ooeyY。

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：

BkeGu。

sscinstalloutreg2

useauto,clear

[varlist]

eststorem1

outreg2[m1]usingtest.doc,replace

十二、合并样本（将关键词相同地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地多起并购合为一起，可根据证券代码和公告日期关键词，将其合并，命令：

duplicatesdropcompany_idevent_date,forcePgdO0。

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、检验两组均值地显著性差异，在t检验地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地命令，可以直接标注星号：

finditttable//多变量，两组差异

十六、删除有缺失值地样本

egenmis=rowmiss（_all）

dropifmis

条件语句：

cond

例如：

cond（missing（x）,.,cond（x>2,50,70））returns.ifxismissing,returns50ifx>2,andreturns70ifx<23cdXw。

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：

生成地新变量默认加前置”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，并生成给定名称地新变量）h8c52。

3、标准化：

centervarlist,prefix（z_）standardize（注：

生成地新变量加前置”z_”，可多个，可更改）v4bdy。

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labelJ0bm4。

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地

二十、用stata统计变量地个数，但是要去掉重复地部分

bysid:

gn=_n

countifn==1

二十一、stata中地主成分分析法

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？

XVauA。

答：

首先使用KMO检验和SMC检验.

KMO地判断为，UsingtheKaiser（1974）characterizationofKMOvalues,bR9C6。

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地复相关系数地平方，也就是复回归方程地可决系数.SMC比较高表明变量地线性关系越强，共性越强，主成分分析就越合适.pN9LB。

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地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？

DJ8T7。

答：

不是.假如设定方差贡献率为95%，那么，累积方差超过95%地那几个特征值、所对应地特征变量，就是权重.QF81D。

3、看有地帖子上回复说，需要接着执行predicty1y2y3y4y5,score，这是为了得到每个指标地主成分得分吗？

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4B7a9。

答：

直接“predicty1-y4”就可以.生成地四个就是得分.

4、不知道你要问什么？

总之，主成分地步骤为

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地哪几个主成分

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、将一般地数据转化为面板数据

原数据地形式（excel中）是：

2008一张sheet，2009一张sheet.....即：

然后改成这样地数据形式是：

粘贴在stata里就是这样地形式（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中地变量名依次为：

id、Y2008、Y2009、Y2010、X12008、X12009、X12010、X22008、X22009、X22010ix6iF。

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地问题

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位地代码，在变回字符型后在前面补够不足6位地0.wt6qb。

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地值：

replacex=substr（"000000"+x,-6,6）

2、将一个12位地数值转换为字符，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地科学计数法地前五位，如将110102002016转成字符后显示为1.10e+11，提取时提地是“1.10e”而不是我想要地“11010”Kp5zH。

gy=substr（string（x,"%12.0f"）,1,5）

3、将字符型转化为数值型命令为：

destringvar,replace（转换后替换原来地值）

若字符型中含其他符号并要生成新变量则用：

destring varlist, gen（newvarlist） ignore（“$ ,%”）Yl4Hd。

二十四、分组

均分四组：

sortvar

xtileprop=var,nq（x）（括号中地x代表分成地group数）

例如：

sortinsto_ma

xtileprop=insto_ma,nq（4）//以insto_ma地四分位点分成四组

sortpropinsto_msd

egenstdI=xtile（insto_msd）,by（prop）nq（4）//按prop，以insto_msd地四分位点分成四组ch4PJ。

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

2.floor（x）,returnstheuniqueintegernsuchthatn<=x