Stata统计分析报告命令

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%的数用1%的值赋值，对于大于99%的数用99%的值赋值。1、Stata中的单变量极端值处理：stata11.0,在命令窗口输入“finditwinsor”后，系统弹出一个窗口，安装winsor模块安装好模块之后，就可以调用winsor命令，命令格式：winsorvar1,gen(newvar)p(0.01)或者在命令窗口中输入：sscinstallwinsor安装winsor命令。winsor命令不能进彳亍批量处理。2、批量进彳亍winsorize极端值处理：打开链接:/judson.caskey/data.html,找到winsorizeJ,点击右键，另存为到stata中的ado/plus/目录下即可。命令格式：winsorizeJvar1var2var3,suffix(w)即可，这样会生成三个新变量，var1wvar2wvar3w,而且默认的是上下1%winsorize。如果要修改分位点，则写成如下格式：winsorizeJvar1var2var3,suffix(w)cuts(595)3、Excel中的极端值处理：(略)winsor2命令使用说明简介：winsor2winsorizeortrim(iftrimoptionisspecified)thevariablesinvarlistatparticularpercentilesspecifiedbyoptioncuts(##).Indefult,newvariableswillbegeneratedwithasuffix〃_w〃or〃_tr〃，whichcanbechangedbyspecifyingsuffix()option.Thereplaceoptionreplacesthevariableswiththeirwinsorizedortrimmedones.相比于winsor命令的改进：可以批量处理多个变量；不仅可以winsor,也可以trimming;附加了by()选项，可以分组winsor或trimming;增加了replace选项，可以不必生成新变量，直接替换原变量。范例：*-winsorat(p1p99),getnewvariable〃wage_w〃.sysusenlsw88,clear.winsor2wage*-left-trimmingat2thpercentile.winsor2wage,cuts(2100)trim*-winsorvariablesby(industrysouth),overwritetheoldvariables.winsor2wagehours,replaceby(industrysouth)使用方法：请将winsor2.ado和winsor2.sthlp放置于stata12\ado\base\w文件夹下；输入helpwinsor2可以查看帮助文件；二、描述性统计1、summarize命令格式：su、sum或者summarize[varlist][if][in][weight][,options]如果summarize或sum后不加任何变量，则默认对数据中的所有变量进彳亍描述统计options选项：detail表示产生更加详细的统计变量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][,options]options选项：stat(statname)表示设定所需要的统计量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kurtosis:峰度median/p50:中位数p#:#%百分位数例如：tabstat[varlist],stat(countmeansdmedianminmaxrange)col(stat)3、描述性统计结果输出到word或Excel用sum做的描述性统计：logout,save(miaoshutongji)wordreplace:sum用tabstat做的描述性统计：logout,save(miaoshutongji)wordreplace:tabstat[varlist],stat(countmeansdmedianminmaxrange)col(stat)分组描述：bysortvar:三、相关性分析相关性分析1、Pearson相关系数命令格式：correlate(简与：cor或corr)[varlist][if][in][weight][,options]2、spearman相关系数命令格式：spearman[varlist],stats(rhop)3、在Stata中，命令corr用于计算一组变量间的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的相关系数，同时还可以对相关系数的显著性进彳亍检验；option选项中加上sig可显示显著性水平：pwcorr[varlist],sig5、命令pcorr用于计算一组变量中两两变量的偏相关系数并进彳亍显著性检验。6、Spearman和Pearson检验同在一个表的命令：corrtbl[varlist],corrvars([varlist])输出结果中，上三角为Spearman相关系数和显著水平，下三角为Pearson系数和显著水平。输出相关系数表到word或Excel中例如：logout,save(mytable)wordreplace:pwcorr_apricempgrep78headroomtrunk,star1(0.01)star5(0.05)star10(0.1)四、截面数据单方程线性回归模型的Stata实现命令格式：regress（简与：reg）depvarindepvars[if][in][weigh][option]（depvar表示因变量，indepvars表示自变量）五、异方差的检验与处理1、检验异方差命令格式：hettest2、判折异方差的标准：.hettestBreusch-Pagan/Cook-WeisbergtestforheteroskedasticityHo:constantvarianceVariables:fittedvaluesofLpfmsch-i2（l）=0.55Prob>chi2=0.4584看P值的大小来判断，如果P值小于0.05，则不能排除异方差的可能，上图中P值等于0.4584>0.05,因此，可以排除异方差的可能性。3、处理异方差命令格式：在reg命令后加上“，r”或者“,robust”即可。经异方差处理后的回归不显示调整后的R2（adj-R2），如果要查看调整后的R2，再输入命令：die（r2_a）天、多重共线性（自变量之间高度相关）命令格式：vif（一）判断多重共线性的标准（两个标准必须同时满足）：1、最大的vif大于10；2、平均的vif大于1。（二）多重共线性的修正1、采用逐步回归进彳亍修正，命令格式：swregdepvarindepvar,pr（0.05）2、对于含二次项的，使用“对中”的方法，既可以保留二次项，又可以在一定程度上克服多重共线性的问题：先定义两个变量，分别为该变量减去其均值和该变量的平方，命令如下：sumvargenvar1=var-r（mean）genvar2=var"2再用新变量代替原来的变量进彳亍回归处理七、内生性的检验与处理（内生性是指自变量与误差项之间有关系）1、内生性的检验：ovtestovtestIRamseyRESETtestusingpowersofthefittedvaluesofLpfmsHo:modelhasnoomittedvariablesF（3,379）=0.S4Prolb>F=0.4717看P值的大小来判断，如果P值小于0.05，则不能排除内生性的可能，上图中P值等于0.4717>0.05，因此，可以排除内生性的可能。2、内生性的处理：使用工具变量法：ivreg内生性的三个来源：测量误差、遗漏变量和双向因果。1、变量的内生性。这个是没有办法单独检验的。当有合适工具变量时候，是可以检验的，就是hausman检验2、工具变量的外生性。这个也是没办法检验的。当有很多工具变量时候，可以检验是否有不是外生的，就是“过度识别”问题3、工具变量的相关性。这个可以说成是“弱工具变量”问题，检验可以通过一阶段的F值。还可以利用PartialR2。4、估计方法stata里面有这么几个2sls，2slssmal、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。【例子】webusehsng2*Fitaregressionvia2SLS,requestingsmall-samplestatisticsivregress2slsrentpcturban(hsngval=faminciregion),small*FitaregressionusingtheLIMLestimatorivregresslimlrentpcturban(hsngval=faminciregion)*FitaregressionviaGMMusingthedefaultheteroskedasticity-robustweightmatrixivregressgmmrentpcturban(hsngval=faminciregion)*FitaregressionviaGMMusingaheteroskedasticity-robustweightmatrix,requestingnonrobuststandarderrorsivregressgmmrentpcturban(hsngval=faminciregion),vce(unadjusted)*检验estatafirststage,allforcenonrobust\\\可以查看第一阶段F值，已经partialR2estatoverid\\\查看是否过度识别estatendogenous\\\查看是否异方差regress2slsrentpcturbanhsngvaleststorem1ivregress2slsrentpcturban(hsngval=faminciregion)eststorem2hausmanm1m2\\\内生检验八、线性方程组的回归分析命令格式：sureg(depvar1varlist1)(depvar2varlist2)…(depvarNvarlistN)[if][in][weigh]九、联立方程组命令格式：reg3(depvar1varlist1)(depvar2varlist2)…(depvarNvarlistN)[if][in][weigh]十、面板数据的固定效应和随机效应Xtset固定效应命令格式：xtregdepvarindepvars[if][in],fe[FE_options]随机效应命令格式：xtregdepvarindepvars[if][in],re[FE_options]hausman检验固定效应还是随机效应？【例子】xtregyvarlvar2var3,feeststorefextregyvarlvar2var3,reeststorerehausmanfere,sigmamorehausmanfere,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回归结果的导出1、在命令窗口中输入：sscinstallesttab,安装命令esttab2、reg回归3、esttabusingfilename.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，输出内容为变量名称和相应的回归系数，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esttabmlm2usingaaa.rtf,star(*0.10**0.05***0.01)。4、批量输出回归结果：每运彳亍一个regression，存起来：eststorem1。m1是你要改的，第一个model所以我叫m1,第二个的话指令就变成eststorem2,依次类推，最后运彳亍指令：esttabm1m2...usingtest.rtf。esttabm11111usingaaaaa.rtf,star(*0.10**0.05***0.01)b(%6.4f)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：sscinstalloutreg2useauto,clear[varlist]eststorem1outreg2[m1]usingtest.doc,replace十二、合并样本(将关键词相同的多个样本合并为一个)命令格式：duplicatesdropvarlist,force例如将同一企业在同一天发生的多起并购合为一起，可根据证券代码和公告日期关键词，将其合并，命令：duplicatesdropcompany_idevent_date,force十三、均值t检验命令格式：ttestCAR1==CAR2,unpaired十四、中位数Z检验(非参数Wilcoxon秩和检验)命令格式：ranksumvar,by(groupvar)groupvar为分组变量十五、检验两组均值的显著性差异，在t检验的后面数值上面加星号可以用ttest命令执彳亍检验，它会直接报告星号。亦可采用外部命令meantab执彳亍检验，自己根据t值大小标注星号。helpmeantab//这个最好用sysusenlsw88,clearmeantabcollgradwagehoursttl_exptenure,///over(union)tstatdiffnoncells另有一个李春涛老师编写的命令，可以直接标注星号：finditttable//多变量，两组差异十六、删除有缺失值的样本egenmis=rowmiss(_all)dropifmis条件语句：cond例如：cond(missing(x),.,cond(x>2,50,70))returns.ifxismissing,returns50ifx>2,andreturns70ifx<2十七、中心化处理与标准化处理1、安装命令：finditcenter2、中心化：centervarlist(注：生成的新变量默认加前置”c_”，可一次对多个变量进彳亍处理)或：centervar,g(newvar)(注：只能对一个变量进彳亍中心化，并生成给定名称的新变量)3、标准化：centervarlist,prefix(z_)standardize(注：生成的新变量加前置”z_”，可多个，可更改)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)dropvar1-var100(处理数据)restore(恢复数据)十九、genicv产生交叉项【问题】有时候，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】sscinstallgenicvsysuseauto,cleargenicvlengthweightforeign//会生成4个交叉项，所有可能情况，并且有labelregpricelengthweightlength_weight*如果不愿意生成，直接用regpricec.length##c.weight\\\和上面回归一样一样的二十、用stata统计变量的个数，但是要去掉重复的部分bysid:gn=_ncountifn==1二—、stata中的主成分分析法1、首先，需要对变量进彳亍哪些检验？KMO？还有什么？KMO检验结果符合什么条件才能继续进彳亍主成分分析？答：首先使用KMO检验和SMC检验。KMO的判断为，UsingtheKaiser(1974)characterizationofKMOvalues,0.00to0.49unacceptable0.50to0.59miserable0.60to0.69mediocre0.70to0.79middling0.80to0.89meritorious0.90to1.00marvelousSMC即一个变量与其他所有变量的复相关系数的平方，也就是复回归方程的可决系数。SMC比较高表明变量的线性关系越强，共性越强，主成分分析就越合适。命令是estatkmoestatsmc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：pcavarlist(不清楚就helppca)2、例如，对Y的5各指标执行了命令pcay1y2y3y4y5得出结果方差贡献率(proportion)就是权重吗？答：不是。假如设定方差贡献率为95%,那么，累积方差超过95%的那几个特征值、所对应的特征变量，就是权重。3、看有的帖子上回复说，需要接着执彳亍predicty1y2y3y4y5,scor§这是为了得到每个指标的主成分得分吗？为什么我执彳亍了一下，只生成了一个y1,别y2、y3、y4、y5都没生成呢答：直接“predicty1-y4”就可以。生成的四个就是得分。4、不知道你要问什么？总之，主成分的步骤为1、先通过KMO检验和SMC检验确定是否需要主成分分析2、进彳亍主成分分析，通过累计贡献率确定需要的哪几个主成分3、根据情况看是否需要rotate4、通过predict进彳亍得分。或者通过scoreplot看得分分布图。二十二、将一般的数据转化为面板数据原数据的形式（excel中）是：2008一张sheet,2009一张sheet。。。。。即：DFHYitKitLit12261224=623230273276416.53206235417S26250343179401120100770506SO23159175.5626953041S4055371574767060190S11293579145207S9191242417101277375222401127906141347979S66.5124S62926042S.51376127622567319.5141251951335669然后改成这样的数据形式是：

AE_Lc_LDE_LF_LGH1I1.T公司名符Yit2008Yit2009Yit2010Kit2OO0Kit2009Kit2010Lit2008L112009Lit20101226113608.251105.425224：64936.5984108.49523233123027340102.066024=0.7227645657.732604=3.39016.511.5203206235420925143033013170262296305.6332315.35034=504=89431794014225323634362612018096017.53305598.0770381.5739536002563322.7559910.131591019.50839254.06175.514.51346269530354989.736459.574184=043796.9141070.62553504.543471574=76290664.9200974.470605902.06235000.06190571500293579220195.9479237.51452025136.0843561.92706075.5919124773.196537.3593424773.35052010.2351710.51810127737113150.593694.9052229156.70110556.01402020112790614107232401216146713479799964001137663866.52200.52510124062957061.0672251.7926041045.3614033.16320.512.531.513761276134907510718942256734651.55125246.7319.515520114125195114422.7182454.5133562805.15516806.556933.57915442694332010.3395230.3370052794=3.331281.47469403.5327.5粘贴在stata里就是这样的形式(注意：变量名字一定要改)：其中Y为因变量，可以是很多个，XI、X2为自变量，也可以是很多个，stata中的变量名依次为：id、Y2008、Y2009、Y2010、X12008、X12009、X12010、X22008、X22009、X22010idY2DD8Y2DD9Y2D1DX12DD8X12DD9X12D1DX22OD8X22DD9X22D1O1122611S6D8.211D5・42224649BE・641D8.5232331223D2734D1D2・1&024&.727645657.736S43.416.511.52D332・1己十。6W・9巴十。63.De-h0617S26229GBS63323155DB458489443・2巴十。64.W已十066.Be±0612D18096017.530559977D381.573St55B68D256BB2355991831591819.5939254.9175・514.51346626953D玷49903后459.64184043796.941070.6553504.54347715747629D6652D0974706059D2・0635D80.919D5715SSS2935792281964792B71452025136.143561.9786075.59919124773.2537.359424778.3512D1D.2417ID.5ISID101277371131519M69552229156.7IDES6.S4D202D11112.Be-l-061.1&+071.2e-hO71.3e+D69964。。1.1&+06&66・52208.525IS12124862957D61.972251.826D41845-364833.1&2S.512.531.513IB7&12761.M已十061.le-r0622567B4651.5125247319.515520114141251951144231S2454133562805・151&SD6,66933.579IS1544269433201D39523D37D8527943.331281.54694D3.5327.516162D8D5767.DI9SDI.5427722352.5S279D.172D.51419171782D842.26S5796.3211921721.652713.412325W6在stata中输入命令：reshapelongYX1X2,i(id)j(year)回车即可，变为：

idyearYXIX212DOS22G1224623120091860S.24986.G23120101105.42410S.53122DDB3027327G416.522DD940102.15657.7311.522DID6024S.76S43.420320082.1S+-061782G250332DD92.9已十。6296386458320103.0e-b0633231548942DD83.2e-b0612D1S0770420094.2S+-0696017.53SI.542DIOG.3e-b063055997395200886S023159175.552DD95GB3231819.5914.55201055991839254.9134G200826953041S4055362DD935499043796.95D4.562DID36459.64107D.64347200815747G70601907200929D6G55502.065772DIO20D974350S0.9158二十三、关于数值型转换为字符型的问题1、股票代码导入STATA后都变成数值型，现想用tostring命令变回字符型，但长度小于6位的代码，在变回字符型后在前面补够不足6位的0。方法：formatvariable%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的值：replacex=substr(〃000000〃+x,-6,6)2、将一个12位的数值转换为字符，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的科学计数法的前五位，如将110102002016转成字符后显示为1.10e+11，提取时提的是“1.10e”而不是我想要的“11010”gy=substr(string(x,"%12.0f”),1,5)3、将字符型转化为数值型命令为：destringvar,replace(转换后替换原来的值)若字符型中含其他符号并要生成新变量则用：destringvarlist,gen(newvarlist)ignore(“$,%”)二十四、分组均分四组：sortvarxtileprop=var,nq(x)(括号中的x代表分成的group数)例如：sortinsto_maxtileprop=insto_ma,nq(4)//以insto_ma的四分位点分成四组sortpropinsto_msdegenstdI=xtile(insto_msd),by(prop)nq(4)//按prop,以insto_msd的四分位点分成四组二十五、估计残差做完回归后，使用命令predicte,r排列组合计算C2=3,C2=6:dicomb(3,2),dicomb(4,2)取整：ceil(x),returnstheuniqueintegernsuchthatn-1<x<=n.returnsx(not“.”)ifxismissing,meaningthatceil(.a)=.afloor(x),returnstheuniqueintegernsuchthatn<=x<n+1,returnsx(not“.”)ifxismissing,meaningthatfloor(.a)=.(x),returnstheintegerobtainedbytruncatingxtoward0;thus,int(5.2)=5,int(-5.8)=-5,returnsx(not“.”)ifxismissing,meaningthatint(.a)=.a。Onewaytoobtaintheclosestintegertoxisint(x+sign(x)/2),whichsimplifiestoint(x+0.5)forx0.However,useoftheround()functionispreferred任何两种软件之间的数据转换，有一种方法是人挡杀人，佛挡杀佛。那就是：先在A软件里面将其另存为文本格式，然后在B软件里面里面以文本文件导入，再保存为B软件的文件格式。文本格式，我一般习惯将其存为.csv格式，即变量数据间以逗号分隔，

也可以以制表符分隔或、空格分隔或是固定列宽。伍德里奇《横截面与面板数