Stata统计分析研究报告命令.docx

1、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：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p1Ean。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)DXDiT。或者在命令窗口中输入：ssc install winsor安装winsor命令.winsor命令不

2、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：winsorizeJ var1var2var3,suffix(w)即可，这样会生成三个新变量，var1w var2w var3w，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：winsorizeJ var 1 var2 var3,suffix(w) cuts(5 95).5PCz

3、V。3、Excel中地极端值处理：（略）winsor2 命令使用说明简介：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 r

4、eplace option replaces the variables with their winsorized or trimmed ones. 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： *- winsor at (p1 p99), get new variable wage_w . sysuse nlsw88, clear . winsor2

5、 wage *- left-trimming at 2th percentile . winsor2 wage, cuts(2 100) trim *- winsor variables by (industry south), overwrite the old variablesxHAQX。 . 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；LDAYt。 2. 输入 help winsor2 可以查看帮助文件；二、描

6、述性统计1、summarize命令格式：su、sum或者summarize varlist if in weight ,optionsZzz6Z。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 ,optionsdvzfv。options 选项：stat(sta

7、tname) 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：tabstatvarlist,stat(count mean sd median min max range) col(stat)SixE2。3、描述性统计结果输出到word或Excel用sum

8、做地描述性统计：logout, save(miaoshutongji) word replace:sum6ewMy。用tabstat做地描述性统计：logout, save(miaoshutongji) word replace:tabstat varlist ,stat(count mean sd median min max range) col(stat)kavU4。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 y6v3A。2、spe

9、arman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：pwcorrvarlist ,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：corrtblvarlist ,corrvars (varlist)0YujC。输出结果中，上三角为Spea

10、rman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 rep78 headroom trunk, 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）depvar indepvars if in weigh optionsQsAE。（depvar表示因变量， indepvars表示自变量）五、异方差地检验与处理

11、1、检验异方差命令格式：hettest2、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0.45840.05，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：di e(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

12、进行修正，命令格式：sw reg depvar indepvar, 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。sum vargen var1=var-r(mean)gen var2=var2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0.47170.05，因此，可以排除内生性地

13、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.

14、NrpoJ。【例子】webuse hsng2*Fit a regression via 2SLS, requesting small-sample statistics1nowf。ivregress 2sls rent pcturban (hsngval = faminc iregion), smallfjnFL。*Fit a regression using the LIML estimatorivregress liml rent pcturban (hsngval = faminc iregion)tfnNh。*Fit a regression via GMM using the def

15、ault heteroskedasticity-robust weight matrixHbmVN。ivregress gmm rent pcturban (hsngval = faminc iregion)V7l4j。*Fit a regression via GMM using a heteroskedasticity-robust weight matrix, requesting nonrobust standard errors83lcP。ivregress gmm rent pcturban (hsngval = faminc iregion), vce(unadjusted)mZ

16、kkl。*检验estata firststage ,all forcenonrobust 可以查看第一阶段F值，已经partial R2AVktR。estat 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 = faminc iregion)ORjBn。est store m2hausman m1 m2 内生检验八、线性方程组地回归分析命令格式：sureg(depvar1 varlist1)(de

17、pvar2 varlist2)(depvarN varlistN) if in weigh2MiJT。九、联立方程组命令格式：reg3 (depvar1 varlist1)(depvar2 varlist2)(depvarN varlistN) if in weighgIiSp。十、面板数据地固定效应和随机效应Xtset 固定效应命令格式：xtreg depvar indepvars if in ,feFE_optionsuEh0U。随机效应命令格式：xtreg depvar indepvars if in ,reFE_optionsIAg9q。hausman检验固定效应还是随机效应？【例子】

18、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回归结果地导出1、在命令窗口中输入：ssc install esttab，安装命令 esttab 2、reg 回归3、esttab 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，

19、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esttab m1 m2 using aaa.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：est store m1.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est store m2，依次类推，最后运行指令：esttab m1 m2 . using test.rtf.asfps。esttab m11111 using aaaaa

20、.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。ssc install outreg2use auto,clearvarlistest store m1outreg2 m1 using test.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：duplicates drop varlist ,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：dupli

21、cates drop company_id event_date ,forcePgdO0。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. help meantab /这个最好用 sysuse nlsw88, clear meantab col

22、lgrad wage hours ttl_exp tenure, / over(union) tstat diff noncells 另有一个李春涛老师编写地命令，可以直接标注星号：findit ttable /多变量，两组差异十六、删除有缺失值地样本egen mis = rowmiss(_all)drop if mis条件语句：cond 例如：cond(missing(x), ., cond(x2,50,70) returns . if xis missing, returns 50 if x 2, and returns 70 if x23cdXw。十七、中心化处理与标准化处理1、安装命令

23、：findit center2、中心化：center varlist （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：center var, 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：center varlist, 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）drop var1-var100 （处理数据）restore （恢复数据）十九、genicv产生交叉项【问题】有时候，

24、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labelJ0bm4。reg 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地二十、用stata统计变量地个数，但是要去掉重复地部分bys id:g n=_n

25、count if n=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，Using the Kaiser (1974) characterization of KMO values,bR9C6。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 m

26、arvelousSMC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地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？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

27、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predict y1 y2 y3 y4 y5,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“predict y1-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rotate4、通过predict进行得分.或者通过scoreplot看得分分布图.二十二

28、、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：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地问题1、股票代码导入STATA后

29、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：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地值：replace x=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。g y=substr(string(x,%12.0f

30、),1,5)3、将字符型转化为数值型命令为：destring var,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：destringvarlist,gen(newvarlist)ignore(“$,%”)Yl4Hd。二十四、分组均分四组：sort varxtile prop=var, nq(x) （括号中地x 代表分成地group数）例如：sort insto_maxtile prop=insto_ma, nq(4)/ 以insto_ma地四分位点分成四组sort prop insto_msdegen stdI=xtile(insto_msd),by(prop)

31、 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) = .aqd3Yf。2.floor(x),returns the unique integer n such that n= x n + 1, returns x (not “.”) if x is missing, me