stata中文教程第五讲
合集下载
Stata专题)b
李红、李阳, 2012秋季
以上方法也可以用于回归计算，比如： regress y x L1.x L2.x regress y x F1.x F2.x regress y x D1.x
李红、李阳, 2012秋季
(四)相关图
为了研究两个时间序列数据之间的关系，我 们用到命令xcorr+自变量+因变量。 xcorr gdp unemp, lags(10) xlabel(10(1)10,grid)
李红、李阳, 2012秋季
(二)定义时间序列在stata中的实现
在进行时间序列的分析之前，首先要定义变量为时 间序列数据。只有定义之后，才能对变量使用时间 序列运算符号，也才能使用时间序列分析的相关命 令。定义时间序列用tsset命令，其基本命令格式为： tsset timevar [, options] 其中， timevar为时间变量。Options分为两类，或 者定义时间单位，或者定义时间周期（即timevar两 个观测值之间的周期数）。Options的相关描述如表 11-1所示。
李红、李阳, 2012秋季
上例中，我们使用的是r的5%的临界值，那 么我们也可以估计r的1%的临界值。 输入命令：vecrank y i c, lags(5) level99
改变临界值之后，选择的最终r值也由原来的r=2变为r=1.
李红、李阳, 2012秋季
S7a. 平稳时间序列模型
自相关（命令语句：ac）与偏相关（pac）
李红、李阳, 2012秋季
输入命令dfuller unempD1
-6.778＜-3.480不存 在单位根
李红、李阳, 2012秋季
line unempD1 datevar
stata初级入门5线性回归模型估计
offset(varname)表示约束模型中变量varname的系数 为1。该选项多出现于离散选择模型、计数模型中。
1.2.3exposure
exposure(varname)表示约束模型中变量ln(varname) 的系数为1。该选项多出现于计数模型中。
计量经济学软件应用
12
2020/6/13
计量经济学软件应用
33
2020/6/13
菜单： Statistics > Postestimation > Reports and statistics
引起完全共线性的情况：（1）一个自变量是另一 个自变量的常数倍；（2）一个自变量恰好可以表 达为其它两个或多个自变量的一个线性函数。如果 此情况发生，自变量间就有多重共线性关系。
*自变量的样本有变异：在样本中，自变量不为相 同的常数。
同方差性（亦称有效性）：var(u|x1,x2,x3,….)=σ2。
系数的方法。
method包括：
dw: rho_dw=1 - dw/2, 其中 dw 是Durbin-Watson值 regress:从残差回归方程et=rho_regress*et-1+vt freg:从残差回归方程中et=rho_freg*et+1+vt tscorr: rho=e‘et-1/e’e, 其中e和et-1 是残差和滞后一期残差。 theil: rho=rho_tscorr * (N-k)/N
rconsum
rneti _cons
Coef. Std. Err.
t P>|t|
.6478134 .0387183 482.8383 265.268
16.73 0.000 1.82 0.079
1.2.3exposure
exposure(varname)表示约束模型中变量ln(varname) 的系数为1。该选项多出现于计数模型中。
计量经济学软件应用
12
2020/6/13
计量经济学软件应用
33
2020/6/13
菜单： Statistics > Postestimation > Reports and statistics
引起完全共线性的情况：（1）一个自变量是另一 个自变量的常数倍；（2）一个自变量恰好可以表 达为其它两个或多个自变量的一个线性函数。如果 此情况发生，自变量间就有多重共线性关系。
*自变量的样本有变异：在样本中，自变量不为相 同的常数。
同方差性（亦称有效性）：var(u|x1,x2,x3,….)=σ2。
系数的方法。
method包括：
dw: rho_dw=1 - dw/2, 其中 dw 是Durbin-Watson值 regress:从残差回归方程et=rho_regress*et-1+vt freg:从残差回归方程中et=rho_freg*et+1+vt tscorr: rho=e‘et-1/e’e, 其中e和et-1 是残差和滞后一期残差。 theil: rho=rho_tscorr * (N-k)/N
rconsum
rneti _cons
Coef. Std. Err.
t P>|t|
.6478134 .0387183 482.8383 265.268
16.73 0.000 1.82 0.079
轻松上手的stata中文教程
三、輸入資料（Entering data）
在本小節中，我們將介紹如何把資料讀進 STATA。但是在正式介紹之前， 我們必須先對幾個一般性的指令（general command）有所瞭解，說明如下： cd：即 change directory，簡言之，告知 STATA 資料儲存的地方。例如當 資料儲存在 e 槽的 sample 資料夾時，則必須先輸入 cd e:\sample。 dir/ls：用來顯示目錄的內容。 set memory #m：設定記憶體的容量。例如：當有一筆龐大的資料要處理 時，則可設定 100mb 的容量，此時可輸入 set memory 100m 。 （輸入指令 memory 可以知道記憶體容量的大小 以及使用情況。） set matsize #：設定所需的變數個數。一般而言，不須對此部分進行設定， 除非所欲處理的資料龐大或是當執行後出現 matsize too small 的訊息時再進行修改即可。內建為 40。 set more off/on：若欲執行結果以分頁的型式呈現時，則輸入 set more on； 若欲執行結果同時呈現時，則輸入 set more off。 help：求助鍵。後面必須接的是指令。說明如何使用該指令，例如：help
5
use sample1-6.dta Note：此一指令亦可用在讀取網路上的資料（use 網址）。 最後，將資料輸入的相關指令整理成下表。 insheet read ASCII (text) data created by a spreadsheet infile infix input use read unformatted ASCII (text) data read ASCII (text) data in fixed format enter data from keyboard load a Stata-format dataset
STATA第五讲
第五讲、命令语句结构与运算符
• 命令语句的格式
– 通过前面几讲的学习，相信大家对命令多少有了点自己的了解。本 讲将介绍STATA命令语句的一般性格式： – [by varlist:] command [varlist] [=exp] [if exp] [in range] [weight] [, options] – 一般性格式中包含有如下几个组成部分：命令（command）、变量 列表（varlist）、分类（by）、赋值（=exp）、条件（if exp）、 范围（in range）、权重（weight）、可选项（options）。其中， [ ]表示可有可无的项,否则为必选项，显然只有 command 是必不可 少的。下面我们将结合具体的例子来讲解各个组成部分的含义及功 能。
第五讲、命令语句结构与运算符
• 赋值操作（=exp）
– [by varlist:] command [varlist] [=exp] [if exp] [in range] [weight] [, options] 该语句主要用于 生成新变量（gen）或覆盖原有变量（replace）。 – 例：假定销售商相对所有的车进行降价处理，降价的方式是在原有价格基础之上打9折在扣除100 美元。我们可以用下面的命令实现： – cd d:/mystata – use myauto.dta, clear – gen adj_price=price*0.9-100 //新的变量adj_price由原始价格*0.9减去100来生成 – list price adj_price //显示price和adj_price的内容 – 如果要覆盖已存在的变量，要用replace命令，不可以用gen命令。
STATA是当前最为流行 的统计计量分析之一
stata入门中文讲义_经济学_高等教育_教育专区
Stata及数据处理目录第一章STATA基础 (3)1.1 命令格式 (4)1.2 缩写、关系式和错误信息 (6)1.3 do文件 (6)1.4 标量和矩阵 (7)1.5 使用Stata命令的结果 (8)1.6 宏 (10)1.7 循环语句 (11)1.8 用户写的程序 (15)1.9 参考文献 (15)1.10 练习 (15)第二章数据管理和画图 (18)2.1数据类型和格式 (18)2.2 数据输入 (19)2.3 画图 (21)第3章线性回归基础 (22)3.1 数据和数据描述 (22)3.1.1 变量描述 (23)3.1.2 简单统计 (23)3.1.3 二维表 (23)3.1.4 加统计信息的一维表 (26)3.1.5 统计检验 (26)3.1.6 数据画图 (27)3.2 回归分析 (28)3.2.1 相关分析 (28)3.2.2 线性回归 (29)3.2.3 假设检验 Wald test (30)3.2.4 估计结果呈现 (30)3.3 预测 (34)3.4 Stata 资源 (35)第4章数据处理的组织方法 (36)1、可执行程序的编写与执行 (36)方法1：do文件 (36)方法2：交互式-program-命令 (36)方法3：在do文件中使用program命令 (38)方法4：do文件合并 (39)方法5：ado 文件 (40)2、do文件的组织 (40)3、数据导入 (40)4、_n和_N的用法 (44)第一章STATA基础STATA的使用有两种方式，即菜单驱动和命令驱动。
菜单驱动比较适合于初学者，容易入学，而命令驱动更有效率，适合于高级用户。
我们主要着眼于经验分析，因而重点介绍命令驱动模式。
图1.1Stata12.1的基本界面关于STATA的使用，可以参考Stata手册，特别是[GS] Getting Started with Stata，尤其是第１章A sample session和第２章The Stata User Interface。
STATA 教学大纲
（1）面板模型：动态面板模型、面板VAR模型和面板门槛模型（第1讲和第3讲），作为基础，在第2讲中，将介绍Bootstrap和Monte Carlo模拟相关的知识；
（2）内生性问题，包括处理效应模型和倾向得分匹配分析两类模型（第5讲），作为这一讲的基础，在第4讲中，将介绍Logit模型；
（3）随机边界分析相关的模型：传统的SFA模型、异质性SFA模型、面板SFA模型，以及双边SFA模型（第6讲）;
序列相关检验和过度识别检验（Sargan检验）
面板VAR模型简介
冲击反应函数 (பைடு நூலகம்RF)、方差分解 (FEVD)
应用实例（介绍3篇论文）
第2讲（3小时）
自抽样和蒙特卡洛模拟
Bootstrap的原理和Stata实现
Bootstrap组间系数差异检验
Bootstrap获取复杂统计量的临界值
Monte Carlo的基本原理
多元Logit模型（Multinomial Logit）
应用实例（介绍3篇论文）
第5讲（3小时）
内生性问题
Heckman选择模型（Heckman Selection Model）
处理效应模型（Treatment Effect Model）
倾向得分匹配分析（Propensity Score Matching, PSM）
第6讲（3小时）
时间序列模拟分析
时间序列简介
ARIMA过程模拟分析
白噪声和随机游走过程模拟分析
伪回归问题模拟分析
GARCH模型模拟分析
第7讲（3小时）
面板数据模型
静态面板模型：固定效应和随机效应
基于Bootstrap的Hausman检验
异方差和序列相关（Bootstrap、Cluster调整标准误）
（2）内生性问题，包括处理效应模型和倾向得分匹配分析两类模型（第5讲），作为这一讲的基础，在第4讲中，将介绍Logit模型；
（3）随机边界分析相关的模型：传统的SFA模型、异质性SFA模型、面板SFA模型，以及双边SFA模型（第6讲）;
序列相关检验和过度识别检验（Sargan检验）
面板VAR模型简介
冲击反应函数 (பைடு நூலகம்RF)、方差分解 (FEVD)
应用实例（介绍3篇论文）
第2讲（3小时）
自抽样和蒙特卡洛模拟
Bootstrap的原理和Stata实现
Bootstrap组间系数差异检验
Bootstrap获取复杂统计量的临界值
Monte Carlo的基本原理
多元Logit模型（Multinomial Logit）
应用实例（介绍3篇论文）
第5讲（3小时）
内生性问题
Heckman选择模型（Heckman Selection Model）
处理效应模型（Treatment Effect Model）
倾向得分匹配分析（Propensity Score Matching, PSM）
第6讲（3小时）
时间序列模拟分析
时间序列简介
ARIMA过程模拟分析
白噪声和随机游走过程模拟分析
伪回归问题模拟分析
GARCH模型模拟分析
第7讲（3小时）
面板数据模型
静态面板模型：固定效应和随机效应
基于Bootstrap的Hausman检验
异方差和序列相关（Bootstrap、Cluster调整标准误）
stata上机实验第五讲 工具变量(IV)
究竟该用OLS 还是IV
即解释变量是否真的存在内生性？ 假设能够找到方程外的工具变量。 1。如果所有解释变量都是外生变量，则OLS
比IV 更有效。在这种情况下使用IV，虽然估 计量仍然是一致的，会增大估计量的方差。2。 如果存在内生解释变量，则OLS 是不一致的， 而IV 是一致的。
豪斯曼检验（Hausman specification test）原假设： H0 ：所有解释变量均为外生变量。 H1：至少有一个解释变量为内生变量。
检验方法： estat firststage 1。初步判断可以用偏R2(partial R2) (剔除掉模型中原有外生变量的影响)。 2。 Minimum eigenvalue statistic(最小特征 值统计量)，经验上此数应该大于10。
ivregress 2sls lw80 expr80 tenure80 (s80 iq=med kww mrt age), first
使用grilic.dta估计教育投资的回报率。
变量说明：lw80（80年工资对数），s80 （80年时受教育年限），expr80（80年时工 龄），tenure80（80年时在现单位工作年 限）， iq（智商），med（母亲的教育年 限），kww（在‘knowledge of the World of Work’测试中的成绩），mrt（婚姻虚拟变量， 已婚=1），age（年龄）。
ivregress 2sls lw80 expr80 tenure80 (s80 iq=med kww mrt age), first estat overid ivregress gmm lw80 expr80 tenure80 (s80 iq=med kww mrt age) estat overid
《STATA简易操作》课件
收集生存时间数据和潜在影响因素。
使用Stata进行生存分析，包括数据导 入、选择合适的生存分析模型、参数 估计和结果解释。
分析生存曲线和风险函数，探究影响 因素对生存时间的影响。
进行模型假设检验和模型比较。
案例三：面板数据分析
总结词：利用面板数据分析方
法，探究个体、时间和其他变
量的交互作用。
01
详细描述
绘制折线图
折线图用于展示随时间变化的数据 趋势。
VS
在Stata中，可以通过输入“line yvar xvar”命令来绘制折线图。其中 yvar代表要展示的数据变量，xvar代 表时间变量。还可以通过添加选项来 修改线条样式、标记等。
05
Stata实战案例
案例一：线性回归分析
总结词：通过线性回归分析，探究自变量与因 变量之间的关系。
01
确定研究问题，选择合适的自变量和因变 量。
03
02
详细描述
04
使用Stata进行线性回归分析，包括数据 导入、模型设定、参数估计和结果解释。
分析模型的拟合优度，如判定系数、调整 判定系数等。
05
06
检验模型的假设条件，如线性关系、误差 项独立同分布等。
案例二：生存分析
总结词：利用生存分析方法，研究生 存时间与影响因素之间的关系。 详细描述
多元回归
探讨多个自变量对因变量的影响，以 及交互项和平方项的设定。
面板数据分析
面板数据介绍
阐述面板数据的概念、特点及其在经济学中 的应用。
固定效应与随机效应模型
比较两种模型的适用场景和结果解释。
面板数据的单位根与协整检验
介绍用于检验数据稳定性和长期关系的检验 方法。
使用Stata进行生存分析，包括数据导 入、选择合适的生存分析模型、参数 估计和结果解释。
分析生存曲线和风险函数，探究影响 因素对生存时间的影响。
进行模型假设检验和模型比较。
案例三：面板数据分析
总结词：利用面板数据分析方
法，探究个体、时间和其他变
量的交互作用。
01
详细描述
绘制折线图
折线图用于展示随时间变化的数据 趋势。
VS
在Stata中，可以通过输入“line yvar xvar”命令来绘制折线图。其中 yvar代表要展示的数据变量，xvar代 表时间变量。还可以通过添加选项来 修改线条样式、标记等。
05
Stata实战案例
案例一：线性回归分析
总结词：通过线性回归分析，探究自变量与因 变量之间的关系。
01
确定研究问题，选择合适的自变量和因变 量。
03
02
详细描述
04
使用Stata进行线性回归分析，包括数据 导入、模型设定、参数估计和结果解释。
分析模型的拟合优度，如判定系数、调整 判定系数等。
05
06
检验模型的假设条件，如线性关系、误差 项独立同分布等。
案例二：生存分析
总结词：利用生存分析方法，研究生 存时间与影响因素之间的关系。 详细描述
多元回归
探讨多个自变量对因变量的影响，以 及交互项和平方项的设定。
面板数据分析
面板数据介绍
阐述面板数据的概念、特点及其在经济学中 的应用。
固定效应与随机效应模型
比较两种模型的适用场景和结果解释。
面板数据的单位根与协整检验
介绍用于检验数据稳定性和长期关系的检验 方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
晚期胃癌
4
23.73 19.46 22.39 19.53 25.9 20.43 20.71 20.05 23.41 21.34 21.38 25.70
由于这四组对象的资料是相互独立的， 因此属于完全随机分组类型的。 检验问题是考察四组 DNA 含量的平均水平相同吗。如果每一组资料都正态分布并且方差齐性可以用 One way-ANOVA 进行分析，反之用 Kruskal Wallis 检验。 STATA 数据输入格式 g 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 x 9.81 12.73 12.29 12.53 12.95 9.53 12.6 8.9 12.27 14.26 10.68 14.61 17.54 15.1 17 13.39 15.32 13.74 18.24 13.81 12.63 14.53 16.17 23.26 20.8 20.6 23.5 17.85 21.91 22.13 22.04 19.53 18.41 21.48 20.24 23.73 19.46 22.39
说明：4 组 AU 的总体分布不全相同，然后秩和检验，但应取小一些(多重比较时，会增大 第一类错误的概率)。根据 Sidak 检验的建议： 1 (1 ) k ，其中 k 为要比较的次数， 为多组比较总的检验水平(一般为 0.05)，’为两两比较时的检验水平。 如本例：4 组两两比较共比 C4 6 次，因此 a 1 (0.95) 6 0.0085 ，
结果如下： Test: Equality of populations (Kruskal-Wallis test) g _Obs _RankSum 1 11 72.00 2 12 205.00 3 12 411.50 4 12 439.50 chi-squarห้องสมุดไป่ตู้d = 37.814 with 3 d.f. probability = 0.0001 chi-squared with ties = probability = 0.0001 37.816 with 3 d.f.
例5.1 为研究胃癌与胃粘膜细胞中DNA含量（A.U）的关系，某医师测得数据如下，试问四 组人群的胃粘膜细胞中平均DNA含量是否相同？ DNA 含量（A.U） group 浅表型胃炎 1 9.81 12.73 12.29 12.53 12.95 9.53 12.6 8.9 12.27 14.26 10.68 肠化生 17 13.39 15.32 13.74 18.24 13.81 12.63 14.53 16.17 2 14.61 17.54 15.1 早期胃癌 3 23.26 20.8 20.6 23.5 17.85 21.91 22.13 22.04 19.53 18.41 21.48 20.24 组别
Stata 软件基本操作和数据分析入门
第五讲 多组平均水平的比较 赵耐青
一、复习和补充两组比较的统计检验 1. 配对设计资料(又称为 Dependent Samples) a)对于小样本的情况下，如果配对的差值资料服从正态分布，用配对 t 检验 (ttest 差值变量=0) b)大样本的情况下，可以用配对 t 检验 c)小样本的情况下， 并且配对差值呈偏态分布， 则用配对符号秩检验(signrank 差值变量=0) 2. 成组设计(Two Independent Samples) a)如果方差齐性并且大样本情况下，可以用成组 t 检验 (ttest 效应指标变 量,by(分组变量)) b)如果方差齐性并且两组资料分别呈正态分布，可以用成组 t 检验 c)如果方差不齐，或者小样本情况下偏态分布，则用秩和检验(Ranksum test)
group 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 x 79 93 91 92 94 77 93 74 91 101 83 73 88 102 90 100 81 91 83 106 84 78
0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2
1 1
对于比较第 1 组和第 2 组的 AU 分布差别的操作命令为： 先计算中位数 sort g 组别变量排序 by g:centile x,centile(50) 计算各组中位数 -> g = 1 -- Binom. Interp. -Variable | Obs Percentile Centile [95% Conf. Interval] -------------+------------------------------------------------------------x | 11 50 12.29 9.729564 12.7932 -> g = 2 -- Binom. Interp. -Variable | Obs Percentile Centile [95% Conf. Interval] -------------+------------------------------------------------------------x | 12 50 14.855 13.74745 16.91172 -> g = 3 -- Binom. Interp. -Variable | Obs Percentile Centile [95% Conf. Interval]
上述结果表明每一组资料都服从正态分布。 单因素方差分析的 STATA 命令：oneway 效应指标变量 分组变量,t b 其中 t 表示计算每一组均数和标准差,b 表示采用 Bonferroni 统计方法进行两
两比较。 本例命令为 oneway x group,t b
. oneway x g,t b | Summary of x g | Mean Std. Dev. Freq. ------------+-----------------------------------1 | 11.686364 1.6884388 11 2 | 15.173333 1.749173 12 3 | 20.979167 1.7668279 12 4 | 22.0025 2.2429087 12 ------------+-----------------------------------Total | 17.583191 4.6080789 47 Analysis of Variance Source SS df MS F Prob > F -----------------------------------------------------------------------Between groups 824.942549 3 274.98085 77.87 0.0000 Within groups 151.839445 43 3.53114987 -----------------------------------------------------------------------Total 976.781994 46 21.2343912 Bartlett's test for equal variances: chi2(3) = 1.1354 Prob>chi2 = 0.769 方差齐性的检验为：卡方=1.1354，自由度=3,P 值=0.769，因此可以认为方差是齐性的。 H0：1=2=3=4 四组总体均数相同 H1：1，2，3，4 不全相同 =0.05，相应的统计量 F=77.87 以及相应的自由度为 3 和 43，P 值<0.0001，因此 4 组均数 的差别有统计学意义。 Comparison of x by g (Bonferroni) Row Mean-| Col Mean | 1 2 3 ---------+--------------------------------2 | 3.48697(第 2 组样本均数－第 1 组样本均数) | 0.000(H0:1=2 检验的 P 值) | 3 | 9.2928 5.80583(第 3 组样本均数－第 2 组样本均数) | 0.000 0.000(H0:3=2 检验的 P 值) | 4 | 10.3161 6.82917 1.02333(第 4 组样本均数-第 3 组样本均数) | 0.000 0.000 1.000(H0:3=4 检验的 P 值)\ 上述输出为两两比较的结果，在表格的每个单元中，第一行为两组均数的差值，第二行为两 组均数比较检验的 P 值。 根据上述结果可以知道，第 2 组、第 3 组和第 4 组的 AU 均数均大于第 1 组的 AU 均数，并 且差别有统计学意义。说明肠化生患者和胃癌患者的 DNA 的 AU 含量平均水平均高于正常 人的 AU 平均水平，并且差别有统计学意义。 第 3 组和第 4 组的 AU 均数也大于第 2 组的 AU 平均水平，并且差别有统计学意义。说明胃
87 95 101 101 100 114 86 106 107 107 94 89 104 98 110 89 103 89 121 94 95 92 109 98 98 120 104 110
二、多组比较 1. 完全随机分组设计(要求各组资料之间相互独立) a)方差齐性并且独立以及每一组资料都服从正态分布(小样本时要求)， 则采用 完全随机设计的方差分析方法(即：单因素方差分析，One Way ANOVA)进 行分析。 b)方差不齐或小样本情况下资料偏态，则用 Kruskal Wallis 检验(H 检验)
癌患者的 DNA 的 AU 含量平均水平均高于肠化生患者的 AU 平均水平，并且差别有统计学 意义。 第 3 组和第 4 组两组均数的差别没有统计学意义，说明没有足够的证据可以 DNA 的 AU 含 量与癌症的早期与晚期有关系。 假如本例的资料不满足方差分析的要求，则用 Kruskal Wallis 检验，数据结构同上。命令为： kwallis 效应指标变量, by(分组变量) 本例的命令为 kwallis x,by(g) H0：4 组的 AU 总体分布相同 H1：4 组的 AU 总体分布不全相同 =0.05