stata经常使用命令.docx

1、stata经常使用命令调整变量格式：format x1 % 将x1的列宽固定为10，小数点后取三位format x1 % 将x1的列宽固定为10，有效数字取三位format x1 % 将x1的列宽固定为10，采纳科学计数法format x1 % 将x1的列宽固定为10，小数点后取三位，加入千分位分隔符format x1 % 将x1的列宽固定为10，有效数字取三位，加入千分位分隔符format x1 % 将x1的列宽固定为10，有效数字取三位，加入千分位分隔符，加入“-”表示左对齐归并数据：use C:Documents and Settingsxks桌面, clearmerge using C

2、:Documents and Settingsxks桌面将1999和2006的数据依照样本（observation）排列的自然顺序归并起来use C:Documents and Settingsxks桌面, clearmerge id using C:Documents and Settingsxks桌面 ,unique sort将1999和2006的数据依照唯一的（unique）变量id来归并，在归并时对id进行排序（sort）建议采纳第一种方式。对样本进行随机挑选：sample 50在观测案例中随机选取50%的样本，其余删除sample 50,count在观测案例中随机选取50个样本，其余

3、删除查看与编辑数据：browse x1 x2 if x33 （按所列变量与条件打开数据查看器）edit x1 x2 if x33 （按所列变量与条件打开数据编辑器）数据归并（merge）与扩展（append）merge表示样本量不变，但增加了一些新变量；append表示样本总量增加了，但变量数量不变。one-to-one merge：数据源自stata tutorial中的exampw1和exampw2第一步：将exampw1按v001v003这三个编码排序，并成立临时数据库tempw1clearuse t:statatutsu summarize的简写sort v001 v002 v003s

4、ave tempw1第二步：对exampw2做一样的处置clearuse t:statatutsusort v001 v002 v003save tempw2第三步：利用tempw1数据库，将其与tempw2归并：clearuse tempw1merge v001 v002 v003 using tempw2第四步：查看归并后的数据状况：ta _merge tabulate _merge的简写su第五步：清理临时数据库，并删除_merge，以避免往后归并新变量时犯错erase erase drop _merge数据扩展append：数据源自stata tutorial中的fac19和newfa

5、cclearuse t:statatutta regionappend using t:statatutnewfacta region归并后样本量增加，但变量数不变茎叶图：stem x1,line(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成两段来显示，前半段为04，后半段为59）stem x1,width(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成五段来显示，每一个小树茎的组距为2）stem x1,round(100) （将x1除以100后再做x1的茎叶图）直方图采纳auto数据库histogram mpg, discrete frequency normal xlabel

6、(1(1)5)（discrete表示变量不持续，frequency表示显示频数，normal加入正太散布曲线，xlabel设定x轴，1和5为极端值，(1)为单位）histogram price, fraction norm（fraction表示y轴显示小数，除frequency和fraction这两个选择之外，该命令可替换为“percent”百分比，和“density”密度；未加上discrete就表示将price看成持续变量来画图）histogram price, percent by(foreign)（依照变量“foreign”的分类，将不同类样本的“price”绘制出来，两个图分左右排布

7、）histogram mpg, discrete by(foreign, col(1)（依照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，两个图分上下排布）histogram mpg, discrete percent by(foreign, total) norm（依照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，同时绘出样本整体的“总”直方图）二变量图：graph twoway lfit price weight | scatter price weight（作出price和weight的回归线图“lfit”，然后与price和weight的散点图相叠加

8、）twoway scatter price weight,mlabel(make)（做price和weight的散点图，并在每一个点上标注“make”，即厂商的取值）twoway scatter price weight | lfit price weight,by(foreign)（依照变量foreign的分类，别离对不同类样本的price和weight做散点图和回归线图的叠加，两图呈左右散布）twoway scatter price weight | lfit price weight,by(foreign,col(1)（依照变量foreign的分类，别离对不同类样本的price和weig

9、ht做散点图和回归线图的叠加，两图呈上下散布）twoway scatter price weight fweight= displacement,msymbol(oh)（画出price和weight的散点图，“msybol(oh)”表示每一个点均为中空的圆圈，fweight= displacement表示每一个点的大小与displacement的取值大小成比例）twoway connected y1 time,yaxis(1) | y2 time,yaxis(2)（画出y1和y2这两个变量的时刻点线图，并将它们叠加在一个图中，左侧“yaxis(1)”为y1的气宇，右边“yaxis(2)”为y2

10、的）twoway line y1 time,yaxis(1) | y2 time,yaxis(2)（与上图大体相同，确实是没有点，只显示曲线）graph twoway scatter var1 var4 | scatter var2 var4 | scatter var3 var4（做三个点图的叠加）graph twoway line var1 var4 | line var2 var4 | line var3 var4（做三个线图的叠加）graph twoway connected var1 var4 | connected var2 var4 | connected var3 var4（叠

11、加三个点线相连图）更多变量：graph matrix a b c y（画出一个散点图矩阵，显示各变量之间所有可能的两两彼此散点图）graph matrix a b c d,half（生成散点图矩阵，只显示下半部份的三角形区域）用auto数据集：graph matrix price mpg weight length,half by( foreign,total col(1) )（依照foreign变量的不同类型绘制price等四个变量的散点图矩阵，要求绘出总图，并上下排列】=具）其他图形：graph box y,over(x) yline(.22)（对应x的每一个取值构建y的箱型图，并在y轴的

12、处划一条水平线）graph bar (mean) y,over(x)对应x的每一个取值，显示y的平均数的条形图。括号中的“mean”也可换成median、sum、sd、p25、p75等graph bar a1 a2,over(b) stack（对应在b的每一个取值，显示a1和a2的条形图，a1和a2是叠放成一根条形柱。假设不写入“stack”，那么a1和a2显示为两个并排的条形柱）graph dot (median)y,over(x)（画点图，沿着水平刻度，在x的每一个取值水平所对应的y的中位数上打点）qnorm x（画出一幅分位-正态标画图）rchart a1 a2 a2（画出质量操纵R图，

13、显示a1到a3的取值范围）简单统计量的计算：ameans x（计算变量x的算术平均值、几何平均值和简单调和平均值，均显示样本量和置信区间）mean var1 pweight = var2（求取分组数据的平均值和标准误，var1为各组的赋值，var2为每组的频数）summarize y x1 x2,detail（能够取得各个变量的百分比数、最大最小值、样本量、平均数、标准差、方差、峰度、偏度）*注意*stata中summarize所计算出来的峰度skewness和偏度kurtosis有问题，与ECELL和SPSS有较大不同，建议不采纳stata的结果。summarize var1 aweight

14、 = var2, detail（求取分组数据的统计量，var1为各组的赋值，var2为每组的频数）tabstat X1,stats(mean n q max min sd var cv)（计算变量X1的算术平均值、样本量、四分位线、最大最小值、标准差、方差和变异系数）概率散布的计算：（1）贝努利概率散布测试：webuse quickbitest quick=,detail（假设每次取得成功案例1的概率等于，计算在变量quick所显示的二项散布情形下，各类累计概率和单个概率是多少）bitesti 10,3,detail（计算当每次成功的概率为时，十次抽样中抽到三次成功案例的概率：低于或高于三次成

15、功的累计概率和恰好三次成功概率）（2）泊松散布概率：display poisson(7,6).（计算均值为7，成功案例小于等于6个的泊松概率）display poissonp(7,6).（计算均值为7，成功案例恰好等于6个的泊松概率）display poissontail(7,6).（计算均值为7，成功案例大于等于6个的泊松概率）（3）超几何散布概率：display hypergeometricp(10,3,4,2).3（计算在样本总量为10，成功案例为3的样本整体中，不重置地抽取4个样本，其中恰好有2个为成功案例的概率）display hypergeometric(10,3,4,2).（计算

16、在样本总量为10，成功案例为3的样本整体中，不重置地抽取4个样本，其中有小于或等于2个为成功案例的概率）查验极端值的步骤：常见命令：tabulate、stem、codebook、summarize、list、histogram、graph box、gragh matrixstep1.用codebook、summarize、histogram、graph boxs、graph matrix、stem看查验数据的整体情形：codebook y x1 x2summarize y x1 x2,detailhistogram x1,norm（正态直方图）graph box x1（箱图）graph mat

17、rix y x1 x2,half（画出各个变量的两两x-y图）stem x1（做x1的茎叶图）能够看出数据散布状况，尤其是最大、最小值step2.用tabulate、list细致寻觅极端值tabulate code if x1=极端值（作出x1等于极端值时code的频数散布表，code表示地域、年份等序列变量，如此即可找出那些地域的数值显现了错误）list code if x1=极端值（直接列出x1等于极端值时code的值，当x1的错误过量时，不建议利用该命令）list in -20/l（l表示last one，-20表示倒数第20个样本，该命令列出了从倒数第20个到倒数第一个样本的各变量值）

18、step3.用replace命令替换极端值replace x1=? if x1=极端值去除极端值：keep if y1000对数据排序：sort xgsort +x（对数据按x进行升序排列）gsort -x（对数据按x进行降序排列）gsort -x, generate(id) mfirst（对数据按x进行降序排列，缺失值排最前，生成反映位次的变量id）对变量进行排序：order y x3 x1 x2（将变量依照y、x3、x1、x2的顺序排列）生成新变量：gen logx1=log(x1)（得出x1的对数）gen x1=exp(logx1)（将logx1反对数化）gen r61_100=1 if

19、 rank=61&rankx2,x1,x2)（假设x1x2成立，那么取x1，假设x1x2不成立，那么取x2）sort xgen gx=group(n)（将通过排序的变量x分为尽可能等规模的n个组）egen zx1=std(x1)（得出x1的标准值，确实是用(x1-avgx1)/sdx1）egen zx1=std(x1),m(0) s(1)（得出x1的标准分，标准分的平均值为0，标准差为1）egen sdx1=sd(x1)（得出x1的标准差）egen meanx1=mean(x1)（得出x1的平均值）egen maxx1=max(x1)（最大值）egen minx1=min(x1)（最小值）eg

20、en medx1=med(x1)（中数）egen modex1=mode(x1)（众数）egen totalx1=total(x1)（得出x1的总数）egen rowsd=sd(x1 x2 x3)（得出x1、x2和x3联合的标准差）egen rowmean=mean(x1 x2 x3)（得出x1、x2和x3联合的平均值）egen rowmax=max(x1 x2 x3)（联合最大值）egen rowmin=min(x1 x2 x3)（联合最小值）egen rowmed=med(x1 x2 x3)（联合中数）egen rowmode=mode(x1 x2 x3) （联合众数）egen rowto

21、tal=total(x1 x2 x3)（联合总数）egen xrank=rank(x)（在不改变变量x各个值排序的情形下，取得反映x值大小排序的xrank）数据计算器display命令：display x12（显示x的第十二个观看值）display chi2(n,x)（自由度为n的累计卡方散布）display chi2tail(n,x)（自由度为n的反向累计卡方散布，chi2tail(n,x)=1-chi2(n,x)）display invchi2(n,p)（卡方散布的逆运算，假设chi2(n,x)=p，那么invchi2(n,p)=x）display invchi2tail(n,p)（chi

22、2tail的逆运算）display F(n1,n2,f)（分子、分母自由度别离为n1和n2的累计F散布）display Ftail(n1,n2,f)（分子、分母自由度别离为n1和n2的反向累计F散布）display invF(n1,n2,P)（F散布的逆运算，假设F(n1,n2,f)=p，那么invF(n1,n2,p)=f）display invFtail(n1,n2,p)（Ftail的逆运算）display tden(n,t)（自由度为n的t散布）display ttail(n,t)（自由度为n的反向累计t散布）display invttail(n,p)（ttail的逆运算）给数据库和变量做

23、标记：label data （对现用的数据库做标记，确实是标记，可自行填写）label variable x （对变量x做标记）label values x label1（给予变量x一组标签:label1）label define label1 1 a1 2 a2（概念标签的具体内容：当x=1时，标记为a1，当x=2时，标记为a2）频数表：tabulate x1,sorttab1 x1-x7,sort（做x1到x7的频数表，并依照频数以降序显示行）table c1,c（n x1 mean x1 sd x1）（在分类变量c1的不同水平上列出x1的样本量和平均值）二维交互表：auto数据库：tab

24、le rep78 foreign, c(n mpg mean mpg sd mpg median mpg) center row col（rep78，foreign均为分类变量，rep78为行变量，foreign为列变量，center表示结果显示在单元格中间，row表示计算行变量整体的统计量，col表示计算列变量整体的统计量）tabulate x1 x2,all（做x1和x2的二维交互表，要求显示独立性查验chi2、似然比卡方独立性查验lrchi2、对定序变量适用的品级相关系数gamma和taub、和对名义变量适用的V）tabulate x1 x2,column chi2（做x1和x2的二维交

25、互表，要求显示列百分比和行变量和列变量的独立性查验零假设为变量之间独立无统计关系）tab2 x1-x7,all nofreq（对x1到x7这七个变量两两地做二维交互表，不显示频数：nofreq）三维交互表：by x3,sort:tabulate x1 x2,nofreq col chi2（同时进行x3的每一个取值内的x1和x2的二维交互表，不显示频数、显示列百分比和独立性查验）四维交互表：table x1 x2 x3,c(ferq mean x1 mean x2 mean x3) by(x4)tabstat X1 X2,by(X3) stats(mean n q max min sd var

26、cv) col(stats)tabstat X1 X2,by(X3) stats(mean range q sd var cv p5 p95 median),aw=X4（以X4为权重求X1、X2的均值，标准差、方差等）ttest X1=1count if X1=0count if X1=0gen X2=1 if X1=0corr x1 x2 x3（做x1、x2、x3的相关系数表）swilk x1 x2 x3（用Shapiro-Wilk W test对x1、x2、x3进行正太性分析）sktest x1 x2 x3（对x1、x2、x3进行正太性分析，能够求出峰度和偏度）ttest x1=x2（对x

27、1、x2的均值是不是相等进行T查验）ttest x1,by(x2) unequal（按x2的分组方式对x1进行T查验，假设方差不齐性）sdtest x1=x2（方差齐性查验）sdtest x1，by(x2)（按x2的分组方式对x1进行方差齐性查验）聚类分析：cluster kmeans y x1 x2 x3, k(3)依据y、x1、x2、x3，将样本分为n类，聚类的核为随机选取cluster kmeans y x1 x2 x3, k(3) measure(L1) start(everykth) start用于确信聚类的核，everykth表示将通过构造三组样本取得聚类核：构造方式为将样本id为

28、1、1+3、1+32、 1+33分为一组、将样本id为2、2+3、2+32、2+33分为第二组，以此类推，将这三组的均值作为聚类的核；measure用 于计算相似性和相异性的方式，L1表示采纳欧式距离的绝对值，也直接可采纳欧式距离（L2）和欧式距离的平方（L2squared）。PS：那个方式 所得的结果与SPSS所得结果相同。sort c1 c2（对c1和c2两个分类变量排序）by c1 c2：reg y x1 x2 x3（在c1、c2的各个水平上别离进行回归）bysort c1 c2：reg y x1 x2 x3 if c3=1（逗号前面相当于将上面两步骤合一，既排序又回归，逗号后面的“if c3=1”表示只有在c3=1的情形下才进行回归）stepwise, pr(.2): reg y x1 x2 x3(利用Backward selection，去除P值大于时变量)stepwise, pe(.2): reg y x1 x2 x3(利用forward selection，去除P值小于时变量)stepwise, pr(.2) pe(.01):reg