【统计学】基本Stata使用手册（1）：基本操作

本篇为自己总结的基本Stata使用手册~今天更新的是第一部分：基本操作。

1 基本操作

1.1 Stata基本操作

• 关闭一个数据集以使用另外一个

.clear 

• 审视数据

.describe

• 查看具体数据

.list s lnw 
.list s lnw 5/10 %只显示 lnw其中 5到 10的数据） 
.list s lnw  if s > 16 %显示满足条件的数据 
.set more off %连续滚动屏幕显示命令运行结果 
.set more on %分页显示命令运行结果 
.drop if s >= 16 %删除满足条件的数据 
.keep if s >= 16 %保留满足条件的数据

• 升序排列

.sort s 
.list 

• 降序排列

.gsort -s 
.list 

• 生成新的变量

.generate lns=log(s) 
.gen s2=s^2 %生成二次项 
.gen exprs=s*expr %生成交互项 
.gen w=exp(lnw) %生成对数项 
.gen colleg=(s>=16) %生成虚拟变量 
.rename colleg college %变量重新命名 
.replace clooege=(s>15) %更改变量设置 
.drop s* %去除所有 s*的变量 

1.2 基本可视化指令

• 基本画图指令

.histogram s,width(1) frequency %直方图，frequency显示频率，默认显示频数 
.scatter s lnw %画散点图 
.tsline y,label(1980(10)2000) %画时间趋势图 
.line lny lny1 lyear,lp(solid dash) 

• 加标签的散点图

.gen n=_n  %用于生成序号 
.scatter lnw s,mlabel(n) 

• 将两个图画在一起

.twoway kdensity lnw || kdensity lnw if s==16,lpattern(dash) 
.twoway kdensity wage,xaixs(1) yaxis(1) xvarlab(wage)||kdensity lnw,xaxis(2) 
yaxis(2) xvarlab(ln(wage)) lp(dash) %两个图有不同的轴 
.twoway connect consumption time,msymbol(circle) yaxis(1)|| connect temp 
time,msymbol(triangle) yaxis(2) %选择线形连接各点 

• 画趋势线

.twoway scatter lnw s || lfit lnw s 

• .normalden(x)为标准正态的密度函数，normal(x)为标准正态的累积分布函数
• .chi2den(k,x)表示自由度为$k$的卡方分布概率密度函数，chi2(k,x)表示自由度为$k$的卡方分布累积分布函数。
• .tden(k,t)为自由度为$k$ 的$t$ 分布的概率密度函数。$t(k,t)$ 表示自由度为 $k$ 的 $t$ 分布累积分布函数。
• .Tden(kl,k2,x)表示自由度为$(k_1,k_2)$的 $F$分布的概率密度函数。$F(k_1,k_2,x)$表示自由度为$(k_1,k_2)$的 $F$分布的累积分布函数。

1.3 统计特征分析

• 查看统计特征

.summerize s  %返回Obs,Mean,Std.Dev.,Min,Max 
.sum %显示所有变量的统计指标 
.tabulate s %显示变量的经验累积分布函数 
.pwcorr lnw s expr, sig ster(.05) %显示相关系数并将显著的标星 

• 计算表达式

.display expression 

• 概率密度函数的连续估计

.kdensity lnw,normal normop(lpattern(dash)) 

• 标准化

.gen sd=(s-r(mean))/r(sd) 

1.4 命令运行结果运用

• 返回回归结果

.return list %返回r(N) r(sum_N) r(mean) r(Var) r(sd) r(min) r(max) r(sum) 
.ereturn list %返回 e变量 

• 产生随机数的方法

.set seed 10101 
.set obs 30 
.gen x=runiform()  
.gen x=rnormal() %~N(0,1) 
.gen x=rnormal(m,s) %~N(m,s^2) 
.gen x=rt(m) %~t(m) 
.gen x=rchi2(m) %~chi^2(m) 

• 随机游走

program randwalk,rclass 
drop _all 
set obs 1000 
gen eps=rnormal() 
gen y=sum(eps) 
gen t=_n 
tsset t 
reg y L.y 
return scalar b1=_b[L.y] 
    end 
simulate beta=r(b1),seed(10101) reps(1000):randwalk 
kdensity beta