卓顶精文stata命令大全全.docx

1、卓顶精文stata命令大全全*面板数据计量分析与软件实现*说明：以下do文件相当一部分内容来自于中山大学连玉君STATA教程，感谢他的贡献。本人做了一定的修改与筛选。*-面板数据模型*1.静态面板模型：FE和RE*2.模型选择：FEvsPOLS,REvsPOLS,FEvsRE（pols混合最小二乘估计）*3.异方差、序列相关和截面相关检验*4.动态面板模型（DID-GMM,SYS-GMM）*5.面板随机前沿模型*6.面板协整分析（FMOLS,DOLS）*说明：1-5均用STATA软件实现，6用GAUSS软件实现。*生产效率分析（尤其指TFP）：数据包络分析（DEA）与随机前沿分析（SFA）*说

2、明：DEA由DEAP2.1软件实现，SFA由Frontier4.1实现，尤其后者，侧重于比较C-D与Translog生产函数，一步法与两步法的区别。常应用于地区经济差异、FDI溢出效应（SpilloversEffect）、工业行业效率状况等。*空间计量分析：SLM模型与SEM模型*说明：STATA与Matlab结合使用。常应用于空间溢出效应（R&D）、财政分权、地方政府公共行为等。*-*-一、常用的数据处理与作图-*-*指定面板格式xtsetidyear（id为截面名称，year为时间名称）xtdes/*数据特征*/xtsumlogyh/*数据统计特征*/sumlogyh/*数据统计特征*/*

3、添加标签或更改变量名labelvarh人力资本renamehhum*排序sortidyear/*是以STATA面板数据格式出现*/sortyearid/*是以DEA格式出现*/*删除个别年份或省份dropifyear宽数据reshapewidelogy,i(id)j(year)*宽长数据reshapelogy,i(id)j(year)*追加数据（用于面板数据和时间序列）xtsetidyear*或者xtdestsappend,add(5)/表示在每个省份再追加5年，用于面板数据/tsset*或者tsdes.tsappend,add(8)/表示追加8年，用于时间序列/*方差分解，比如三个变量Y,X

4、,Z都是面板格式的数据，且满足Y=X+Z，求方差var(Y),协方差Cov(X,Y)和Cov（Z,Y）bysortyear:corrYXZ,cov*生产虚拟变量*生成年份虚拟变量tabyear,gen(yr)*生成省份虚拟变量tabid,gen(dum)*生成滞后项和差分项xtsetidyeargenylag=l.y/*产生一阶滞后项)，同样可产生二阶滞后项*/genylag2=L2.ygendy=D.y/*产生差分项*/*求出各省2019年以前的openinv的平均增长率collapse(mean)openinvifyear2019,by(id)变量排序，当变量太多，按规律排列。可用命令ao

5、rder或者orderfdiopeninsti*-*二、静态面板模型*-*-简介-*面板数据的结构(兼具截面资料和时间序列资料的特征)useproduct.dta,clearbrowsextsetidyearxtdes*-*-固定效应模型-*-*实质上就是在传统的线性回归模型中加入N-1个虚拟变量，*使得每个截面都有自己的截距项，*截距项的不同反映了个体的某些不随时间改变的特征*例如：lny=a_i+b1*lnK+b2*lnL+e_it*考虑中国29个省份的C-D生产函数*-画图-*散点图+线性拟合直线twoway(scatterlogyh)(lfitlogyh)*散点图+二次拟合曲线twow

6、ay(scatterlogyh)(qfitlogyh)*散点图+线性拟合直线+置信区间twoway(scatterlogyh)(lfitlogyh)(lfitcilogyh)*按不同个体画出散点图和拟合线，可以以做出fevsre的初判断*twoway(scatterlogyhifid4)(lfitlogyhifid4)(lfitlogyhifid=1)(lfitlogyhifid=2)(lfitlogyhifid=3)*按不同个体画散点图,sobeautiful!*graphtwowayscatterlogyhifid=1|scatterlogyhifid=2,msymbol(Sh)|scat

7、terlogyhifid=3,msymbol(T)|scatterlogyhifid=4,msymbol(d)|,legend(position(11)ring(0)label(1北京)label(2天津)label(3河北)label(4山西)*每个省份logy与h的散点图，并将各个图形合并twowayscatterlogyh,by(id)ylabel(,format(%3.0f)xlabel(,format(%3.0f)*每个个体的时间趋势图*xtlinehifidR-sq:within模型(2)对应的R2，是一个真正意义上的R2*-R-sq:betweencorrxm_i*b_w,ym_

8、i2*-R-sq:overallcorrx_it*b_w,y_it2*-F(4,373)=855.93检验除常数项外其他解释变量的联合显著性*-corr(u_i,Xb)=-0.2347*-sigma_u,sigma_e,rho*rho=sigma_u2/(sigma_u2+sigma_e2)dise(sigma_u)2/(e(sigma_u)2+e(sigma_e)2)*个体效应是否显著？*F(28,373)=338.86H0:a1=a2=a3=a4=a29*ProbF=0.0000表明，固定效应高度显著*-如何得到调整后的R2,即adj-R2？ereturnlistreglogyhinvgo

9、vopendum*-拟合值和残差*y_it=u_i+x_it*b+e_it*predictnewvar,option/*xbxb,fittedvalues;thedefaultstdpcalculatestandarderrorofthefittedvaluesueu_i+e_it,thecombinedresidualxbuxb+u_i,predictionincludingeffectuu_i,thefixed-orrandom-errorcomponentee_it,theoverallerrorcomponent*/xtreglogylogklogl,fepredicty_hatpredicta,upredictres,epredictcres,uegenares=a+reslistarescresin1/10*-*-随机效应模型-*-*y_it=x_it*b+(a_i+u_it)