Stata统计分析命令.docx

1、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：stata 11.0，在命令窗口输入“findit winsor”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：winsor var1, gen(new var) p(0.01)或者在命令窗口中输入：ssc install winsor安装winsor命令。winsor命令不能进行批量处理。2、批量进行winsoriz

2、e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：winsorizeJ var1var2var3,suffix(w)即可，这样会生成三个新变量，var1w var2w var3w，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：winsorizeJ var 1 var2 var3,suffix(w) cuts(5 95)。3、Excel中的极端值处理：（略）winsor2 命令使用说明

3、简介：winsor2 winsorize or trim (if trim option is specified) the variables in varlist at particular percentiles specified by option cuts(# #). In defult, new variables will be generated with a suffix _w or _tr, which can be changed by specifying suffix() option. The replace option replaces the variabl

4、es with their winsorized or trimmed ones. 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： *- winsor at (p1 p99), get new variable wage_w . sysuse nlsw88, clear . winsor2 wage *- left-trimming at 2th percentile

5、 . winsor2 wage, cuts(2 100) trim *- winsor variables by (industry south), overwrite the old variables . winsor2 wage hours, replace by(industry south)使用方法: 1. 请将 winsor2.ado 和 winsor2.sthlp 放置于 stata12adobasew 文件夹下； 2. 输入 help winsor2 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

6、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 ,optionsoptions 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

7、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：tabstatvarlist,stat(count mean sd median min max range) 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) word replace:sum用tabstat做的描述性统计：logout, save(m

8、iaoshutongji) word replace:tabstat varlist ,stat(count mean sd median min max range) col(stat)分组描述：bysort var: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：spearmanvarlist, stats(rho p)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

9、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：pwcorrvarlist ,sig5、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：corrtblvarlist ,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) word replace: pwcorr_a price mpg

10、 rep78 headroom trunk, 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）depvar indepvars 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：hettest2、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0.45840.05，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“

11、,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：di e(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：sw reg depvar indepvar, 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：sum vargen va

12、r1=var-r(mean)gen var2=var2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0.47170.05，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

13、“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Partial R2。4、估计方法stata里面有这么几个2sls，2sls smal、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】webuse hsng2*Fit a regression via 2SLS, requesting small-sample statisticsivregress 2sls rent pcturban (hsngval = faminc iregion), small*Fit a regress

14、ion using the LIML estimatorivregress liml rent pcturban (hsngval = faminc iregion)*Fit a regression via GMM using the default heteroskedasticity-robust weight matrixivregress gmm rent pcturban (hsngval = faminc iregion)*Fit a regression via GMM using a heteroskedasticity-robust weight matrix, reque

15、sting nonrobust standard errorsivregress gmm rent pcturban (hsngval = faminc iregion), vce(unadjusted)*检验estata firststage ,all forcenonrobust 可以查看第一阶段F值，已经partial R2estat overid 查看是否过度识别 estat endogenous 查看是否异方差 regress 2sls rent pcturban hsngvalest store m1ivregress 2sls rent pcturban (hsngval = f

16、aminc iregion)est store m2hausman m1 m2 内生检验八、线性方程组的回归分析命令格式：sureg(depvar1 varlist1)(depvar2 varlist2)(depvarN varlistN) if in weigh九、联立方程组命令格式：reg3 (depvar1 varlist1)(depvar2 varlist2)(depvarN varlistN) 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：xtreg depvar indepvars if in ,feFE_options随机效应命令格式：xtr

17、eg depvar indepvars if in ,reFE_optionshausman检验固定效应还是随机效应？【例子】xtreg y var1 var2 var3，feest store fextreg y var1 var2 var3，reest store rehausman fe re,sigmamorehausman fe re,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：ssc install esttab，安装命令 esttab 2、reg 回归3、estt

18、ab using filename.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esttab m1 m2 using aaa.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：est store m1。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est store m2，依次类推，最后运行指令：estt

19、ab m1 m2 . using test.rtf。esttab m11111 using aaaaa.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：ssc install outreg2use auto,clearvarlistest store m1outreg2 m1 using test.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：duplicates drop varlist ,force例如将同一企业在同一天发生

20、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：duplicates drop company_id event_date ,force十三、均值t检验命令格式：ttest CAR1 = CAR2, unpaired十四、中位数Z检验（非参数Wilcoxon秩和检验）命令格式：ranksum var, 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。 help meantab /这个最好用

21、 sysuse nlsw88, clear meantab collgrad wage hours ttl_exp tenure, / over(union) tstat diff noncells 另有一个李春涛老师编写的命令，可以直接标注星号：findit ttable /多变量，两组差异十六、删除有缺失值的样本egen mis = rowmiss(_all)drop if mis条件语句：cond 例如：cond(missing(x), ., cond(x2,50,70) returns . if x is missing, returns 50 if x 2, and returns

22、70 if x2十七、中心化处理与标准化处理1、安装命令：findit center2、中心化：center varlist （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：center var, 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：center varlist, 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）drop var1-var100 （处理数据）restore （恢复数据）十九、ge

23、nicv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】ssc install genicvsysuse auto,cleargenicv length weight foreign /会生成4个交叉项，所有可能情况，并且有labelreg price length weight length_weight*如果不愿意生成，直接用reg price c.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by

24、s id:g n=_ncount if n=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，Using the Kaiser (1974) characterization of KMO values,0.00 to 0.49 unacceptable0.50 to 0.59 miserable0.60 to 0.69 mediocre0.70 to 0.79 middling0.80 to 0.89 meritorious0.90 to 1.00 ma

25、rvelousSMC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estat kmoestat smc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：pca varlist （不清楚就 help pca）2、例如，对Y的5各指标执行了命令 pca y1 y2 y3 y4 y5 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

26、变量，就是权重。3、看有的帖子上回复说，需要接着执行predict y1 y2 y3 y4 y5,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“predict y1-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rotate4、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（exce

27、l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：reshape long Y X1 X2,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

28、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：format variable %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：replace x=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”g y=substr(string(x,%12.0f),1,5)3、将字符型转化为数值型命令为：destring var,replace

29、 （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：destringvarlist,gen(newvarlist)ignore(“$,%”)二十四、分组均分四组：sort varxtile prop=var, nq(x) （括号中的x 代表分成的group数）例如：sort insto_maxtile prop=insto_ma, nq(4)/ 以insto_ma的四分位点分成四组sort prop insto_msdegen stdI=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

30、命令predict e ,r排列组合计算：di comb(3,2),di comb(4,2)取整：1.ceil(x)，returns the unique integer n such that n-1 x =n. returns x (not “.”) if x is missing, meaning that ceil(.a) = .a2.floor(x),returns the unique integer n such that n= x n + 1, returns x (not “.”) if x is missing, meaning that floor(.a) = .a3.i

31、nt(x), returns the integer obtained by truncating x toward 0; thus, int(5.2) = 5，int(-5.8) =-5，returns x (not “.”) if x is missing, meaning that int(.a) = .a。One way to obtain the closest integer to x is int(x+sign(x)/2), which simplifies to int(x+0.5) for x _ 0. However, use of the round() function is preferred