stata简介及操作演示

使用*或//来注释单行或多行代码，Ctrl +  /   为选中段落加注释。Ctrl加Enter是在命令窗口里换行

Stata文件种类：

  .dta (Stata datafile)，应该按照各个版本去保存

  .do(Stata命令文件);

  .smcl或者 .log(Stata output log file)

最流行的 Stata 非官方命令下载平台为“统计软件成分” (Statistical Software Components ， SSC)， 由 Boston College 维护，网址为 http://ideas.repec.org/s/boc/bocode.html

相关命令：

ssc new ( 罗列 SSC 的最新非官方 Stata 命令及简介 )

ssc install newcommand ( 安装 SSC 非官方命令 “ newcommand ” )

下载东西的时候要确定路径是英文名，不然识别不出来。

如果要使用某种估计方法，但不知道它是否存在，可搜索：

search keyword ( 搜索帮助文件、 FAQs 、例子、 Stata  Journal (SJ), Stata Technical Bulletin (STB) 等 )

findit keyword ( 搜索以上内容，以及 Stata 的网络资源 )

实例操作

 以 Nerlove(1963)对电力行业规模报酬的经典研究来介绍 Stata 的实际操作。该数据集nerlove.xls (Excel文件) 包括了 1955 年美国 145 家电力企业的横截面数据。

1.数据导入（Excel）

点击菜单 File → Import，然后导入各种格式的数据。

导入后，即会看到右上方的Variables窗口出现了5 个变量，分别为

TC(total cost，总成本)

Q(total output，总产量)

PL(price of labor，小时工资率)

PF(price of fuel，燃料价格)

PK(user cost of capital，资本的租赁价格)

点击 Save 图标 (也可点击菜单File → Save)，将数据存为 Stata 格式的文件(扩展名为 dta )，比如nerlove.dta。（Excel转dta）

打开的方式有两种：

 方法一：点击 Open 图标 (也可点击菜单 File → Open)，寻找要打开的 dta 文件位置。

 方法二：在命令窗口输入以下命令并回车(按 Enter 键)：  use “文件地址”, clear

    其中，逗号“,”之后的“clear”为“选择项”(option)，表示可替代内存中的已有数据。

 如要关闭一个数据集，以便使用另外一个数据集，可输入命令： clear /clear all

2.变量的标签

在变量窗口，变量的“名字”(Name) 右边显示 其“标签”(label)。

法一：点击菜单Data → Variables Manager，然后编辑变量名、标签以及变量的存储格式。

 例：把 TC，Q，PL，PF 与 PK 的标签分别改为“total cost”“total output”，“price of labor”，“price of fuel”与“user cost of capital”。

法二：输入命令：label variable 变量 “标签名"

3.生成新变量及变量重命名

其中：

一：生成新变量

 原变量取对数：gen lnTC=log(TC)

 生成平方项Q2：gen Q2=Q^2

 生成交互项lnPL×lnPK：gen lnPLlnPK=lnPL*lnPK

二：变量重命名

 rename old_varname new_varname

4.审视数据

想看数据集中的变量名单、标签等，可输入命令：   describe

  其中，“ describe”的下划线表示，可将该命令简写为 “ d ”。

给数据集加一个标签，说明来自“Nerlove 1963 paper”：   label data "Nerlove 1963 paper"

  再次运行命令“ describe” ，就会看到数据集的标签 “ Nerlove 1963 paper ”

种一：如果想看变量 TC 与 Q 的具体数据，可使用命令：   list TC Q

  如想中途停止该命令的执行，可点击 Break 图标。

种二：只对数据集的一部分执行命令，比如只看 TC 与 Q 的前 5 个数据:   list TC Q in 1/5

如要罗列从第 32-36 个观测值，可输入命令:   list TC Q in 32/36

种三：也可通过逻辑关系来定义数据集的子集。如要列出所有满足条 件“ Q ≥ 10000” 的变量 TC 与 Q 的数据，可使用以下命令:   list TC Q if Q >= 10000

种四：查看具体数据的直接方法是，点击 Data Editor (Edit) 图标，或者点击该图标右边的 Data Editor (Browse) 图标。

如要删除满足“ Q ≥ 10000”条件的观测值，输入命令:   drop if Q >= 10000

如只想保留满足“ Q ≥ 10000”条件的观测值，可使用命令:   keep if Q >= 10000

5.考察变量的统计特征

如果看变量 Q 的统计特征，可输入命令:   summarize Q   （su  Q）

  显示变量 Q 的样本容量、平均值、标准差、最小值与 最大值。

如想看更多的统计指标，使用命令:   su Q, detail

  新增的统计指标有百分位数 (percentiles)，方差(variance) ，偏度 (skewness) 与峰度 (kurtosis) 。

如果要显示变量 PL 的经验累积分布函数 (empirical cumulative distribution function)，

可使用命令: tabulate PL

如要显示内存中 3 个价格变量之间的相关系数，输入命令：  pwcorr PL PF PK,sig star(.05)

选择项“ sig ”表示显示相关系数的显著性水平 ( 即 𝑝值，列在相关系数的下方 ) ，选择项“ star(.05) ”表示

给所有显著性水平小于或等于 5%的相关系数打上星号。

6.画图 

画变量 Q 的直方图 ( 假定组宽为 1000)，输入命令：  histogram Q, width(1000) frequency

  逗号“ , ”之后的“ width(1000) ”与“ frequency”为“选择项” (options) ，分别表示将组宽设为 1000，将纵坐标定为频数。

画 TC 与 Q 之间的散点图，输入命令：  scatter TC Q

在上面的散点图中，无法知道每个点分别对应哪个观测值。为此，首先定义一个新变量“ n ”来表示

第 n 个观测值：  gen n=_n

其中，“ _n ”即表示第 n 个观测值。

输入命令：  scatter TC Q, mlabel(n) mlabpos(6)

选择项“ mlabel(n) ”表示以变量“ n ”作为“mark label ” ( 标签 ) ；选择项“ mlabpos(6) ”(mark label position) 表示将此标签放在散点正下方 (6 点钟的位置 )，默认位置为散点的右边 (3 点钟 ) 。

如想在散点图上同时画出回归直线，使用命令： twoway (scatter TC Q)(lfit TC Q)

其中，“ lfit ”表示“ linear fit ” ( 线性拟合 ) 。

如想在散点图上同时画出二次回归曲线，使用命令：  twoway (scatter TC Q)(qfit TC Q)

graph combine scatter1.gph scatter2.gph

更多作图方法，参见菜单“ Graphics”。对于任何命令，只要输入“ help command ” ( 比如，help histogram) ，即可看到详细说明

7.线性回归分析

一元线性回归： Stata 中回归分析的命令为 regress ，可简写为reg

reg y x [ ， option]

其中， y 为因变量 ,x 为自变量。 [ ， option]为添加的条件表达式

𝑦 = 18.33 + 0.73x

多元线性回归： reg y x1 x2 x3 x4 [ ， option]

在进行回归时，若不需要常数项 reg educ exper tenure numdep, noc

若只对女性子样本进行回归 reg educ exper tenure numdep if female==1

模型拟合值与残差:

predict yhat 计算被解释变量的拟合值，并记为 yhat

predict e1, residuals 计算残差，并记 e1

估算方差与协方差矩阵

qui reg educ exper tenure numdep

vce

估算方差膨胀因子

qui reg educ exper tenure numdep

vif

// Stata文件种类：
//  .dta (Stata datafile)，应该按照各个版本去保存
//  .do(Stata命令文件); 
//  .smcl或者 .log(Stata output log file)

*******************************实例操作***********************************
// 以 Nerlove(1963)对电力行业规模报酬的经典研究来介绍 Stata 的实际操作。该数据集 nerlove.xls 
// (Excel文件) 包括了 1955 年美国 145 家电力企业的横截面数据。

**************************1.数据导入***************************
// 点击菜单 File → Import，然后导入各种格式的数据。
// 导入后，即会看到右上方的Variables窗口出现了5 个变量，分别为
//  TC(total cost，总成本)
//  Q(total output，总产量)
//  PL(price of labor，小时工资率)
//  PF(price of fuel，燃料价格)
//  PK(user cost of capital，资本的租赁价格)

// 点击 Save 图标 (也可点击菜单File → Save)，将数据存为 Stata 格式的文件(扩展名为 dta )，比如nerlove.dta。
// 打开的方式有两种：
//  方法一：点击 Open 图标 (也可点击菜单 File → Open)，寻找要打开的 dta 文件位置。
//  方法二：在命令窗口输入以下命令并回车(按 Enter 键)： use “文件地址”, clear
//  其中，逗号“,”之后的“clear”为“选择项”(option)，表示可替代内存中的已有数据。
//  如要关闭一个数据集，以便使用另外一个数据集，可输入命令：
clear /clear all

************************2.变量的标签*****************************
// 在变量窗口，变量的“名字”(Name) 右边显示其“标签”(label)。
// 点击菜单Data → Variables Manager，然后编辑变量名、标签以及变量的存储格式。
//  例：把 TC，Q，PL，PF 与 PK 的标签分别改为“total cost”“total output”，“price of labor”，“price of fuel”与“user cost of capital”。
// 或输入命令：label variable 变量 “标签名"

************************3.生成新变量及变量重命名******************************
// 生成新变量
//  原变量取对数：
gen lnTC=log(TC)
//  生成平方项Q2：
gen Q2=Q^2
//  生成交互项lnPL×lnPK：
gen lnPLlnPK=lnPL*lnPK
// 变量重命名
rename old_varname new_varname

************************4。审视数据********************************************
// 想看数据集中的变量名单、标签等，可输入命令：  
describe
d
//  其中，“describe”的下划线表示，可将该命令简写为“d”。
// 给数据集加一个标签，说明来自“Nerlove 1963 paper”：
label data "Nerlove 1963 paper"
//  再次运行命令“describe”，就会看到数据集的标签“Nerlove 1963 paper”

// 如果想看变量 TC 与 Q 的具体数据，可使用命令： 
list TC Q
//  如想中途停止该命令的执行，可点击 Break 图标。
// 只对数据集的一部分执行命令，比如只看 TC 与Q 的前 5 个数据:
list TC Q in 1/5

// 如要罗列从第 32-36 个观测值，可输入命令: 
list TC Q in 32/36
// 也可通过逻辑关系来定义数据集的子集。如要列出所有满足条 件“Q ≥ 10000”的变量 TC 与 Q 的数据，可使用以下命令: 
list TC Q if Q >= 10000

// 查看具体数据的直接方法是，点击 Data Editor (Edit)图标，
//   或者点击该图标右边的 Data Editor (Browse)图标。
// 如要删除满足“Q ≥ 10000”条件的观测值，输入命令:
drop if Q >= 10000
// 如只想保留满足“Q ≥ 10000”条件的观测值，可使用命令:
keep if Q >= 10000

***********************5.考察变量的统计特征*************************************
// 如果看变量 Q 的统计特征，可输入命令:
summarize Q
//  显示变量 Q 的样本容量、平均值、标准差、最小值与最大值。
// 如想看更多的统计指标，使用命令:
su Q, detail
//新增的统计指标有百分位数(percentiles)，方差(variance)，偏度(skewness)与峰度(kurtosis)。

// 如果要显示变量PL 的经验累积分布函数
//   (empirical cumulative distribution function)，可使用命令:
tabulate PL

// 如要显示内存中 3 个价格变量之间的相关系数，输入命令：
pwcorr PL PF PK,sig star(.05)
// 选择项“sig”表示显示相关系数的显著性水平(即 𝑝值，列在相关系数的下方)，
//   选择项“star(.05)”表示给所有显著性水平小于或等于 5%的相关系数打上星号。

************************6.画图**************************************************
// 1.  画变量 Q 的直方图(假定组宽为 1000)，输入命令：
histogram Q, width(1000) frequency
//  逗号“,”之后的“width(1000)”与“frequency”为“选择项”(options)，
//	  分别表示将组宽设为 1000，将纵坐标定为频数

// 2.1 画 TC 与 Q 之间的散点图，输入命令：
scatter TC Q

// 2.2 在上页的散点图中，无法知道每个点分别对应哪个观测值。
// 为此，首先定义一个新变量“n”来表示第 n 个观测值：
// 其中，“_n”即表示第 n 个观测值。
gen n=_n

// 2.3 输入命令：
scatter TC Q, mlabel(n) mlabpos(6)
//  选择项“mlabel(n)”表示以变量“n”作为“mark label”(标签)；
//选择项“mlabpos(6)”(mark label position)表示将此标签放在散点正下方(6 点钟的位置)，默认位置为散点的右边(3 点钟)。

// 2.4 如想在散点图上同时画出回归直线，使用命令：
//  其中，“lfit”表示“linear fit”(线性拟合)。
twoway (scatter TC Q)(lfit TC Q)

// 2.5 如想在散点图上同时画出二次回归曲线，使用命令：
twoway (scatter TC Q)(qfit TC Q)

// 2.6 将上述两张图并列排放在一张图上：
graph combine scatter1.gph scatter2.gph

//更多作图方法，参见菜单“Graphics”。对于任何命令，只要输入“help 
// command”(比如，help histogram)，即可看到详细说明。

***********************7.线性回归分析*******************************************
// 1. 一元线性回归：
//  Stata中回归分析的命令为regress，可简写为reg
// 其中，y为因变量,x为自变量。[，option]为添加的条件表达式
//   reg y x [，option]
reg TC Q 

// 2. 多元线性回归：
//    reg y x1 x2 x3 x4 [，option]
reg TC Q PL

// 3. 线性回归分析
// 在进行回归时，若不需要常数项
reg educ exper tenure numdep, noc
// 若只对女性子样本进行回归
reg educ exper tenure numdep if female==1
// 模型拟合值与残差
predict yhat //计算被解释变量的拟合值，并记为yhat
predict e1, residuals //计算残差，并记e1
//   估算方差与协方差矩阵
qui reg educ exper tenure numdep
vce
// 估算方差膨胀因子
qui reg educ exper tenure numdep
vif



// 最流行的 Stata 非官方命令下载平台为“统计软件成分”(Statistical Software Components，SSC)，
// 由 Boston College 维护，网址为
// http://ideas.repec.org/s/boc/bocode.html。
// 相关命令：
ssc new (罗列 SSC 的最新非官方 Stata 命令及简介)
ssc install newcommand (安装 SSC 非官方命令 “newcommand”)


// 如果要使用某种估计方法，但不知道它是否存在，可搜索：
search keyword
//  (搜索帮助文件、FAQs、例子、Stata Journal (SJ), Stata Technical Bulletin (STB)等)
findit keyword (搜索以上内容，以及 Stata 的网络资源)