【统计学】stata 梳理输出命令逻辑关系 asdoc outreg2 logout esttab区别 优劣势

一、概述

初学stata的时候对于stata输出的逻辑颇为疑惑， 因为学python和cpp的时候输出函数就是那几个非常的简单，而statac的asdoc、outreg2、logout 和 esttab 这些常见的命令在跳出来的时候往往分不清楚，也不知道为什么代码里要这么用。
本文就是梳理常见的一些输出命令，在平时学习尤其是计量经济学这样的学科时能够降低理解难度。

本文主要梳理的命令包括但不限于 asdoc、outreg2、logout 和 esttab ，主要介绍其用法。以上命令都可以通过 ssc install 命令名称, replace 安装更新

二、结果输出的各种命令

一般来说，outreg2 只支持描述性统计输出和回归结果输出，logout 支持分组 T 均值检验和相关系数矩阵的输出，tabstat一般用于输出基本统计量，asdoc支持描述性统计输出，局限性较大；esttab在回归结果、描述性统计、分组T均值检验和相关系数矩阵的输出都较为实用，运用范围比较广。

总的来说就是 初学stata可以多关注关注logout和asdoc，注重研究的可以多学习esttab和outreg2。

三、统计量

• 计算（想要得到多个数据的基本统计量）
  tabstat
  
  从初学角度，stats是statistics的缩写，代表设置输出格式
• statistics()：可以输入的全部统计量有：N mean sd min median max p1 p5 p10 p25 p75 p90 p95 p99。若为空，则默认输入N mean sd min median max。
• 上述命令的意思是输出这几个维度的mean sd min p50 和max几个统计量 数据格式为f(%6.2f)
  

2. 输出

logout将上述基本统计量表格输出至Word/EXCEL

*输出至word
logout ,save(table) word replace:  ///
           tabstat  price wei len mpg rep78, ///
           stats(mean sd min p50 max) c(s) f(%6.2f)
*输出至excel
logout ,save(table) excel replace:  ///
           tabstat  price wei len mpg rep78, ///
           stats(mean sd min p50 max) c(s) f(%6.2f)

asdoc是另外一个很有力的输出方法，sum代表summarize，像summarize、correlate、tabstat、cross-tabs、regressions、t-tests等命令的结果输出都可以通过这种方法，只要在前面加一个"asdoc“就可以了
asdoc也可以将多个回归结果融合成一个表格，不断滚雪球；也可以按照分类进行分组描述性统计
想了解更多的asdoc命令或者有看不懂的地方可以戳这个链接asdoc：Stata 结果输出又一利器！

local varlist "wage age race married grade collgrad south union occupation"
///这里你们要自己试验的话就把varlist里字符替换成自己的变量好了
asdoc sum `varlist', save(Myfile.rtf) replace ///
	stat(N mean sd min p50 max)  dec(3) ///
	title(asdoc_Table: Descriptive statistics)

esttab能分别设置每个统计量的小数点位数，通过在相应的统计量后面加（fmt(n))来实现控制n位小数位数

local varlist "wage age race married grade collgrad south union occupation"
estpost summarize `varlist', detail
esttab using Myfile.rtf, ///
	cells("count mean(fmt(2)) sd(fmt(2)) min(fmt(4)) p50(fmt(4)) max(fmt(4))") ///
	noobs compress replace title(esttab_Table: Descriptive statistics)

如果变量名字想用中文的可以试试sum2docx，它也可以像esttab一样控制小数位数，但是缺点在于没办法在命令界面看到结果。

local varlist "wage age race married grade collgrad south union occupation"
sum2docx `varlist' using Myfile.docx,replace ///
	stats(N mean(%9.2f) sd(%9.3f) min(%9.2f) median(%9.2f) max(%9.2f)) ///
	title(sum2docx_Table: Descriptive statistics)

以上命令在自己运行时将varlist局部变量""中的变量替换成自己的变量即可。
例如：

local varlist " prate mrate totpart totelg"
estpost summarize `varlist', detail
esttab using Myfile.rtf, ///
	cells("count mean(fmt(2)) sd(fmt(2))") ///
	noobs compress replace title(esttab_Table: My Descriptive statistics)

四、相关系数矩阵

asdoc命令比较简单，但是局限性很多，没办法自定义星号和p值输出，适合初学使用

local varlist "wage age race married grade collgrad"
asdoc cor `varlist', save(Myfile.doc) replace nonum dec(3) ///
	title(asdoc_Table: correlation coefficient matrix)

corr2docx支持中文，而其他命令不行。

local varlist "wage age race married grade collgrad"
corr2docx `varlist' using Myfile.docx, replace spearman(ignore) pearson(pw) ///
	star title(corr2docx_Table: correlation coefficient matrix)

在输出时logout会出现串行问题，也没办法输出标题，所以比较麻烦，不推荐使用

local varlist "wage age race married grade collgrad"
logout, save(Myfile) word replace : pwcorr_a `varlist', ///
	star1(0.01) star5(0.05) star10(0.1)

可以自定义星号的方法：pwcorr_a和esttab(esttab的使用和引申可以具体看一下这篇文章，解释了一下命令的理解方法和逻辑)

pwcorr_a price weight mpg displ, star1(0.01) star5(0.05) star10(0.1)
sysuse auto, clearlogout, save(数量经济学) word replace: ///        
pwcorr_a price wei len mpg displ, star1(0.01) star5(0.05) star10(0.1)
///
///esttab
///
local varlist "wage age race married grade collgrad"
estpost correlate `varlist', matrix
esttab using Myfile.rtf, ///
	unstack not noobs compress nogaps replace star(* 0.1 ** 0.05 *** 0.01) ///
	b(%8.3f) p(%8.3f) title(esttab_Table: correlation coefficient matrix)

五、回归结果

最符合一般投稿、研究、各种文献的图表格式的命令esttab，做出的图是这样的（注意统计量和变量在表中的位置）

命令如下：

reg wage age married occupation
est store r1
reg wage age married collgrad occupation
est store r2
reg wage age married collgrad occupation race_num*
est store r3
esttab r1 r2 r3 using Myfile.rtf, ///
	replace star( * 0.10 ** 0.05 *** 0.01 ) nogaps compress ///
	order(married) drop(occupation) b(%20.3f) se(%7.2f)  
	///按married排序，同时舍弃occupation
	r2(%9.3f) ar2 aic bic obslast scalars(F)  ///
	indicate("race=race_num*") mtitles("OLS -1" "OLS-2" "OLS-3") ///
	title(esttab_Table: Regression result) 

asdoc命令输出的图片不如前者正规，且不能对变量排序，可理解为”滚雪球多次"

asdoc reg wage age married occupation, save(Myfile.doc) nest replace ///
	cnames(OLS-1) rep(se) add(race, no)
asdoc reg wage age married collgrad occupation, save(Myfile.doc) nest append ///
	cnames(OLS-2) add(race, no)
asdoc reg wage age married collgrad occupation race_num*, save(Myfile.doc) nest append ///
	add(race, yes) cnames(OLS-3) dec(3) drop(occupation race_num*) ///
	stat(r2_a, F, rmse, rss) title(asdoc_Table: regression result)

但是如果研究仅仅需要输出R^2，不需要F统计量不需要在第三次回归后增添统计量，可以使用asdoc，比较方便，结果如图。（详细请看asdoc：Stata 结果输出又一利器！
）

参考：

Stata：毕业论文大礼包 A——实证结果输出命令大比拼
Stata结果输出：logout、esttab、logout2