stata入门教程

Stata快速入门1、Stata的窗口•在最上方有一排菜单，即“FileEditDataGraphicsStatisticsUserWindowHelp”。•左上“Review”（历史窗口）：此窗口记录着自启动Stata以来执行过的命令。•右上“Variables”（变量窗口）：此窗口记录着目前Stata内存中的所有变量。•正上方“Results”（结果窗口）：此窗口显示执行Stata命令后的输出结果。•正下方“Command”（命令窗口）：在此窗口输入想要执行的Stata命令。2、将数据导入Stata•打开Stata软件后，点击DataEditor(Edit)图标（也可以点击菜单“Window”→“DataEditor”），即可打开一个类似Excel的空白表格。•用Excel打开文件“nerlove.xls”，复制文件中的所有数据，并粘贴到DataEditor中。•导入数据的另一方法是，点击菜单“File”→“Import”，然后导入各种格式的数据。但这种方法有时不如直接从Excel表中粘贴数据来得方便直观。3、变量窗口•关闭DataEditor后，即会看到右上方的“Variables”窗口出现了5个变量：•分别为tc（totalcost，总成本），q（totaloutput,总产量），pl（priceoflabor，小时工资率），pf（priceoffuel，燃料价格），与pk（usercostofcapital，资本的租赁价格。4、存为dta数据文件•此时，可以点击Save图标（也可以点击菜单“File”→“Save”），将数据存为Stata格式的文件（扩展名为dta），比如nerlove.dta。•以后就可以用Stata直接打开这个数据集了（不需要再从Excel表中粘贴过来）。5、打开dta数据文件打开的方式有三种：1.点击Open图标（也可以点击菜单“File”→“Open”），然后寻找要打开的dta文件的位置。2.直接双击想要打开的dta文件3.在命令窗口输入以下命令（假设文件在E盘的根目录）并回车（按Enter键）•useE:\nerlove.dta,clear其中，选择项“clear”表示可以替代内存中的已有数据。•如果要关闭一个数据集（如果对数据集进行了改动，别忘了先存盘Save），以便使用另外一个数据集，可以在命令窗口输入•clear•这样，内存中所有的当前数据都被清空，然后可以再打开另外一个数据集。6、变量的标签•在变量窗口，每个变量的“名字”（Name）旁边显示了其“标签”（label）。但目前的标签过于简略，缺乏变量的解释信息。•如果想将变量“tc”的标签改为“totalcost”，可进行如下操作。点击进入“变量管理器”（VariablesManager）图标（在DataEditor右侧）。•Stata中字母的大小写是严格区分的（casesensitive），因此Stata建议对于变量名一律使用小写字母。7、审视数据•一个数据集可能很大，而我们常希望看到数据的概貌。想看数据集中的变量名单、标签等，可以在命令窗口输入，•describe•其中，“describe”中的下划线表示，可以将该命令简写为“d”而得到同样的效果。8、罗列数据•如果想看变量tc与q的具体数据，可使用命令，•listtcq9、旧命令的调用•把光标放在命令窗口，并按键盘上的“PageUp”键即可调用上一个命令（反之，使用“PageDown”键可调用下一个命令）。•另一种简便的方法是，在左上角的历史窗口点击任何曾用过的命令：如果用鼠标单击旧命令，则会把旧命令重新调入命令窗口，按回车后即执行，或将旧命令进行编辑后再执行；如果用鼠标双击旧命令，则将马上自动执行。10、定义子集•有时我们想对数据集的一部分执行命令，比如只想看变量tc与q的前5个数据，则可输入命令：•listtcqin1/511、逻辑关系•也可以通过逻辑关系来定义数据集的子集。如果要列出所有满足条件“”的变量tc与q的数据，则可以使用以下命令，•listtcqifq=1000012、只对子集进行运算•如果想删除满足“q=10000”条件的观测值，则可使用命令，•dropifq=10000•反之，如果只想保留满足“q=10000”条件的观测值，而删去所有其他观测值，•keepifq=1000013、考察变量的统计特征•如果想看变量q的统计特征，可输入命令，•summarizeq•如果不指明变量，则将显示数据集中所有变量的统计指标。•su•如想看更多的统计指标，可使用命令•suq,detail14、经验累积分布函数•如果要显示变量pl的经验累积分布函数（empiricalcumulativedistributionfunction），可使用命令，•tabulatepl15、相关系数•如果要显示内存中5个变量之间的相关系数，可输入命令，•correlatetcqplpfpk•pwcorrplpfpk,sigstar(.05)•“pw”表示pairwise。•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。•如pwcorr之后没有指定变量，显示所有变量的相关系数16、直方图•如果想看变量q的直方图（假定组宽为1000），可输入以下命令（也可通过菜单来输入此命令）：•histogramq,width(1000)frequency17、散点图•如果要画tc与q之间的散点图，则可输入以下命令：•scattertcq18、在散点图上标注观测值•在散点图中，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。•genn=_n•其中，“_n”即表示第n个观测值。•scattertcq,mlabel(n)mlabpos(6)•选择项“mlabel(n)”表示以变量“n”作为“marklabel”(标签)；“mlabpos(6)”(marklabelposition)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)。19、在散点图上画回归直线•twoway(scattertcq)(lfittcq)•其中，“lfit”表示“linearfit”(线性拟合)•graphsavescatter120、在散点图上画二次回归曲线•twoway(scattertcq)(qfittcq)•其中，“qfit”表示“quadraticfit”(二次拟合)。•graphsavescatter221、将两图合并•graphcombinescatter1.gphscatter2.gph22、案例操作（1）（2）生成新变量•可使用命令“generate”来生成新变量。•glntc=log(tc)•glnq=log(q)•glnpl=log(pl)•glnpf=log(pf)•glnpk=log(pk)•如果需要q的非线性平方项，可使用命令：•gq2=q^2•如果要生成lnpl与lnpk的互动项（interactionterm），则可以使用命令，•glnplpk=lnpl*lnpk（3）生成虚拟变量•假设希望定义“q=10000”为大企业，并使用“虚拟变量”（dummyvariable）large来表示，则可使用命令：•glarge=(q=10000)•其中，括弧“()”表示对括弧中的表达式“q=10000”进行逻辑评估：如果为真，则取值为1；如果为假，则取值为0。（4）Stata的计算器功能•Stata也可以作为计算器来使用。只要输入命令“displayexpression”即可。•比如，“displaylog(2)”将计算ln2。•“dinormal(1.96)”将计算标准正态累积分布函数在1.96的取值（即小于1.96的概率）。（5）线性回归•regresslntclnqlnpllnpklnpf（6）稳健标准误•此表达式在异方差情况下也成立，故称为“异方差稳健的标准误”，简称“稳健标准误”(robuststandarderrors)。在同方差的假定下，稳健标准误还原为普通(非稳健)标准误。标准误vs稳健标准误•标准误只在同方差情况下成立•稳健标准误在同方差或异方差情况下都成立•处理异方差的当代流行方法是，不调整OLS估计系数，使用稳健标准误即可。•即使存在异方差，OLS依然一致、渐近正态。只要使用稳健标准误，即可照常进行统计推断。•reglntclnqlnpllnpklnpf,robust（7）省略常数项•在进行回归时，如果不要常数项，可以加上选择项“noconstant”，•reglntclnqlnpllnpklnpf,rnoc（8）对子样本进行回归•reglntclnqlnpllnpklnpfifq=1000,r（9）计算拟合值•如果要计算被解释变量的拟合值，并将其记为lntchat，可输入命令：•quietlyreglntclnqlnpllnpklnpf,r•其中，“quietly”表示不显示命令运行结果。•predictlntchat•(optionxbassumed;fittedvalues)（9）计算残差•如果要计算“残差”（residual），并将其记为e1，可输入命令：•predicte1,residual•其中，选择项“residual”表示预测残差。如果没有任何选择项，则默认值（default）为计算拟合值。（10）计算规模报酬•由于lnq的系数为1/r，即规模报酬的倒数，故可以估计规模报酬为，•display1/_b[lnq]•其中，“_b[lnq]”表示lnq的OLS系数估计值。（11）规模报酬是否不变？•为检验规模报酬不变的原假设，输入命令：•testlnq=1（12）联合检验•回归方程还显示，变量lnpl,lnpk与lnpf的系数之和应该等于1。为此，可以检验以下联合假设：•test(lnq=1)(lnpl+lnpk+lnpf=1)•由于lnpl与lnpk均不显著，我们希望对其显著性进行联合检验：•testlnpllnpk（13）自助标准误•有时估计量的标准误没有解析表达式，可使用“自助标准误”(bootstrapstandarderror)。•自助法是一种有放回的再抽样(resampling)，保持样本容量不变。•使用自助法得到原始样本的B个自助样本（比如B=1000），对每个样本进行估计，得到1000个估计值，并计算这1000个估计值的标准差。•reglntclnqlnpllnpklnpf,vce(bootstrap)•reglntclnqlnpllnpklnpf,vce(boot,reps(1000)seed(10101)nodots)•选择项“reps(1000)”表示抽取1000个自助样本（Stata默认50个，太少了）•选择项“seed(10101)”表示随机数的种子为10101（为了以后能复制此结果）•选择项“nodots”表示不显示抽样过程的点（一个点表示一个自助样本）23、案例说明（1）时间变量与时间趋势图•useicecream.dta,clear•tssettime（宣布时间变量）•graphtwowayconnectconsumptiontemp100time,msymbol(circle)msymbol(triangle)•其中，变量temp100为temp/100，选择项“msymbol(circle)msymbol(triangle)”表示“图标”(markersymbol)分别为圆圈与三角形。（2）OLS回归•regconsumptiontemppriceincome（3）自相关检验•estatbgodfrey（4）Newey-West回归•如果扰动项存在自相关（常见于时间序列数据），仍可用OLS来估计回归系数，但应使用“异方差自相关稳健的标准误”(HeteroskedasticityandAutocorrelationConsistentStandardErr