张文彤、赵耐青：Stata入门介绍

Stata入门介绍说明：（1）这里很可能有错误，如果产生不良影响，请见谅。(2)下面用红色注明的都是可执行的过程。(3)Stata要在使用中熟练的，大家应该多加练习。(4)Stata的很多细节，这里不可能涉及到，只是选取相对重要的部分加以解释，而且仅仅是入门性质。界面当我们把stata装好以后，首先需要了解的是它的界面。打开Stata后我们便可以看到它常用的四个窗口：StataResults;Review;Variables;StataCommand。我们所有的运行结果都会在StataResults界面中显示；而命令的输入则在StataCommand窗口；Review窗口记录我们使用过的命令；最后Variables窗口显示存在于当前数据库中的所有变量的名称。可以直接点击Review窗口来重新输入已使用过的命令，我们所需变量可以通过点击Varaibles窗口来得到，这些都可以简便我们的操作。Stata命令Stata软件功能强大，体现在它提供了丰富的命令，可以实现许多功能。每一个stata命令都相应的命令格式。我们在这里介绍常用的一些命令的功能和相应的格式，大家在使用stata的过程中也会不断积累相关的知识。命令格式可以用help命令查询。也可以在Help选项下content中寻找相关命令。使用help命令后，窗口中会有关于该命令的详尽说明。更直接的办法是看Examples中的范例是如何使用该命令，阅读一些相关的说明并加以模仿。重要习惯我们使用stata进行回归分析时，需要养成一些好的习惯。在进行一些数据量很大，过程复杂的分析时尤其重要。（1）使用日志（log）。它可以帮助我们记录stata的运行结果。格式：logusingc:\stata\logfiles\10.21.5_30.log（注意：我们需要先建好文件夹c:\stata\logfiles）关闭log的命令为“logclose”。格式:logclose那么“10.21.5_30.log”文件就记录了从“logusing”命令到“logclose”命令之间stata运行的所有结果。（2）Do-file。在command窗口输入命令的方式很受限制，我们使用工具栏中“Do-file-editor”（第8个）在Do-file中编程。在do-file文件中，用*表示注释内容，Stata在运行do-file时会跳过这些注释语句。加入注释语句能增强do-file的可读性。格式：*ThisisusedtoanalyzetherelationbetweenXandY.*Theresultwillbesavedinthedatafile:a.dta此外可以选中do-file部分命令让Stata只运行选中的部分。我们可以保存当前使用的do-file文件。Review窗口中的命令也可以保存为do-file。方法是右键点击Review窗口，选择SaveReviewContents。（3）存储数据。在分析一个大的数据库时，中途对数据有改动和删减，有必要在分析过程中将数据进行保存，可以用File选项中saveas..，同时还要为中途保存的数据文件写一个详尽的说明文件。打开数据文件我们用Stata做回归的第一步便是打开一个数据库。我们可以用工具栏“Open”（第1个），打开相应数据文件。Stata有自己的数据格式，我们课上一般会给大家Stata格式的数据库。有时候，我们手头的数据格式不符合Stata的格式，就需要用相关软件进行转换，比如transfer，对这个问题感兴趣的同学可以课后和我们联系。如果我们的数据是Excel格式，那么可以直接把里面的数据拷贝粘贴到Stata中：只需要点开数据工具栏“DataEditor”（第9个），就可以进行粘贴。打开数据以后我们可以用工具栏“DataBrowse”（第10个）浏览数据。浏览数据可以帮助我们了解具体每一个数据。要了解数据具有的特征，我们必须借助Stata命令。了解数据特征“describe”命令可以告诉我们每一个变量的含义。格式：describe具体了解各个变量，可以使用“Sum”，它将汇报数据的均值和方差等信息。格式：sumwagesumeducexper需要了解如“中位数”(median)，我们可以进一步使用后缀detail。此时会详细报告百分比所对应的样本值。格式：sumwageeduc,detail此外Stata还提供了别的命令了解，如“table”，它将报告数据取值和相应的频率。“tabulate”(或简写为ta)是一个很有用的命令。与table相比，ta将进一步报告数据分布的百分比。格式:tablewagetaeduc很多时候，画图能够直观地看到数据分布和它们之间关系。比如我们可以“histogram”命令画出数据分布的柱状图(histogram)。格式：histogramwage“scatter”命令可以画出两个变量之间的分布关系。例如我们想直观的看到教育水平变化时工资的变化，可以用“scatter”命令或者“graphtwowayscatter”命令。格式:scatterwageeducgraphtwowayscatterwageeduc“graphtwoway”命令可以带别的后缀，例如“graphtwowayline”则画的是线状图。格式:graphtwowaylinewageeduc变量在分析的过程中，有些变量并没有在数据中提供，需要我们用原始数据或者回归的结果构造。常用的命令是“gen”和“egen”。格式geneducsqr=educ^2egen命令相对复杂一些，它能生成一些“gen”命令无法生成的变量。例如可以生成wagesum为每个人的工资和，以及生成wagemedian为工资的中位数(median)，wagemax为工资的最大值。格式:egenwagesum=sum(wage)egenwagemedian=median(wage)egenwagemax=max(wage)更复杂的如想产生一个变量“wagemax”为相同教育水平里的最高工资。格式:egenwagemaxeduc=max(wage),by(educ)如果我们需要替换某一变量，我们可以用的命令是“replace”。格式:replacewagemax=wagereplacewagemax=1有时候我们在生成变量时可以加上一定条件，例如如果一个样本工资超过3，我们就定义它的变量wagehigh的取值为1，否则为0。格式:genwagehigh=1ifwage=10replacewagehigh=0ifwagehigh==.（注意是两个等号）我们也需要去掉过程中的暂用的变量，以方便我们浏览数据和重新定义变量。我们可以用drop命令。格式:dropeducsqrwagesumwagemedianwagemaxwagemaxeducwagehigh我们可以用“keep”或“drop”命令来删除一些样本,在删除之前，我们需要了解删除带来的影响，则可以用“count”命令来了解样本取值的情况。格式:countifwage100countifwage10我们可以用“sort”和“list”命令来了解数据分布的细节。例如我们想知道工资值从小到大排列在第50到70的样本的工资值。格式:sortwagelistwagein50/70如果我们想保留工资小于100的样本，可以有两种命令。格式:keepifwage100dropifwage=100有时我们关心变量之间的相关性，可以使用“correlate”命令，它将报告变量之间的相关系数。格式：correlatewageeducexpertenure回归现在我们以进入最重要的环节：回归分析。进行OLS回归的命令为“reg”。格式:regwageeducStataResults窗口将报告这一回归的相关结果:.regwageeducSource|SSdfMSNumberofobs=526---------------------------------------------------------------F(1,524)=103.36Model|1179.7320411179.73204ProbF=0.0000Residual|5980.6822552411.4135158R-squared=0.1648---------------------------------------------------------------AdjR-squared=0.1632Total|7160.4142952513.6388844RootMSE=3.3784----------------------------------------------------------------------------------------------------------------------wage|Coef.Std.Err.tP|t|[95%Conf.Interval]----------------------------------------------------------------------------------------------------------------------educ|.5413593.05324810.170.000.4367534.6459651_cons|-.9048516.6849678-1.320.187-2.250472.4407687----------------------------------------------------------------------------------------------------------------------..表格中最后两行报告回归的斜率和截距的系数，相应的标准差、t值和P值，同时给出95%的置信区间。在表格左上方，报告了回归的总变异、解释变异和残差变异。表格右上方报告回归的R方和调整后的R方。其中F是自变量所有的系数都为0（即自变量完全没有解释力）这样一个零假设对应的F分布值。回归会产生很多我们感兴趣的值，例如回归的拟合值以及回归的残差。Stata提供了predict命令帮助我们存储这些变量。例如我们把拟合值定义为wagehat，残差定义为wageresid。格式:predictwagehatpredictwageresid,re我们常常需要检验某一个零假设，例如在我们作了如下回归格式:regwageeducexpertenurenonwhitefemale之后，我们想要知道nonwhite的系数是否显著，我们可以直接看回归结果报告，也可以用test命令。格式:testnonwhitetest命令报告的结果为F值。而回归结果报告的为t值。它们之间是平方关系，而p值是一样的。对于更复杂的零假设，比如nonwhite和female是否同时为0。exper的系数和tenure的系数是否相等，则只能借助“test”命令。格式:testnonwhitefemaletestexper=tenure报告回归结果一般需要报告回归系数和相应的残差，同时报告系数的显著性。此外根据需要往往还要报告回归的拟合优度和使用的样本个数。对于回归系数的符号和大小变化，要给出相应的分析和解释。下面是一个报告回归结果的表格（摘自经济学论文）。其中括号里报告的是系数的方差，AllWomen和MarriedWomen表示两个总体，(1)(2)(3)对应不同的模型设定。Stata软件基本操作和数据分析入门第一讲Stata操作入门张文彤赵耐青第一节概况Stata最初由美国计算机资源中心（ComputerResourceCenter）研制，现在为Stata公司的产品，其最新版本为7.0版。它操作灵活、简单、易学易用，是一个非常有特色的统计分析软件，现在已越来越受到人们的重视和欢迎，并且和SAS、SPSS一起，被称为新的三大权威统计