stata常用命令

Stata
第一讲：
use 打开数据文件，一般加 clear 选型清空内存中现有数据。 sysuse 打开系统数据文件。 describe 描述数据 edit 利用数据编辑器进行数据编辑 list 类似于 edit，但只能显示不能修改数据。 display 显示计算结果。经常写为： di summarize 求某个变量的观察值个数、平均值、标准差、最小值和最大值。经常写 为：sum scatter 生成两个变量的散点图。 set obs 定义样本个数(使用前一定要用 drop 或者 clear 命令清空当前样本) generate 建立新变量并赋值。经常写为 gen (**********************)stata 命令格式 (**********************) [by varlist:] command [ varlist] [=exp] [if exp] [in range] [ weight] [, options] 1。Command 命令动词，经常用缩写。 2。varlist 表示一个变量或者多个变量，多个变量之间用空格隔开。如 sum price weight 3。 4。 5。 6。 by varlist 分类信息 按照某一变量的不同特性分类 =exp 赋值及运算 if exp 挑选满足条件的数据 in range 对数据进行范围筛选 给数据赋一个权重

例二： use wage2, clear reg lnwage educ tenure exper expersq 1。教育（educ）和工作时间（tenure）对工资的影响相同。 test educ=tenure （两个变量的系数是否相等） 2。工龄（exper）对工资没有影响 test exper （检验 exper 的系数是否为 0） 3。检验 educ 和 tenure 的联合显著性 或者 test e（去年王永画的范围内明确指明 FGLS 不考！ ！ ！ ） FGLS 的步骤 (1) 对原方程用 OLS 进行估计，得到残差项的估计 ûi ， (2) 计算 ln(ûi2 ) (3) 用 ln(û2 )对所有独立的解释变量进行回归，然后得到拟合值 ĝ i (4) 计算 ĥi = exp(ĝ i) (5) 用 1/ ĥi 作为权重, 做 WLS 回归。 Reg y x1 x2 x3„„ predict u,res
r 20t 1 r 20t 1 r 20t 2
“LD. ”表示一阶差分的滞后值或者滞后值的一阶差分 1。图形法：自相关系数和偏自相关系数 predict e1,res ac e1（e1 的自相关系数） pac e1（e1 的偏自相关系数） corrgram e1,lag(10) 2。t 检验和 F 检验(wooldridge) 思想：t 检验，如果存在一阶自相关，残差项与其一阶滞后项回归后系数显著，如果 解释变量非严格外生，回归时可加入解释变量。 reg e1 L.e1 reg e1 L.e1 LD.r20 同理，可以用 F 检验检验是否存在高阶自相关 reg e1 L(1/2).e1 3。DW 检验：只能检验一阶自相关的序列相关形式，并且要求解释变量严格外生。 reg D.rs LD.r20 dwstat 4。Q 检验和 Bartlett 检验 reg D.rs LD.r20 predict e2,res(得到回归残差命名为 e2) wntestq e2（使用 stata 提供的默认的滞后期） wntestq e2,lag(2)（使用指定数字的滞后期此处为滞后 2 期） wntestb e2（对 e2 进行 bartlett 检验注意这里是 wntestb 上面的是 wntestq） 5。D-W’s h 检验 estat durbinalt estat durbinalt,lag(2)指定两期 6。B-G 检验 bgodfrey bgodfrey,lag(2)

reg price mpg weight foreign, beta
5。部分数据回归 reg price mpg weight length foreign in 1/30 reg price mpg weight length if foreign==0 (**********************)回归后预测值的获得(**********************) Predict 1。拟合值的获得： predict yhat, xb 2。残差的获得 或者 predict yhat 获取拟合值并将拟合值 y 定义为 yhat
test educ tenure （检验两个变量的系数是否同时为 0） 或者 test (educ=0) (tenure=0) (**********************)非线性检验：testnl(**********************) 例一 . sysuse auto gen weight2 = weight^2 reg price mpg trunk length weight weight2 foreign testnl _b[mpg] = 1/_b[weight]（非线性关系下，在需要写成_b[变量名 ]的形式） testnl (_b[mpg] = 1/_b[weight]) (_b[trunk] = 1/_b[length]) (**********************)约束回归 (**********************) 定义约束条件 constraint define n 条件 约束回归语句 cnsreg 被解释变量 解释变量, constraints(条件编号) 例二：use nerlove,clear cons def 1 lnpl+lnpk+lnpf=1 . cons def 2 lnq=1 . cnsreg lntc lnq lnpl lnpk lnpf, c(1-2)
7。 Weight
8。 , options 命令增加一些可选信息 Label define marry 1 ”married” 0 ”unmarried”
第二讲：
(**********************)建立回归方程 (**********************) Regress 命令详解： Regress depvar [indepvars] [if] [in] [weight] [, options] 打开系统文件 auto，建立如下方程： sysuse auto,clear

Reg y x1 x2 x3 Rvpplot Rvpplot x1（残差与 x1 的散点图） 2。怀特检验命令： 做完回归后，使用命令： estat imtest, white(imtest 指的是：information matrix test 信息矩阵检验) 3。BP 检验：做完回归后，使用命令： estat hettest ,normal（使用拟合值 yˆ ） estat hettest,rhs （使用方程右边的解释变量，而不是 yˆ ） estat hettest [varlist] （指定使用某些解释变量） 最初的 BP 检验假设扰动项服从正态分布，有一定局限性。Koenker（1981）将 此假定放松为 iid，在实际中较多采用，其命令为： estat hettest, iid estat hettest, rhs iid estat hettest [varlist],iid (**********************)异方差的处理 (**********************)

sysuse nlsw88, clear reg wage ttl_exp race age industry hours reg wage ttl_exp race age industry hours, r 使用稳健标准差 2。 广义最小二乘法 （GLS） 、 加权最小二乘法 （WLS） 以及可行广义最小二乘法 （FGLS） 。 其含义为 Var(b) = (X'X) *(X' ΩX)* (X'X) 通过加权使得 Ω=I 因此，GLS 和 WLS 要求 Ω 已知。 例如：假设我们知道异方差是由变量 weight 引起。 sysuse auto, clear gen wei2 = weight^2 reg price mpg weight turn foreign [aw=1/wei2]设置权重 aw 为 weight 的平方的倒数 rvpplot weight
regress price mpg weight foreign 1。要求方程省略常数项(自己设置常数项) Reg price mpg weight foreign , nocons (hascons) 2。稳健性估计（一般用于大样本 OLS） Reg price mpg weight foreign , vce (robust) 或者：reg price mpg weight foreign, r （常用的） 3。设置置信区间（默认 95%） reg price mpg weight foreign, level(99)（数字可以变） 4。标准化系数
predict e , residuals 或者 predict e, res 获得残差并把残差定义为 e (**********************)回归的假设检验 (**********************) (**********************)test 命令 (**********************)
第三讲：
(**********************)异方差 (**********************) (**********************)异方差的检验 (**********************) 1。残差图： rvfplot （residual-versus-fitted plot ） （残差与拟合值的散点图） rvpplot 变量名（residual-versus-predictor plot ） （残差与解释变量的散点图） 作图命令一定要在回归完成之后进行