stata常用命令
stata常用命令
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
stata入门常用命令
stata入门常用命令Stata是一种统计分析软件，在社会科学、医学等研究领域很常用。
以下是Stata入门常用命令：1.数据加载use "文件路径"：加载Stata数据，文件路径为数据文件所在的路径。
describe：显示数据集的变量名、数据类型、缺失值和数据分布等。
2.变量处理generate 变量名=表达式：生成新变量（如指数变量），并可以使用算数、统计和逻辑运算。
replace 变量名=新值：替换某变量中的指定值（如缺失值）为新值。
drop 变量名：删除数据集中的变量。
rename 旧变量名 = 新变量名...：将变量改名。
recode 变量名(包含的值) = 新值：根据变量取值对其离散化。
3.数据子集sort 变量名...：按指定变量排序数据。
by 变量名:...:在一个或多个变量上划分数据集，然后对每个子集应用命令。
if (条件)：指定一个条件，只选取满足条件的数据记录。
merge 命令：将两个或多个数据集根据指定变量进行合并。
4.数据汇总summarize：按变量计算数值统计（如平均值、标准差、中位数和四分位数）。
tabulate 变量名：对变量进行交叉分析，并产生表格输出。
5.数据可视化histogram 变量名：绘制直方图。
scatter 变量名1 变量名2：绘制散点图。
graph 命令：绘制多种类型的图表，例如线图和条形图。
6.线性回归regress 因变量自变量1 自变量2...：通过最小二乘法拟合多元线性回归模型。
test 命令：进行t检验、F检验、方差分析等统计检验。
predict 新变量名：计算回归模型的预测值或残差值，并存储在新的变量中。
7.度量方法计算correlate 命令：计算并存储所有变量的相关系数矩阵。
haase 命令：计算哈斯变换矩阵。
Inflate 命令：计算一个变量的方差膨胀因子和条件数。
8.模态分析（模拟）simulate 命令：用随机抽样模拟数据，计算一个或多个变量的特定函数或方程，并存储结果。
stata常用命令
stata常用命令1. 生成变量1.1 gen生成新变量，可以是常数或基于其他变量的一般表达式。
1.2 replace替换已有变量的值。
生成专门函数如总和、均值、标准差等。
2. 数据子集保留指定的变量。
2.2 drop2.3 in子集数据只保留某些被满足条件的观察值。
更加灵活地较大判断条件。
3. 重塑数据3.1 wide将数据在垂直方向与一个变量进行“展开”（unstack）。
4. 数据合并将两个数据集根据一些共同变量进行合并。
5. 数据排序5.1 sort按顺序排列观测值。
5.2 by指定一组变量作为分类变量，然后对该变量使用stata命令。
6. 描述性统计和图形6.1 summarize描述数据集的基本信息。
6.2 tabulate生成列联表。
绘制直方图。
生成散点图。
6.5 twoway可用于绘制多元图形，包括线图、条形图、密度图等。
7. 频数用于表格中简单查看可以因为比较大的变量。
8. 回归分析8.1 regress线性回归分析。
8.2 logistic8.3 probit生成probit模型。
9. 时间序列9.1 tsset使用stata处理时间序列数据的第一步是指定数据集变量中的时间序列。
生成时间序列图。
10. 面板数据使Stata处理面板数据。
10.2 xtreg生成固定效应模型或随机效应模型。
11. 模型诊断使用模型生成新的预测值。
测试线性组合的系数的显著性。
12. 元分析进行元分析。
13. 子样本13.1 markin创建一个新文件并标记子样本。
标记子样本中的索引值。
以上就是stata常用命令，当然并不是所有的命令都一一列举，在实践用stata的经验中可以去发掘能否有更好的命令来使用。
Stata常用15条命令
【命令1】：导入数据一般做实证分析使用的是excel中的数据，其后缀名为.xls，需要将其修改为.csvinsheet using name.csv, clear【命令2】：删除重复变量sort var1 var2duplicatesdrop var1 var2, force【命令3】：合并数据use data1, clearmerge m:m var1 var2 using data2drop if _merge==2drop if _merge==1drop _merge【命令4】：描述性统计分析tabstat var1var2, stat(n min mean median p25 p75 maxsd), if groupvar==0 or 1输出到word中：logout, save(name) word replace: tabstat var, stat(n min mean p50 max sd) col(stat)f(%9.2g)【命令5】：结果输出安装ssc install estout, replace单个回归reg y xesttab using name.rtf, compress nogap r2 ar2 star(* 0.1 ** 0.05 *** 0.01)多个回归一起reg y x1est store m1reg y x2est store m2esttab m1 m2 using name.rtf, compress nogap r2 ar2 star(* 0.1 ** 0.05 *** 0.01)【命令6】生成虚拟变量tab year, gen(year)tab industry, gen(industry)【命令7】数据缩尾处理findit winsor2之后安装winsor2 varname, replace cut(1 99)【命令8】异方差检验怀特检验ssc install whitetstreg y x1 x2estat imtest, white处理：“OLS+稳健标准差”reg y x1 x2 x3, robust【命令9】 DW检验gen id=_ntsset idestat dwatson【命令10】计算两个日期之间的间隔天数gen td=date(trading_date,'YMD')gen ed=date(eventdate,'YMD')form td ed %tdgen d=ed-td【命令11 】生成滞后、差分数据tsset code yeargen newvarname=l.varnamegen newvarname=d.varname【命令12】多重共线检验之方差膨胀因子reg y x1 x2 x3vif【命令13】多重共线修正之逐步回归stepwise, pe(0.1): reg y x【命令14】检验是否遗漏高次项reg y xestat ovtest或者estat ovtest, rhs【命令15】样本检验两样本均值T检验ttest var, by(groupvar)两样本中位数Z检验ranksum var, by(groupvar)。
stata常用命令总结
Stata常用命令总结Stata是一种统计分析软件，广泛用于社会科学、经济学、生物医学等领域的数据分析。
它具有丰富的功能和灵活的数据处理能力，能够进行各种统计分析、数据可视化和模型建立。
本文将总结Stata的常用命令，包括重要观点、关键发现和进一步思考，帮助读者更好地理解和使用Stata。
一、数据导入和处理e命令：用于导入Stata数据文件（.dta）。
2.import命令：用于导入其他格式的数据文件（如Excel、CSV等）。
3.save命令：用于保存当前数据文件。
4.drop命令：用于删除变量或观察值。
5.keep命令：用于保留指定的变量或观察值。
重要观点：在数据导入和处理阶段，要注意数据的完整性和准确性。
需要检查数据的缺失值、异常值和数据类型，做好数据清洗和预处理工作。
二、数据描述和统计分析1.summarize命令：用于计算变量的描述性统计量，如均值、标准差、最大值、最小值等。
2.tabulate命令：用于制作交叉表和列联表。
3.correlate命令：用于计算变量之间的相关系数。
4.regress命令：用于进行线性回归分析。
5.logit命令：用于进行二分类的逻辑回归分析。
重要观点：在进行数据描述和统计分析时，要根据研究问题选择合适的方法和指标。
同时要注意解释统计结果的意义，避免过度解读和误导。
三、数据可视化1.histogram命令：用于绘制直方图。
2.scatter命令：用于绘制散点图。
3.twoway命令：用于绘制多种类型的图形，如线图、柱状图、饼图等。
4.graph export命令：用于将图形导出为图片文件。
重要观点：数据可视化是数据分析的重要手段，能够直观地展示数据的分布和关系。
在进行数据可视化时，要选择合适的图形类型和参数，使图形简洁明了，易于理解和解释。
四、面板数据分析1.xtset命令：用于设置面板数据的时间和单位。
2.xtreg命令：用于进行面板数据的固定效应或随机效应模型分析。
stata最常用命令大全
statasave命令FileSave A s例1. 表1.为某一降压药临床试验数据，试从键盘输入S tata，并保存为S tata格式文件。
STATA数据库的维护排序SORT变量名1 变量名2……变量更名r ename 原变量名新变量名STAT A数据库的维护删除变量或记录drop x1 x2 /* 删除变量x1和x2d rop x1-x5/* 删除数据库中介于x1和x5间的所有变量(包括x1和x5)drop if x<0 /* 删去x1<0的所有记录drop in 10/12 /* 删去第10~12个记录drop if x==. /* 删去x为缺失值的所有记录drop if x==.|y==. /* 删去x或y之一为缺失值的所有记录dropif x==.&y==. /* 删去x和y同时为缺失值的所有记录drop _all /* 删掉数据库中所有变量和数据STATA的变量赋值用generat e产生新变量gen erate 新变量＝表达式genera te bh=_n /* 将数据库的内部编号赋给变量bh。
gener ate group=int((_n-1)/5)+1 /* 按当前数据库的顺序，依次产生5个1，5个2，5个3……。
直到数据库结束。
generate block=mod(_n,6) /* 按当前数据库的顺序，依次产生1,2,3,4,5,0。
gener ate y=log(x) if x>0/* 产生新变量y，其值为所有x>0的对数值log(x)，当x<=0时，用缺失值代替。
e gen产生新变量s et obs 12egen a=seq() /*产生1到N的自然数egenb=seq(),b(3) /*产生一个序列，每个元素重复＃次egen c=seq(),to(4) /*产生多个序列，每个序列从1到＃egen d=se q(),f(4)t(6) /*产生多个序列，每个序列从#1到＃2encode字符变量名，gen(新数值变量名)作用：将字符型变量转化为数值变量。
stata命令总结
stata命令总结.docStata命令总结引言Stata是一款强大的统计分析软件，广泛应用于经济学、社会学、医学等领域。
Stata命令是进行数据处理、统计分析、图形展示等操作的基础。
本文将对Stata中常用的命令进行总结，以帮助用户更高效地使用Stata进行数据分析。
Stata基础命令1. 数据管理导入数据：import excel, import delimited导出数据：export excel, export delimited数据集保存：save, saveold2. 变量管理创建变量：generate, egen修改变量：replace删除变量：drop3. 数据清洗数据类型转换：destring, encode, format缺失值处理：mvdecode, drop if missing()异常值检测：tabulate, summarize描述性统计分析1. 基本统计量描述性统计：summarize频率统计：tabulate相关系数：correlate2. 分组统计分组描述：bysort, xtsum 分组汇总：collapse3. 数据转换数据长格式：reshape long 数据宽格式：reshape wide 推断性统计分析1. 假设检验t检验：ttest方差分析：anova卡方检验：tabulate, chi2 2. 回归分析线性回归：regress逻辑回归：logit泊松回归：poisson3. 时间序列分析时间序列描述：tsreport自回归模型：arima高级统计分析1. 面板数据分析面板数据描述：xtset, xtsum固定效应模型：xtreg fe随机效应模型：xtreg re2. 多层次模型多层次线性模型：xtmelogit3. 结构方程模型结构方程模型：sem绘图与可视化1. 基本图形散点图：scatter线图：line柱状图：bar2. 高级图形箱线图：boxplot直方图：histogram核密度估计图：kdensity3. 交互式图形交互式图形：twoway, graph edit编程与自动化1. 循环与条件语句循环：foreach, forvalues条件语句：if, else2. 脚本与批处理脚本编写：do-file批处理：batch3. 宏与用户定义命令宏：macro用户定义命令：program define结语Stata命令的掌握是进行高效数据分析的前提。
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：FE vs POLS, RE vs POLS, FE vs RE （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（Spillovers Effect）、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xtset id year （id为截面名称，year为时间名称）xtdes /*数据特征*/xtsum logy h /*数据统计特征*/sum logy h /*数据统计特征*/*添加标签或更改变量名label var h "人力资本"rename h hum*排序sort id year /*是以STATA面板数据格式出现*/sort year id /*是以DEA格式出现*/*删除个别年份或省份drop if year<1992drop if id==2 /*注意用==*/*如何得到连续year或id编号（当完成上述操作时，year或id就不连续，为形成panel 格式，需要用egen命令）egen year_new=group(year)xtset id year_new**保留变量或保留观测值keep inv /*删除变量*/**或keep if year==2000**排序sort id year /*是以STATA面板数据格式出现sort year id /*是以DEA格式出现**长数据和宽数据的转换*长>>>宽数据reshape wide logy,i(id) j(year)*宽>>>长数据reshape logy,i(id) j(year)**追加数据（用于面板数据和时间序列）xtset id year*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,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）bysort year:corr Y X Z,cov**生产虚拟变量*生成年份虚拟变量tab year,gen(yr)*生成省份虚拟变量tab id,gen(dum)**生成滞后项和差分项xtset id yeargen ylag=l.y /*产生一阶滞后项)，同样可产生二阶滞后项*/gen ylag2=L2.ygen dy=D.y /*产生差分项*/*求出各省2000年以前的open inv的平均增长率collapse (mean) open inv if year<2000,by(id)变量排序，当变量太多，按规律排列。
- 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)。
面板数据估计首先对面板数据进行声明：前面是截面单元，后面是时间标识：tsset company yeartsset industry year产生新的变量：gen newvar=human*lnrd产生滞后变量Gen fiscal(2)=L2.fiscal产生差分变量Gen fiscal(D)=D.fiscal描述性统计：xtdes ：对Panel Data截面个数、时间跨度的整体描述Xtsum：分组内、组间和样本整体计算各个变量的基本统计量xttab 采用列表的方式显示某个变量的分布Stata中用于估计面板模型的主要命令：xtregxtreg depvar [varlist] [if exp] , model_type [level(#) ]Model type 模型be Between-effects estimatorfe Fixed-effects estimatorre GLS Random-effects estimatorpa GEE population-averaged estimatormle Maximum-likelihood Random-effects estimator主要估计方法：xtreg： Fixed-, between- and random-effects, and population-averaged linear modelsxtregar：Fixed- and random-effects linear models with an AR(1) disturbance xtpcse ：OLS or Prais-Winsten models with panel-corrected standard errors xtrchh ：Hildreth-Houck random coefficients modelsxtivreg ：Instrumental variables and two-stage least squares for panel-data modelsxtabond：Arellano-Bond linear, dynamic panel data estimatorxttobit ：Random-effects tobit modelsxtlogit ： Fixed-effects, random-effects, population-averaged logit modelsxtprobit ：Random-effects and population-averaged probit models xtfrontier ：Stochastic frontier models for panel-dataxtrc gdp invest culture edu sci health social admin,betaxtreg命令的应用：声明面板数据类型：tsset sheng t描述性统计：xtsum gdp invest sci admin1.固定效应模型估计：xtreg gdp invest culture sci health admin techno,fe固定效应模型中个体效应和随机干扰项的方差估计值(分别为sigma u 和sigma e），二者之间的相关关系(rho)最后一行给出了检验固定效应是否显著的F 统计量和相应的P 值2.随机效应模型估计：xtreg gdp invest culture sci health admin techno,re检验随机效应模型是否优于混合OLS 模型：在进行随机效应回归之后，使用xttest0检验得到的P 值为0.0000，表明随机效应模型优于混合OLS 模型3. 最大似然估计Ml：xtreg gdp invest culture sci health admin techno,mleHausman检验Hausman检验究竟选择固定效应模型还是随机效应模型：第一步：估计固定效应模型，存储结果xtreg gdp invest culture sci health admin techno,feest store fe第二步：估计随机效应模型，存储结果xtreg gdp invest culture sci health admin techno,reest store re第三步：进行hausman检验hausman feHausman检验量为：H=(b-B)´[Var(b)-Var(B)]-1(b-B)～x2(k)Hausman统计量服从自由度为k的χ2分布。
当H大于一定显著水平的临界值时，我们就认为模型中存在固定效应，从而选用固定效应模型，否则选用随机效应模型如果hausman检验值为负，说明的模型设定有问题，导致Hausman 检验的基本假设得不到满足，遗漏变量的问题，或者某些变量是非平稳等等可以改用hausman检验的其他形式：hausman fe, sigmaless对于固定效应模型的异方差检验和序列相关检验：Xtserial gdp invest culture sci health admin techno异方差检验：xtreg gdp invest culture sci health admin techno,fexttest3 (Modified Wald statistic for groupwise heteroskedasticity in fixed effect model)随机效应模型的序列相关检验：xtreg gdp invest culture sci health admin techno,reXttest1Xttest1用于检验随机效应(单尾和双尾) 、一阶序列相关以及两者的联合显著检验结果表明存在随机效应和序列相关，而且对随机效应和序列相关的联合检验也非常显著可以使用广义线性模型xtgls对异方差和序列相关进行修正：xtgls gdp invest culture sci health admin techno, panels(hetero)，修正异方差xtgls gdp invest culture sci health admin techno, panels(correlated)，修正依横截面而变化的异方差xtgls gdp invest culture sci health admin techno, panels(hetero) corr(ar1)，修正异方差和一阶序列相关ar(1)我常用到的stata命令最重要的两个命令莫过于help和 search了。
即使是经常使用stata的人也很难，也没必要记住常用命令的每一个细节，更不用说那些不常用到的了。
所以，在遇到困难又没有免费专家咨询时，使用stata自带的帮助文件就是最佳选择。
stata的帮助文件十分详尽，面面俱到，这既是好处也是麻烦。
当你看到长长的帮助文件时，是不是对迅速找到相关信息感到没有信心？闲话不说了。
help和search都是查找帮助文件的命令，它们之间的区别在于help 用于查找精确的命令名，而search是模糊查找。
如果你知道某个命令的名字，并且想知道它的具体使用方法，只须在stata的命令行窗口中输入help空格加上这个名字。
回车后结果屏幕上就会显示出这个命令的帮助文件的全部内容。
如果你想知道在stata下做某个估计或某种计算，而不知道具体该如何实现，就需要用 search命令了。
使用的方法和help类似，只须把准确的命令名改成某个关键词。
回车后结果窗口会给出所有和这个关键词相关的帮助文件名和链接列表。
在列表中寻找最相关的内容，点击后在弹出的查看窗口中会给出相关的帮助文件。
耐心寻找，反复实验，通常可以较快地找到你需要的内容。
下面该正式处理数据了。
我的处理数据经验是最好能用stata的do文件编辑器记下你做过的工作。
因为很少有一项实证研究能够一次完成，所以，当你下次继续工作时。
能够重复前面的工作是非常重要的。
有时因为一些细小的不同，你会发现无法复制原先的结果了。
这时如果有记录下以往工作的do文件将把你从地狱带到天堂。
因为你不必一遍又一遍地试图重现做过的工作。
在stata窗口上部的工具栏中有个孤立的小按钮，把鼠标放上去会出现“bring do-file editor to front”，点击它就会出现do文件编辑器。
为了使do文件能够顺利工作，一般需要编辑do文件的“头”和“尾”。
这里给出我使用的“头”和“尾”。
/*（标签。
简单记下文件的使命。
） */capture clear （清空内存中的数据）capture log close （关闭所有打开的日志文件）set mem 128m （设置用于stata使用的内存容量）set more off （关闭more选项。
如果打开该选项，那么结果分屏输出，即一次只输出一屏结果。
你按空格键后再输出下一屏，直到全部输完。
如果关闭则中间不停，一次全部输出。
）set matsize 4000 （设置矩阵的最大阶数。
我用的是不是太大了？）cd D: （进入数据所在的盘符和文件夹。
和dos的命令行很相似。
）log using （文件名）.log,replace （打开日志文件，并更新。
日志文件将记录下所有文件运行后给出的结果，如果你修改了文件内容，replace选项可以将其更新为最近运行的结果。
）use （文件名）,clear （打开数据文件。
）（文件内容）log close （关闭日志文件。
）exit,clear （退出并清空内存中的数据。
）这个do文件的“头尾”并非我的发明，而是从沈明高老师那里学到的。
版权归沈明高老师。
（待续）我常用到的stata命令：（续）实证工作中往往接触的是原始数据。
这些数据没有经过整理，有一些错漏和不统一的地方。
比如，对某个变量的缺失观察值，有时会用点，有时会用-9，-99等来表示。
回归时如果使用这些观察，往往得出非常错误的结果。
还有，在不同的数据文件中，相同变量有时使用的变量名不同，会给合并数据造成麻烦。
因此，拿到原始数据后，往往需要根据需要重新生成新的数据库，并且只使用这个新库处理数据。
这部分工作不难，但是非常基础。
因为如果在这里你不够小心，后面的事情往往会白做。
假设你清楚地知道所需的变量，现在要做的是检查数据、生成必要的数据并形成数据库供将来使用。
检查数据的重要命令包括codebook，su，ta，des 和list。
其中，codebook提供的信息最全面，缺点是不能使用if条件限制范围，所以，有时还要用别的帮帮忙。
su空格加变量名报告相应变量的非缺失的观察个数，均值，标准差，最小值和最大值。