Stata教学讲解课件

Stata简介1主要参考书：《社会统计分析与数据处理技术--STATA软件的应用》，杨菊华著，中国人民大学出版社，2008年3月。《应用STATA做统计分析》第5版，汉密尔顿著，郭志刚等译，重庆大学出版社，2008年第一版。21、界面Stata有4个窗口：1．StataCommand（右下）用于向Stata输入命令；2．StataResults（右上）用于显示运行结果；3．Review（左上）记录使用过的命令；4．Variables（左下）显示当前memory中的所有变量。342、文件和数据Stata相关的文件有三类：数据文件，do-file文件，log文件。1．数据文件数据文件以后缀“.dta”表示。数据文件是Stata处理和分析的对象。数据文件具有如下的逻辑结构：5Variable1Variable2……Variablen12……n6其中每一行表示一个观测，每一列表示一个变量。每个观测都有一个编号（表1左起第1列），是系统自动加上去的。Stata对数据类型的区分不是很细致，分为数据型和字符型。缺失数据用“.”表示。其中每一行表示一个观测，每一列表示一个变量。每个观测都有一个编号（表1左起第1列），是系统自动加上去的。Stata对数据类型的区分不是很细致，分为数据型和字符型。缺失数据用“.”表示。数据文件可以在DataEditor中生成，如图2所示。在方格中输入相应的变量名和数据后，点击Save按钮即可。72．do-file文件do-file文件以后缀“.do”表示。在command窗口输入命令很不方便，而且也不利于保存对数据文件处理和分析的过程。替代的做法是使用工具栏中“NewDo-fileEditor”在Do-file中编写命令。8在do-file文件中，用*表示注释内容，Stata在运行do-file文件时会跳过这些注释语句。加入注释语句能增强do-file文件的可读性。最好为每一个do-file文件写详细的注释内容。比如文件名称，计量分析的目的，时间和结果存放位置。如果过程中生成并保存了数据文件，应写出相应数据文件的名称等。如果中途对do-file文件进行过修改，最好将修改过文件保存为另一个文件，以便于将来对比分析原文件和修改后的文件。93．log文件log文件以后缀“.log”表示，用于记录Stata的运行结果。在开始运行Stata时，创建一个log文件，并指定其路径和文件名，在结束运行时，再将其关掉，则可记录此间Stata的运行结果。10例：：（开始运行）logusingD:\Econometrics\logfiles\20091012.log….（Stata命令）…..logclose（结束运行）从而20091012.log就记录了从“logusing”命令到“logclose”命令之间Stata运行的所有结果。113、语法和命令Stata的语法十分地简单和灵活。一个命令便构成了一条可执行的语句，在StataCommand中输入后，敲回车键就可以运行了。当然也可以将一组语句编成do-file文件。12Stata命令可以大体上分成4类：help命令；针对memory的命令；处理和分析数据的命令；数学命令。现分述如下。help命令十分地简单。比如想了解“regress”的用法，可在StataCommand中输入如下语句后回车：helpregressStata会提供关于“regress”用法的详细说明，并配以例子。13针对memory的命令有清空命令clear和设置memory大小的setmemory命令。memory有一个默认的大小，但如果数据文件太大，必须重设memory的大小，例如：setmemory20m该命令将memory大小设为20兆。14处理和分析数据的命令构成Stata命令的主体。它们可实现各种各样的功能，但大体具有如下的格式：[byvarlist1:]command[varlist2][ifexp][inrange][,options]其中[byvarlist1:]表示按一组变量（由varlist1指定）分组；command[varlist2]表示命令是针对由varlist2指定的变量；[ifexp]表示命令只针对满足exp（一般是一个逻辑表达式）的观测；15[inrange]表示命令只针对处在range指定的范围内的观测，如in5指执行的范围是第5个观测，in-5指执行的范围是倒数第5个观测，in5/12指执行的范围是从第5到第12个观测；[,options]是命令特有的一些选项，根据情况和需要而定，Stata的强大功能主要就体现在这些选项上，选项的使用非常精细和讲究，使用时既要依据个人的经验，也要参看Stata的帮助系统或工具手册。16[ifexp]极大地体现了Stata的灵活性。逻辑表达式exp一般由以下成分构成：变量名数字，字符，表示缺失值的“.”

关系运算符：==（等于），!=，～＝（不等于），>（大于），<（小于），>=（大于或等于），<=（小于或等于）逻辑运算符：&（与），|（或），～（非）174、数据管理4.1改变变量名renameold_varnamenew_varnameold_varname是原变量名，new_varname是新变量名。184.2生成新变量generatenewvar=exp[ifexp][inrange]newvar是生成的新变量，exp是由现有变量生成新变量的算术或逻辑表达式，[ifexp]和[inrange]指定对哪些观测计算新变量值。比如，generateage2=age*age（新变量age2等于age的平方），generatebiginc=income>100000&income~=.（若income大于100000且不缺失，则新变量biginc为1，否则为0）。194.3对现有变量重新赋值replaceoldvar=exp[ifexp][inrange]oldvar为现有的变量。对满足[ifexp]和[inrange]的样本，oldvar将根据表达式exp重新赋值。比如，replaceincome=.ifincome<=0（若income非正，令其取缺失值），replaceage=25in1007（令第1007个观测中age为25）。204.4删除变量或观测dropvarlist（去掉varlist指定的变量）drop_all（去掉全部变量）dropifexp(去掉符合表达式exp的观测)dropinrange（去掉处在range指定范围内的观测）214.5保留变量或观测keepvarlist（保留varlist指定的变量，其余变量去掉）keepifexp(保留符合表达式exp的观测，其余观测去掉)keepinrange（保留处在range指定范围内的观测）224.6观测重排sortvarlist将全部观测按varlist指定的变量按升序排列。varlist中可以有不止一个变量，此时排序与字典顺序相当。234.7数据文件的合并数据文件的合并涉及两个数据文件：在memory中的和不在memory中的。称前者为原数据文件（themasterdata），后者为新数据文件（theusingdata）。数据文件的合并有两种情形。若新数据文件与原数据文件的变量完全一样，此时新数据文件相当于新的观测，使用append命令：appendusingfilename其中filename是新数据文件的文件名。24若新数据文件对应着同样的观测，但变量不全一样，则使用merge命令：merge[varlist]usingfilename其中filename是新数据文件的文件名，varlist是合并的依据，varlist（可以不止一个变量）取值一样的观测视为同一个观测。在合并之前，原数据文件和新数据文件都要先按照varlist排序。如果除了varlist外，原数据文件和新数据文件还有一部分变量是相同的。对这部分变量，merge命令有两个常用的选项。25merge[varlist]usingfilename,update将原数据文件中的缺失值替换成新数据文件中的相应值（前提是后者不缺失）。merge[varlist]usingfilename,updatereplace将原数据文件中的变量值替换成新数据文件中的相应值（前提是两者不一样）。在这两种情形下，merge自动生成一个指示变量_merge。该变量的不同取值，代表了合并的不同情形。但一般会连续进行几次merge操作，所以在完成一次merge后应马上使用drop_merge指令将其去掉。26

4.7.1数据拆分与连接/合并需要掌握的命令为了折分或合并数据文件，要掌握下面的命令：命令命令解释用法示例drop删除变量或观察值dropmathkeep保留变量或观察值keepmathappend将两个数据集拼接(观察值拼接)appendusingmathmerge将两个数据集合并（变量合并）mergeidusingmathreshape将数据重整reshapelonginc,i(id)j(yr)stack将多列数据转换成一列数据stackabcd,into(ef)xpose数据转置xpose,clear数据Aappendmerge数据连接与拆分(drop/keep)数据B数据A数据B数据A数据B4.7.2横向拆分数据将mydata数据分成三个数据文件，分别为学生基本信息文件student.dta,经济学成绩文件economy.dta和数学成绩文件math.dta。idnamegenderminorityeconomymath1John1140682Chris1280523Jack0290764Huang0243905Tom0370966Han1153857Phillip0285368Jin129565将要新生成的三个数据文件如下：student.dta

economy.dta

math.dtaidnamegenderminority1John112Chris123Jack024Huang025Tom036Han117Phillip028Jin12ideconomy140280390443570653785895idmath168252376490596685736865*-------将mydata拆分成学生基本信息数据文件student--------.cdd:/mydata/.usemydata.dta,clear.dropeconomymath.savestudent,replace*----------------将mydata拆分成经济学成绩数据文件economy---------.usemydata,clear.keepideconomy.saveeconomy,replace*----------------将mydata拆分成数学成绩数据文件math--------.usemydata,clear.keepidmath.savemath,replace4.7.3纵向拆分数据将mydata数据分成二个数据文件，分别为女生数据集female.dta和男生数据集male.dta。原始数据同上。该任务完成后将要形成的数据如下：

female.dta

male.dtaidnamegenderminorityeconomymath3Jack0290764Huang0243907Phillip0285365Tom0370961John114068idnamegenderminorityeconomymath1John1140686Han1153858Jin1295652Chris128052*----------------将mydata拆分成女生数据集female--------------.usemydata,clear.keepifgender==0.savefemale,replace*----------------将mydata拆分成男生数据集male----------------.usemydata,clear.dropifgender==0.savemale,replace4.7.4纵向合并数据将女生数据集female.dta和男生数据集male.dta合并为新的数据集mydata1原始数据同上。参考操作*========begin=========/**---------将女生数据集female和男生数据集male合并为新数据mydata1--------.usemale,clear.appendusingfemale.savemydata1,replace*===========end==========/*4.7.5横向合并数据将学生基本信息数据集student.dta和数学成绩math.dta,经济学成绩economy.dta合并为新的数据集mydata2.原始数据同上。参考操作*/========begin===========**将学生基本信息和学习成绩合并成新数据mydata2.usestudent,

clear.sortid.useeconomy,

clear.sortid.mergeidusingstudent.drop_merge.savemydata2,

replace.usemath,clear.sortid.mergeidusingmath.drop_merge.savemydata2,replace4.8下标引用下标引用使Stata能很有效地处理时间序列数据和面板数据。对每个数据文件，_N表示观测的总数，_n为观测的序号（_n=1为第一个观测，_n=2为第二个观测，…，_n=_N是最后一个观测）。下标引用可以很方便地生成滞后变量和做差分：generatelagprice=price[_n-1]（生成滞后变量）generatedifprice=price–price[_n-1]（做差分）。时间序列数据可以直接由L.命令生成滞后变量。394.9生成虚拟变量在很多场合，需要对分别变量（categoricalvariables）生成虚拟变量。Stata提供的xi命令能很方便地实现这一点。这是Stata最引人入胜的功能之一。本文仅介绍xi命令最基本的用法：xi[,prefix(string)]i.varnamevarname是某一分类变量，设其共有m个可能的取值；string是prefix()指定的前缀。上述指令生成了K-1个虚拟变量：stringvarname_2,stringvarname_3,…,stringvarname_K。其中stringvarname表示字符串string和varname的联合。如果不使用[,prefix(string)]选项，则默认的前缀是_I。40例：数据集中year的取值范围是2001，2002，2003，2004，2005，则指令xii.year生成4个虚拟变量_Iyear_2，_Iyear_3，_Iyear_4，_Iyear_5，分别对应year取值为2002，2003，2004，2005的情形。414.10保存对数据文件的改变对数据文件做了如上处理后，有两种保存方法。其一是生成新的数据文件（设其文件名为newfilename），原数据文件不变（设其文件名为filename），可使用如下指令savenewfilename其二是处理的结果写入原数据文件中，原数据文件发生改变，可使用如下指令savefilename,replace425、描述统计describe命令可以描述数据文件的整体，包括观测总数，变量总数，生成日期，每个变量的存储类型（storagetype），标签（label）等。如果数据文件不是很大，可以直接在StataResults中显示数据，使用如下指令：list[varlist][ifexp][inrange]其中varlist指定了要显示的变量，[ifexp]和[inrange]确定哪些观测将被显示。435.1

summarize命令summarize[varlist][weight][ifexp][inrange][,detail]summarize可以提供varlist指定变量（可以不止一个）的如下统计量：Percentiles（分位数），四大最大的数和四个最小的数，Variance（方差），Std.Dev.（标准差），Skewness（偏度），Kurtosis（斜度）445.2

tabstat命令tabstatvarlist[weight][ifexp][inrange][,stats(statname[...])]tabstat提供[,stats(statname[...])]指定的统计量，可供选择的有mean（均值），count（非缺失观测值个数），sum（总和），max（最大值），min（最小值），range（最大值－最小值），sd（标准差），var（方差），cv（变易系数＝标准差/均值），skewness（偏度），kurtosis（斜度），median（中位数），p1（1％分位数，类似地有p5,p10,p25,p50,p75,p95,p99），iqr（interquantilerange=p75–p25）。比如，想知道变量pop在整个样本的均值和方差，可以使用如下命令：tabstatpop,stats(meanvar)455.3正态性检验对单个变量进行正态性检验可以使用如下命令：sktestvarnameswilkvarname其中sktest基于变量的偏度和斜度（正态分布的偏度为0，斜度为3），swilk基于Shapiro-Wilk检验。这两个检验的零假设为变量服从正态分布。它们都给出p值，p值越小，越倾向于否定零假设，也就是变量越有可能不服从正态分布。465.4

tabulate命令tabulate主要用于处理与分类变量相关的问题。设varname1,varname2都为分类变量，则指令：tabulatevarname1tabulatevarname1varname2对varname1和varname2可能的取值做频数统计。现在设varname1表示性别，有1和0两种取值，分别表示男性和女性，另有varname3表示收入。我们想研究男性和女性在平均收入上的差别，可以使用如下指令tabulatevarname1,summ(varname2)tabulate的用法很多，可以使用helptabulate命令来查询。与tabulate类似的命令有table。475.5

anova命令anovayx1x2anova做方差分析（analysisofvariance），研究y的平均值在分类变量x1和x2不同取值之间的差异。485.6signrank命令signranky1=y2signrank做Wilcoxon秩检验。495.7signtest命令signtesty1=y2秩检验，检验变量y1和y2的中值是否相等。检验y1的中值是否为5可用如下命令signtesty1=5505.8ttest命令ttesty1=y2检验变量y1和y2的平均值是否相等。检验y1的平均值是否为5可用如下命令ttesty1=5515.9correlate命令correlate[varlist][weight][ifexp][inrange]correlate计算varlist中变量（两两）之间的相关系数。526、画图Stata提供了非常强大的画图功能。在很多场合，画图与描述统计一样，都是要揭示单个变量的分布或多个变量之间的关系，只是以图形的形式更为直观。在具体画图时，可以参看Stata的GraphicsReferenceManual或使用helpgraph指令。53对单个变量，Stata能画如下图案：直方图histogramy（y是变量名，下同）

boxplotgraphboxypiechartsgraphpiey

核估计方法得到的概率密度函数kdensityyQQ图qnormy54对多个变量，Stata能画如下图案：两个变量的散点图graphtwowayscatteryx（y对x的散点图）graphtwowaylineyx（以x为横座标，y为纵座标的点连成的折线）graphtwowayconnectedyx（以x为横座标，y为纵座标的点连成折线，但转角处特别标出）graphtwowaylfityx（y对x回归的回归直线）55一个变量的总体统计量对另一个变量（一般为分类变量）的barchartsgraphbar(mean)y,over(x)（y的平均值与x的关系）graphbar(media)y,over(x)(y的中位数与x的关系)多个变量的散点图graphmatrixx1x2x3x4y（x1,x2,x3,x4,y两两之间的散点图）56有一些通用的选项可以给图形“润色”：标题title(“string”)（string可为任意的字符串，下同）脚注note(“string”)

横座标标题xtitle(“string”)

纵座标标题ytitle(“sting”)横座标范围xaxis(a,b)（a<b为两个数字，下同）纵座标范围yaxis(a,b)

插入文字text（该命令既要指定插入文字的内容，也要指定插入的位置）插入图例legend（该命令既要指定图例的内容，也要指定其位置）577、回归和分析回归是Stata最主要的功能之一。本部分主要介绍如何用Stata做线性回归，以及回归分析，并简单介绍用Stata做Logistic回归的方法。回归命令的选项也非常丰富，可以使用helpregress/logit/probit/tobit来了解。58线性回归的命令有：

regressyx1x2x3（以y为被解释变量，x1，x2，x3为解释变量做回归；regress后第一个变量为被解释变量）

regressyx1x2x3,robust（regressionwithrobuststandarderrors）

regressyx1x2x3[aweight=w]（WLS，以变量w为权重）59xi:regressyx1x2i.catvar*x2(被解释变量为y，解释变量为x1，x2，分类变量catvar生成的虚拟变量与x2的乘积。xi可以实现很复杂的带虚拟变量的回归。可使用helpxi命令来了解。)regressyx1x2(xz)（工具变量回归，工具变量是x和z）

regressyx1x2[ifexp][inrange]（使用满足[ifexp]和[inrange]的观测做回归）60线性回归的典型输出：Stata会报告如下结果：方差分解，整体显著性检验的F统计量及相应的p值，R平方，调整后的R平方，MSE的平方根（亦即对σ的估计），系数估计，系数估计的标准差，t值，显著性检验的p值，置信区间。61回归后可以对系数做假设检验：对单个参数的检验testamount（检验amount的系数是否显著）testamount=1（检验amount的系数是否为1）对多个参数的检验testamountratio（零假设为amount和ratio的系数都不显著）testamount=ratio（检验amount和ratio的系数是否相等）testamount+ratio=1（检验amount和ratio的系数之和是否为1）62回归后一般要做回归分析，检验是否存在异常的观测，以及是否有异方差，自相关，共线性。回归分析一般依据回归残差进行。此时最重要的命令是predict，可以使用helppredict指令来了解它。predict命令主要的功能如下：拟合值相关predictyhat（yhat是任意指定的变量名，以下皆如此）predictnew,stdp（standarderrorsofpredictedmeany）63回归残差相关predicte,resid（e是任意指定的变量名）predicte,rstandard（标准化的残差，e是任意指定的变量名）predicte,rstudent（学生化的残差，e是任意指定的变量名）predictnew,stdr（回归残差的标准差,new是任意指定的变量名）64观测相关predictnew,cooksd(Cook’sDinfluencemeasures)predictnew,dfits(DFITSinfluencemeasures)predictnew,welsch(welsch’sdistanceinfluencemeasures)这几个指令都给出每个观测对回归的影响程度。影响程度越大的观测，越有可能是异常的。在回归时，一般要去掉异常观测。65在得到残差后，可以画残差关于某一解释变量，拟合值，时间的图象，以判断有没有异方差或自相关的存在。此时可以使用前一部分介绍的画图命令，但也有专门的命令可用。如果是画残差关于拟合值的图象，可以使用rvfplot命令。如果要画残差关于某一解释变量（设为x1）的图象，可以使用如下指令：rvfplotx166更精细的回归分析需要做假设检验：异方差检验hettest(CookandWeisberg’stestforheteroskedasticity)hettestx1（同上，但此时我们有理由怀疑异方差可写成变量x1的函数）自相关检验dwstat（Durbin-Watson自相关检验）durbina（Durbin-Watsonh统计量）bgodfrey（Breusch-GodfreyLM统计量）67共线性检验vif（varianceinflationfactors或方差膨胀因子。对每一个解释变量，都可以计算其方差膨胀因子。该因子越大，相应的变量越有可能是其它变量的线性组合。）Logistic回归命令的形式与线性回归十分相识：

logit回归logityx1x2x3（y取0或1，是被解释变量，x1-x3是被解释变量）

probit回归probityx1x2x3（y取0或1，是被解释变量，x1-x3是被解释