初级stata

b站教学视频

导入数据

use

画散点图

scatter 纵坐标变量 横坐标变量

scatter y x1 x2 …

回归分析

reg y x1 x2 x3 …

假设检验

正态分布

• 正态分布检验指令 sktset + 变量

Obs 样本值 Pr（skewness）是对偏度的正态分布检测值 Pr（kurtosis）是对其峰度的正态分布检验，chi（2）是对总体的正态分布检验，我们主要观看的是P值（Prob）如果P值大于0.05我们就认为其符合正态分布，否则不符合

• 寻找变量正态化的方法 ladder+变量

Formula对数据的处理方法，主要看p值如果P值大于0.05我们就认为其符合正态分布，否则不符合

• 画出变量进行正态话处理后的图像 gladder+变量

t检验

• 单一样本T检验 ttest + 变量名 = 数值

通过单一样本T检验，我们可以实现样本均值与总体均值的比较。也就是说，是用来比较一组数据的平均值和一个数值有无差异

Mean是平均值，std.err为标准误，std.dev是标准差 95% conf.interval是95%水平的置信区间范围 自由度为观测样本数-1 t为t值 主要看P值如果小于0.05那么这组数据的平均值与给定的数据平均值有显著性差异，如果大于0.05那么则无显著性差异

• 单一样本T检验修改置信水平 ttest + 变量名 = 数值，level(99)

数据指标与上图一致，只是置信水平发生变化

• 独立样本T检验修改置信区间值 ttest 变量名=变量名，unpaired

通过独立样本T检验，我们可以实现两个独立样本的均值检验

其他表项与上述表项类似，主要看P值如果小于0.05那么两组数据有显著性差异，如果大于0.05那么则无显著性差异

• 独立样本T检验修改置信区间值 ttest 变量名=变量名，unpaired level(数值)

• 独立样本T检验两样本方差不同 ttest 变量名=变量名，unpaired unequal

• 配对样本T检验 ttest 变量名=变量名

通过配对样本T检验，我们可以实现对成对数据样本均值的比较，其与独立样本T检验的区别是：两个样本来自同一总体，而且数据的顺序不能调换。

主要看P值分析与上面一致

F检验

F检验又叫方差齐性检验。从两研究总体中随机抽取样本，要对这两个>样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t’检验或变量变换或秩和检验等方法。
从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t’检验或变量变换或秩和检验等方法。其中要判断两总体方差是否相等，就可以用F检验。

reg y x1 x2 x3 x4

test x1 x2 x4

test x2=0.3

注意除了y其他都能用test检验

邹检验

例题

建立鸡肉消费量Y对鸡肉价格PC、人均可支配收入YD的回归模型，采用1974-2002的数据估计参数(变量YEAR)，检验1993年是否存在结构变化(邹检验)，请写出相应的Stata的程序或命令(数据use CHICK6.dta)。

方法1

use CHICK6.dta
reg Y PC YD
scalar ssr = e(rss)
reg Y PC YD if year < 1993
scalar srr1 = e(rss)
reg Y PC YD if year >= 1993
scalar srr2 = e(rss)
gene f = ((ssr - ssr1 - ssr2) / 3) / (srr1 + srr2) / (29 -  6)

方法2

use CHICK6.dta
reg Y PC YD
estat sbknown,break(1993)

循环结构举例

参考博客

scaler j = 1
while j <= num{
    matrix pvalue[j, 1] = 2*(1-t(rowsof(x)-colsof(X), abs(tvalue[j, 1])))
    scalar j = j + 1 // 更新时也用scalar
}

正态性JB检验： jb6 X

需要提前安装 ssc install jb6

• 输出的第二个数大于0.05则可认为数据符合正态分布

多重共线性检验之VIF判断

estat vif

先回归再检测，如果vif大于5认为存在严重的多重共线性

序列相关性

序列相关性检验

先回归再检验

• DW检验:estat dwatson

• (简写) estat dwa
  

• BG/LM检验 (拉格朗日乘数检验)

  DW检验有许多限制，只能用于阶序列相关性的检验，方程包含一个常数，而且方程不含滞后被解释变量，还有DW检验会随着被解释变量的个数增加，不确定区域也会扩大

  • estat bgo
  • estat bgo, lags(1/2)
  • estat bgo, small lags(1/2)
  • lags用来设置自相关系数
  • Prob<0.05时拒绝原假设，认为存在自相关
  • small specifies that the p-values of the test statistics be obtained using the F or t distribution instead of the default chi-squared or normal distribution.

自相关图和bg检验

estat bgodfrey, lags( p ) nomiss()

以上为BG检验原始语句，lags( p )用来指定BG检验的滞后阶数p，默认为lags(1),选择项nomiss()表示进行不添加0的BG检验，默认是以0代替缺失值，即DM方法

关于如何确认滞后阶数，简单的方法是看自相关图，画图自相关图后，阴影部分时95%的置信区间，点落在95%的置信区间之外或者附近，表明显著不为0，也就是有自相关

序列相关的补救之GLS方法

自动估计相关系数和阶数，两条命令代表相关系数的两种迭代方法
- prais Y X1 X2 X3
- prais Y X1 X2 X3, corc

序列相关的补救之NW方法

lag(3)代表最高自相关阶数为3
newey Y PC PB YD, lag(3)

异方差检验

参考博客

异方差的怀特检验

reg VOL TOT SAT // 先回归
estat imtest, white

异方差的补救

//补救措施1 怀特调整
reg PCON REG PRICE, robust
//补救措施2 变换方程形式(双对数)
gen lnPCON = ln(PCON)
gen lnREG = ln(REG)
gen lnPRICE = ln(PRICE)
reg lnPCON lnREG lnPRICE
//补救措施3 重新定义定义变量
gen PCON1 = PCON / POP
gen REG1 = REG / POP
reg PCON1 REG1 PRICE

例题

建立图书馆藏书量VOL对师生人数TOT，学生高考成绩SAT的回归模型，请写出线性回归模型的stata命令，采用white法检验异方差命令，采用White调整异方差的命令

reg VOL TOT SAT
estat imtest, white
reg VOL TOT SAT, robust

结果如下：

这个结果用的是CHICK6.dta的数据，但意思大同小异

怀特检验，我们主要H0是同方差假设，HA是异方差假设，看P值，如果P值<0.05说明我们要拒绝原假设，即原序列有着异方差性

怀特检验修正

画自相关图
ac e1

8A SAT互动练习

简单来说，本次练习就是寻找最合适的解释变量，来解释被解释变量。

首先肯定要选择GPA，APMATH以及APENG为我们的解释变量，然后AP因为APMATH以及APENG已经可以解释所以不用，然后看ESL和RACE因为样本中不是亚洲人就是白种人，如果英语不是母语，很大概率是亚洲人，并且在相关系数表中，ESL和RACE的相关系数为0.8461>0.8太大了，因此ESL和RACE只用选一个就可以了，在考试中我认为ESL个具有代表性，因为如果你不是母语者那么你学习过程中肯定有一定的困难，所以采用ESL作为解释变量，而GENDER和PEPR在我看来都有充足的解释力，而且前文也提到了性别对于SAT成绩的巨大影响。

综上所述，我们先用 GPA APMATH APENG ESL GENDER PEPR进行回归分析

预测符号

变量	符号
GPA	+
APMATH	+
APENG	+
ESL	-
GEND	+
PREP	+

开始回归

我们首先看系数与我们的设想一不一致，然后看p值，在t检验中，p值如果<0.05则说明该解释变量有显著的解释力，反之则没有。
我们发现PREP与我们的预期不符。表面上看，变量PREP是一个有影响力的变量，因为几乎可 以肯定PREP课程可以提高修读了该课程学生的SAT测试成绩。问题是学生修读PREP课程的 决定与他以前的（或者预期的）SAT测试成绩有关。我们相信那些感觉自己需要修读PREP课 程的学生会做出正确的判断，同时，我们认为这些课程会使他们的成绩达到与那些没有选修 PREP课程的学生的成绩不相上下。因而，该变量对SAT成绩没有显著的影响。
所以去除PREP

发现一个问题，其他变量p值都挺好的，但到了ESL就拉了，从感性角度出发，但是ESL有充分理由留在这里，这启发我们，数据统计出来的只是一个参考，具体问题，要结合具体的情况分析。

stata命令

• 导入数据
  • 命令行 ——use “路径”
    • 例：use “D:\stata\auto.dta”
  • 标签——文件——打开——选择文件
• 计算函数
  • exp()
  • log()
  • log10()
  • sqrt()
  • abs()
• 数据操作
  • 导入数据
    • 命令行——use “路径”
      • 例：use “D:\stata\auto.dta”
    • 标签——文件——打开——选择文件
  • 删除数据行
    • drop in 1/n //删除前n行
    • drop in n 删除n行
    • duplicates drop //删除重复行
  • 导出dta文件为excel
    • save name.dta, replace \ export excel using name
• 变量操作
  • 新建变量
    • 命令行——generate 新变量名=新变量产生方法
      • 例: generate newprice = price + 4(price是已有变量)
  • 删除变量
    • 命令行——clear
  • 变量值排序
    • 命令行——sort预排序变量
      • 默认从小到大
      • 例:sort price
  • 查看变量值分布
    • 命令行——tabulate 变量
  • 变量的分组
    • 命令行——generate 新变量 = autocode(旧变量，分类数，下界，上界)
    • 举例
      • generate newmpg = autocode(mpg, 3, 10, 40)
      • 结果:新变量newmpg将只取20，30，40中的值
• 矩阵操作
  • 设置系统能容纳的矩阵大小
    • 命令行: set matsize 数值
  • 创建矩阵A
    • 创建单位矩阵
      • matrix define A = l(n) // 创建n维单位矩阵
  • 手动输入值构造
    • Mat A=[1,2,3\4,5,6]
  • 创建每个值相等的矩阵
    • matrix A = J(行数，列数，每个元素的值)
  • 通过变量构造
    • mkmat 变量1 变量2 变量3，matrix(A) //会将三个变量作为矩阵的三列
  • 通过矩阵构造
    • matrix A = []//类似输入值构造，只不过换成了矩阵，注意行列对齐
    • matrix A = 矩阵运算式
    • matrix A = invsym(B)// B是一个可逆矩阵，A得到其逆矩阵
    • matrix diag = vecdiag(A)//提取A的对角元素得到列向量diag
    • matrix R = cholesky(A) // S = RR’，对S进行分解
  • 创建对角矩阵
    • mat D = diag(v) // 其中v是n * 1或 1 * n矩阵
  • 显示矩阵A
    • mat list A
  • 提取矩阵某行某列
    • X[1…2, 3…4]得到X第1、2行和第3、4列形成的矩阵
    • X[1…, 3…]得到第1行到最后一行，第3列到最后一列
  • 矩阵运算
    • 取逆：invsym(A)
    • 转置：A’
  • 设计矩阵列名
    • matrix colnames A = 第一列名 第二列名 第三列名
  • 其他矩阵相关函数
    • scalar m = rowsof(A)//返回矩阵A的行数给标量m
    • scalar n = colsof(A)//返回矩阵A的列数给标量n
• 绘图
  • 散点图
    • Twoway scatter y x
  • 折线图
    • Twoway line y x
  • 带数据点标记折线图
    • twoway connected y x
  • 垂直线图
    • twoway dropline y x
  • lowess图
    • twoway lowess y x
  • 脉冲图
    • twoway spike y x
• 循环结构
  • 见文档
• 得到data集中的所有行数
  • scalar n = _N
• 单词表
  • Obs(objects)有效观测样本
  • Std.Dev(Standard deviation)标准差
  • Wgt(Weight)权重
  • Varlance方差
  • Skewness偏度
    • 用来衡量数据的不对称性
    • <0时，概率分布左偏，有一个向左的尾

    • 0时，概率分布右偏，有一个向右的尾

    • =0时，数据相对均匀地排布在平均值两侧
  • Kurtosis峰度
    • 用来衡量数据的集中性
    • 取值范围>=1，峰度值越大概率分布图越高尖
    • 完全服从正态分布的数据峰度为3
• 统计、假设检验
  • 查看变量的统计指标值
    • 命令行——summarize [变量1 变量2 …][,detail]
      • 后面不加变量名：输出所有变量的统计指标值
      • 后面加变量名，变量名之间空格隔开：输出所选变量的统计指标值
        • 例：summarize price mpg
      • 后面加,detail：显示更多的统计指标值
        • 例：summarize price mpg,detail
    • 命令行——tabstat 变量1 [变量2 …],stats(指标1 [指标2 …])