实验目的.docx

1、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

2、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:StataDocumentsLab1wage1 执行命令: . cd e:StataDocumentsLab1后再执行 . use wage1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

3、数据文件，命令为clear3. 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： . tabulate wage female（2

4、）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Varname7. correlate

5、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，R2，调整后的R2，MSE的平方根（亦即对的估计），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：SourseSSdfMSModelSSEkSSE/kResidualSSRn-k-1SSR/(n-k

6、-1)TotalSSTn-1CoefficientStandard Errort值双尾检验置信区间Dependent VariablesIndependent VariablesIntercept9.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

7、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：sort varlist label 对变量作注释 调用格式为：label variable 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

8、，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： by varlist1: command varlist2 if exp in range ,options其中：by varlist1: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； if exp表示命令只针对满足exp（一般是一个逻辑表达式）的观测； in range表示命令只针对处在rang

9、e指定的范围内的观测，如in 5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，in 5/12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。if exp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），=（大于或等于）， 65

10、 & age 85（age大于65，小于85的观测） if place = “Canada” & pop = . （place为“Canada”并且pop不缺失的观测） if year=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。 in range和if exp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

11、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：. use wage1 /*打开

12、数据WAGE1.dta*/ （1）. summarize educ /*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）. summarize wage /*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19821984年为基年，1976年的CPI为56.9%，2003年的CPI为184.0%（4

13、）. display 5.89*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）. tabulate female /*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？（

14、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：. use bwght2（1）. summarize cigs /*对变量cigs做统计*/输出：. summarize cigs if cigs!=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

15、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）. summarize feduc /*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）. tabulate npvis /*对npvis作频数统计*/

16、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3 J.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

17、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100ln(6000)-ln(5500)进行比较。解：引入条件，然后统计 命令如下：. use meap01（1）. summarize math4 /*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）. summarize math4 if math4=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：. display

18、 38/1823 /*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）. summarize math4 if math4=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：. tabulate math4 同样可以输出结果。 （4）. summarize read4 /*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

19、下，阅读较难通过（5）. correlate read4 math4 /*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）. summarize exppp /*对exppp做统计*/输出：exppp的平均值为5194.87，标准差为1091.89. display 1091.89/5194.87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4 J.M.伍德里奇 计量经济学导论现代观点C1.4JTRAIN2.DTA中的数据，来自19761977年对低收入男性进行的一项工作培训试验。

20、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：. use jtrain2（1）. tabulate train /*对tra

21、in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 . sort train /*根据train的升序，对jtrain2重新排列*/. by train:summarize re78 /*按照train分组后，对re78做统计*/ 输出结果： 方法二 . summarize re78 if train=0 /*对未接受培训的人作统计*/ 输出结果：. summarize re78 if train!=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

22、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：. sort train /*根据train的升序，对unem78重新排列*/. by train：tabulate unem78 /*按照train分组，对unem78作频数统计*/ 输出结果： 方法二：. tabulate unem78 if train=0 输出结果：. tabulate unem78 if train!=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）. tabi 168 92140 45,

23、chi2 lrchi2 expected /*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5 J.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，

24、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：. use CEOSAL1（1）. summarize salary roe /*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）. regress salary roe /*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，R2=0.0132，这并不是一个很好的

25、估计 （3）. display _broe*0+_b_cons /*股本回报率为0的时候，CEO的估计工资*/. display _broe*30+_b_cons /*股本回报率为30的时候，CEO的估计工资*/ （4）. predict salhat，xb /*根据（2）中的回归，给出所有CEO的工资估计值，并命名为salhat*/. predict uhat，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：. generate uhat2=salary-salhat /*根据给出的salhat和salary计算残差，命名为uhat2*

26、/可以给uhat2叫一个标签说明：. label variable uhat2 “residual obtained from the command generate”上述给出的结果都是数据，所以没有截图。. list roe salary salhat uhat uhat2 in 1/15/*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）. regress lsalary lsales 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

27、题6 J.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：. use wage1 （1）. regress wage educ /*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

28、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）. summarize wage educ /*给出wage和educ的均值等*/ 输出结果：. display _beduc*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）. regress lwage educ 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）