stata数据管理资料

////数据管理从这里开始///

**调整变量格式：

formatx1%10.3f

//将x1的列宽固定为10，小数点后取三位

formatx1%10.3g

//将x1的列宽固定为10，有效数字取三位

formatx1%10.3e

//将x1的列宽固定为10，采用科学计数法

formatx1%10.3fc

//将x1的列宽固定为10，小数点后取三位，加入千分位分隔符

formatx1%10.3gc

//将x1的列宽固定为10，有效数字取三位，加入千分位分隔符

formatx1%-10.3gc

//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**对样本进行随机筛选：

sample50

//在观测案例中随机选取50%的样本，其余删除

sample50,count

//在观测案例中随机选取50个样本，其余删除**查看与编辑数据：

browsex1x2ifx3>3//按所列变量与条件打开数据查看器

editx1x2ifx3>3//按所列变量与条件打开数据编辑器

**简单统计量的计----------------------------------------------------------

ameansx//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

meanvar1[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

summarizeyx1x2,detail//可以获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summarizevar1[aweight=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

tabstatX1,stats(meannqmaxminsdvarcv//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**概率分布的计算：

**贝努利概率分布测试：

webusequick

bitestquick==0.3,detail//假设每次得到成功案例‘1’的概率等于0.3，计算在变量quick所显示的二项分布情况下，各种累计概率和单个概率是多少

bitesti10,3,0.5,detail//计算当每次成功的概率为0.5时，十次抽样中抽到三次成功案例的概率：低于或高于三次成功的累计概率和恰好三次成功概率**泊松分布概率：

displaypoisson(7,6)//计算均值为7，成功案例小于等于6个的泊松概率

displaypoissonp(7,6)//计算均值为7，成功案例恰好等于6个的泊松概率

displaypoissontail(7,6)//计算均值为7，成功案例大于等于6个的泊松概率**超几何分布概率：

displayhypergeometricp(10,3,4,2)//计算在样本总量为10，成功案例为3的样本总体中，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

displayhypergeometric(10,3,4,2)//计算在样本总量为10，成功案例为3的样本总体中，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**检验极端值的步骤--------------------------------**常见命令：tabulate、stem、codebook、summarize、list、histogram、graphbox、graghmatrix**第一步，用codebook、summarize、histogram、graphboxs、graphmatrix、stem看检验数据的总体情况：

codebookyx1x2

summarizeyx1x2,detail

histogramx1,norm//正态直方图

graphboxx1//箱图

graphmatrixyx1x2,half//画出各个变量的两两x-y图

stemx1//做x1的茎叶图

**第二部，用tabulate、list细致寻找极端值

tabulatecodeifx1==极端值//作出x1等于极端值时code的频数分布表，code表示地区、年份等序列变量，这样便可找出那些地区的数值出现了错误

listcodeifx1==极端值//直接列出x1等于极端值时code的值，当x1的错误过多时，不建议使用该命令

listin-20/l//l表示lastone，-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**第三部，用replace命令替换极端值

replacex1=?ifx1==极端值

keepify<1000

dropify>1000//去除极端值

**数据排序-----------------------------------

sortx//对数据排序

gsort+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

orderyx3x1x2//将变量按照y、x3、x1、x2的顺序排列**生成新变量----------------------------------

genlogx1=log(x1)//得出x1的对数

genx1=exp(logx1)//将logx1反对数化

genr61_100=1ifrank>=61&rank<=100//若rank在61与100之间，则新变量r61_100的取值为1，其他为缺失值

replacer61_100ifr61_100!=1//“!=”表示不等于，若r61_100取值不为1，则将r61_100替换为0，就是将上式中的缺失值替换为0

genabs(x)//取x的绝对值

genceil(x)//取大于或等于x的最小整数

gentrunc(x)//取x的整数部分

genround(x)//对x进行四舍五入

genround(x,y)//以y为单位，对x进行四舍五入

gensqrt(x)//取x的平方根

genmod(x,y)//取x/y的余数

genreldif(x,y)//取x与y的相对差异，即|x-y|/(|y|+1)

genlogit(x)//取ln[x/(1-x)]

genx=autocode(x,n,xmin,xmax)//将x的值域，即xmax-xmin，分为等距的n份

genx=cond(x1>x2,x1,x2)//若x1>x2成立，则取x1，若x1>x2不成立，则取x2

sortx

gengx=group(n)//将经过排序的变量x分为尽量等规模的n个组

egenzx1=std(x1)//得出x1的标准值，就是用(x1-avgx1)/sdx1

egenzx1=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

egensdx1=sd(x1)//得出x1的标准差

egenmeanx1=mean(x1)//得出x1的平均值

egenmaxx1=max(x1)//最大值

egenminx1=min(x1)//最小值

egenmedx1=med(x1)//中数

egenmodex1=mode(x1)//众数

egentotalx1=total(x1)//得出x1的总数

egenrowsd=sd(x1x2x3)//得出x1、x2和x3联合的标准差

egenrowmean=mean(x1x2x3)//得出x1、x2和x3联合的平均值

egenrowmax=max(x1x2x3)//联合最大值

egenrowmin=min(x1x2x3)//联合最小值

egenrowmed=med(x1x2x3)//联合中数

egenrowmode=mode(x1x2x3)//联合众数

egenrowtotal=total(x1x2x3)//联合总数

egenxrank=rank(x)//在不改变变量x各个值排序的情况下，获得反映x值大小排序的xrank**数据计算器display命令---------------------------

displayx[12]//显示x的第十二个观察值

displaychi2(n,x)//自由度为n的累计卡方分布

displaychi2tail(n,x)//自由度为n的反向累计卡方分布，chi2tail(n,x)=1-chi2(n,x)

displayinvchi2(n,p)//卡方分布的逆运算，若chi2(n,x)=p，那么invchi2(n,p)=x

displayinvchi2tail(n,p)//chi2tail的逆运算

displayF(n1,n2,f)//分子、分母自由度分别为n1和n2的累计F分布

displayFtail(n1,n2,f)//分子、分母自由度分别为n1和n2的反向累计F分布

displayinvF(n1,n2,P)//F分布的逆运算，若F(n1,n2,f)=p，那么invF(n1,n2,p)=f

displayinvFtail(n1,n2,p)//Ftail的逆运算

displaytden(n,t)//自由度为n的t分布

displayttail(n,t)//自由度为n的反向累计t分布

displayinvttail(n,p)//ttail的逆运算

**给数据库和变量做标记-----------------------------

labeldata"~~~"//对现用的数据库做标记，"~~~"就是标记，可自行填写

labelvariablex"~~~"//对变量x做标记

labelvaluesxlabel1//赋予变量x一组标签:label1

labeldefinelabel11"a1"2"a2"//定义标签的具体内容：当x=1时，标记为a1，当x=2时，标记为a2**频数表-----------------------------------

tabulatex1,sort

tab1x1-x7,sort//做x1到x7的频数表，并按照频数以降序显示行

tablec1,c（nx1meanx1sdx1）//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------------------------------

webuseauto

tablerep78foreign,c(nmpgmeanmpgsdmpgmedianmpg)centerrowcol

//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

tabulatex1x2,all

//做x1和x2的二维交互表，要求显示独立性检验chi2、似然比卡方独立性检验lrchi2、对定序变量适用的等级相关系数gamma和taub、以及对名义变量适用的V

tabulatex1x2,columnchi2//做x1和x2的二维交互表，要求显示列百分比和行变量和列变量的独立性检验——零假设为变量之间独立无统计关系

tab2x1-x7,allnofreq//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----------------------------------------

byx3,sort:tabulatex1x2,nofreqcolchi2//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检验**四维交互表-----------------------------------------

tablex1x2x3,c(ferqmeanx1meanx2meanx3)by(x4)

tabstatX1X2,by(X3)stats(meannqmaxminsdvarcv)col(stats)

tabstatX1X2,by(X3)stats(meanrangeqsdvarcvp5p95median),[aw=X4]//以X4为权重求X1、X2的均值，标准差、方差等ttestX1=1

countifX1==0

countifX1>=0

genX2=1ifX1>=0

corrx1x2x3//做x1、x2、x3的相关系数表

swilkx1x2x3//用Shapiro-WilkWtest对x1、x2、x3进行正太性分析

sktestx1x2x3//对x1、x2、x3进行正太性分析，可以求出峰度和偏度

ttestx1=x2//对x1、x2的均值是否相等进行T检验

ttestx1,by(x2)unequal//按x2的分组方式对x1进行T检验，假设方差不齐性

sdtestx1=x2//方差齐性检验

sdtestx1，by(x2)//按x2的分组方式对x1进行方差齐性检验**聚类分析-----------------------------------------------

clusterkmeansyx1x2x3,k(3)//依据y、x1、x2、x3，将样本分为n类，聚类的核为随机选取

clusterkmeansyx1x2x3,k(3)measure(L1)start(everykth)//"start"用于确定聚类的核，"everykth"表示将通过构造三组样本获得聚类核：构造方法为将样本id为1、1+3、1+3×2、1+3×3……分为一组、将样本id为2、2+3、2+3×2、2+3×3……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法，"L1"表示采用欧式距离的绝对值，也直接可采用欧式距离（L2）和欧式距离的平方（L2squared）。PS：这个方法所得的结果与SPSS所得结果相同。sortc1c2//对c1和c2两个分类变量排序

byc1c2：regyx1x2x3//在c1、c2的各个水平上分别进行回归

bysortc1c2：regyx1x2x3ifc3=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“ifc3=1”表示只有在c3=1的情况下才进行回归

stepwise,pr(.2):regyx1x2x3//使用Backwardselection，去除P值大于0.2时变量

stepwise,pe(.2):regyx1x2x3//使用forwardselection，去除P值小于0.2时变量

stepwise,pr(.2)pe(.01):regyx1x2x3//使用backward-stepwiseselection，取P值在0.01和0.2之间的变量

stepwise,pe(.2)forward:regyx1x2x3//使用forward-stepwiseselectionregyx1x2x3

predictYhat,xb

predictu,resid

predictustd,stdr//获得残差的标准误

predictstd,stdp//获得y估计值的标准误

predictstdf,stdf//获得y预测值的标准误

predicte,e(1,12)//获得y在1到12之间的估计值

predictp,pr(1，12)//获得y在1到12之间的概率

predictrstu,rstudent//获得student的t值

predictlerg,leverage//获得杠杆值

predictckd,cooksd//获得cooksdmvregY1Y2……:X1X2X3……//多元回归

mvregy1y2y3:x1x3x3//多元回归分析，y1y2y3为因变量，x1x3x3为自变量test[y1]//测试对y1的回归系数联合为0

test[y1]:x1x2//测试对y1的回归中x1、x2的系数为0

testx1x2x3//测试在所有的回归中，x1、x2、x3的系数均为0

test[y1=y2]//对y1的回归和对y2的回归系数相等

test[y1=y2]:x1x2x3,mtest//对y1和y2的回归中，分别测试x1、x2、x3的系数是否相等，若没有mtest这个命令，则测试他们的联和统计

test[y1=y2=y3]//三个回归的系数是否相等，可加mtest以分别测试

test[y1=y2=y3]:x1x2//测试三个回归中的x1、x2是否相等，可加mtest**est命令的用法--------------------

**储存回归结果：

regyx1x2x3//不限于reg，也可储存ivreg、mvreg、reg3

eststoreA

**重现回归结果：

estreplayA

**对回归结果进行进一步分析:**画图--------------------------------

茎叶图：

stemx1,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0～4，后半段为5～9

stemx1,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，每个小树茎的组距为2

stemx1,round(100)//将x1除以100后再做x1的茎叶图直方图:

histogrammpg,discretefrequencynormalxlabel(1(1)5)//discrete表示变量不连续，frequency表示显示频数，normal加入正太分布曲线，xlabel设定x轴，1和5为极端值，(1)为单位

histogramprice,fractionnorm//fraction表示y轴显示小数，除了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当作连续变量来绘图）

histogramprice,percentby(foreign)//按照变量“foreign”的分类，将不同类样本的“price”绘制出来，两个图分左右排布

histogrammpg,discreteby(foreign,col(1))//按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，两个图分上下排布

histogrammpg,discretepercentby(foreign,total)norm//按照变量“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：

graphtwowaylfitpriceweight||scatterpriceweight//作出price和weight的回归线图——“lfit”，然后与price和weight的散点图相叠加

twowayscatterpriceweight,mlabel(make)

//做price和weight的散点图，并在每个点上标注“make”，即厂商的取值

twowayscatterpriceweight||lfitpriceweight,by(foreign)//按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈左右分布

twowayscatterpriceweight||lfitpriceweight,by(foreign,col(1))//按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈上下分布

twowayscatterpriceweight[fweight=displacement],msymbol(oh)//画出price和weight的散点图，“msybol(oh)”表示每个点均为中空的圆圈，[fweight=displacement]表示每个点的大小与displacement的取值大小成比例

twowayconnectedy1time,yaxis(1)||y2time,yaxis(2)//画出