stata命令大全課件

1、調(diào)整變量格式： format x1 %10.3f 將x1的列寬固定為10，小數(shù)點后取三位 format x1 %10.3g 將x1的列寬固定為10，有效數(shù)字取三位 format x1 %10.3e 將x1的列寬固定為10，采用科學(xué)計數(shù)法 format x1 %10.3fc 將x1的列寬固定為10，小數(shù)點后取三位，加入千分位分隔符 format x1 %10.3gc 將x1的列寬固定為10，有效數(shù)字取三位，加入千分位分隔符 format x1 %-10.3gc 將x1的列寬固定為10，有效數(shù)字取三位，加入千分位分隔符，加入“-”表示左對

2、齊 合并數(shù)據(jù)： use "C:Documents and Settingsxks桌面2006.dta", clear merge using "C:Documents and Settingsxks桌面1999.dta" 將1999和2006的數(shù)據(jù)按照樣本（observation）排列的自然順序合并起來 use "C:Documents and Settingsxks桌面2006.dta", clear merge id using "C:Documents and

3、 Settingsxks桌面1999.dta" ,unique sort 將1999和2006的數(shù)據(jù)按照唯一的（unique）變量id來合并，在合并時對id進(jìn)行排序（sort） 建議采用第一種方法。 對樣本進(jìn)行隨機篩選： sample 50 在觀測案例中隨機選取50%的樣本，其余刪除 sample 50,count 在觀測案例中隨機選取50個樣本，其余刪除 查看與編輯數(shù)據(jù)： browse x1 x2 if x3>3 （按所列變量與條件打開數(shù)據(jù)查看器） edit x1 x2 if

4、x3>3 （按所列變量與條件打開數(shù)據(jù)編輯器） 數(shù)據(jù)合并（merge）與擴展（append） merge表示樣本量不變，但增加了一些新變量；append表示樣本總量增加了，但變量數(shù)目不變。 one-to-one merge： 數(shù)據(jù)源自stata tutorial中的exampw1和exampw2 第一步：將exampw1按v001v003這三個編碼排序，并建立臨時數(shù)據(jù)庫tempw1 clear use "t:statatutexampw1.dta" su summarize的簡寫 

5、sort v001 v002 v003 save tempw1 第二步：對exampw2做同樣的處理 clear use "t:statatutexampw2.dta" su sort v001 v002 v003 save tempw2 第三步：使用tempw1數(shù)據(jù)庫，將其與tempw2合并： clear use tempw1 merge v001 v002 v003 using tempw2 第四步：查看合并后的數(shù)據(jù)狀況： ta _merge

6、 tabulate _merge的簡寫 su 第五步：清理臨時數(shù)據(jù)庫，并刪除_merge，以免日后合并新變量時出錯 erase tempw1.dta erase tempw2.dta drop _merge 數(shù)據(jù)擴展append： 數(shù)據(jù)源自stata tutorial中的fac19和newfac clear use "t:statatutfac19.dta" ta region append using "t:statatutnewfac"

7、60;ta region 合并后樣本量增加，但變量數(shù)不變 莖葉圖： stem x1,line(2) （做x1的莖葉圖，每一個十分位的樹莖都被拆分成兩段來顯示，前半段為04，后半段為59） stem x1,width(2) （做x1的莖葉圖，每一個十分位的樹莖都被拆分成五段來顯示，每個小樹莖的組距為2） stem x1,round(100) （將x1除以100后再做x1的莖葉圖） 直方圖 采用auto數(shù)據(jù)庫 histogram mpg, discrete frequency normal xlabel(1(1)5)&

8、#160;（discrete表示變量不連續(xù)，frequency表示顯示頻數(shù)，normal加入正太分布曲線，xlabel設(shè)定x軸，1和5為極端值，(1)為單位） histogram price, fraction norm （fraction表示y軸顯示小數(shù)，除了frequency和fraction這兩個選擇之外，該命令可替換為“percent”百分比，和“density”密度；未加上discrete就表示將price當(dāng)作連續(xù)變量來繪圖） histogram price, percent by(foreign) （按照變量“foreign”的分類，將不同類

9、樣本的“price”繪制出來，兩個圖分左右排布） histogram mpg, discrete by(foreign, col(1) （按照變量“foreign”的分類，將不同類樣本的“mpg”繪制出來，兩個圖分上下排布） histogram mpg, discrete percent by(foreign, total) norm （按照變量“foreign”的分類，將不同類樣本的“mpg”繪制出來，同時繪出樣本整體的“總”直方圖） 二變量圖： graph twoway lfit price weight | scatter pr

10、ice weight （作出price和weight的回歸線圖“l(fā)fit”，然后與price和weight的散點圖相疊加） twoway scatter price weight,mlabel(make) （做price和weight的散點圖，并在每個點上標(biāo)注“make”，即廠商的取值） twoway scatter price weight | lfit price weight,by(foreign) （按照變量foreign的分類，分別對不同類樣本的price和weight做散點圖和回歸線圖的疊加，兩圖呈左右分布） twoway

11、 scatter price weight | lfit price weight,by(foreign,col(1) （按照變量foreign的分類，分別對不同類樣本的price和weight做散點圖和回歸線圖的疊加，兩圖呈上下分布） twoway scatter price weight fweight= displacement,msymbol(oh) （畫出price和weight的散點圖，“msybol(oh)”表示每個點均為中空的圓圈，fweight= displacement表示每個點的大小與displacement的取值大小成比例） tw

12、oway connected y1 time,yaxis(1) | y2 time,yaxis(2) （畫出y1和y2這兩個變量的時間點線圖，并將它們疊加在一個圖中，左邊“yaxis(1)”為y1的度量，右邊“yaxis(2)”為y2的） twoway line y1 time,yaxis(1) | y2 time,yaxis(2) （與上圖基本相同，就是沒有點，只顯示曲線） graph twoway scatter var1 var4 | scatter var2 var4 | scatter var3 var4 （做三個點圖的疊加）

13、0;graph twoway line var1 var4 | line var2 var4 | line var3 var4 （做三個線圖的疊加） graph twoway connected var1 var4 | connected var2 var4 | connected var3 var4 （疊加三個點線相連圖） 更多變量： graph matrix a b c y （畫出一個散點圖矩陣，顯示各變量之間所有可能的兩兩相互散點圖） graph matrix a b c d,half （生成散點圖矩陣，只顯

14、示下半部分的三角形區(qū)域） 用auto數(shù)據(jù)集： graph matrix price mpg weight length,half by( foreign,total col(1) ) （根據(jù)foreign變量的不同類型繪制price等四個變量的散點圖矩陣，要求繪出總圖，并上下排列】=具） 其他圖形： graph box y,over(x) yline(.22) （對應(yīng)x的每一個取值構(gòu)建y的箱型圖，并在y軸的0.22處劃一條水平線） graph bar (mean) y,over(x) 對應(yīng)x的每一個取值，顯示y的平

15、均數(shù)的條形圖。括號中的“mean”也可換成median、sum、sd、p25、p75等 graph bar a1 a2,over(b) stack （對應(yīng)在b的每一個取值，顯示a1和a2的條形圖，a1和a2是疊放成一根條形柱。若不寫入“stack”，則a1和a2顯示為兩個并排的條形柱） graph dot (median)y,over(x) （畫點圖，沿著水平刻度，在x的每一個取值水平所對應(yīng)的y的中位數(shù)上打點） qnorm x （畫出一幅分位-正態(tài)標(biāo)繪圖） rchart a1 a2 a2 （畫出質(zhì)量控制R圖，顯示a

16、1到a3的取值范圍） 簡單統(tǒng)計量的計算： ameans x （計算變量x的算術(shù)平均值、幾何平均值和簡單調(diào)和平均值，均顯示樣本量和置信區(qū)間） mean var1 pweight = var2 （求取分組數(shù)據(jù)的平均值和標(biāo)準(zhǔn)誤，var1為各組的賦值，var2為每組的頻數(shù)） summarize y x1 x2,detail （可以獲得各個變量的百分比數(shù)、最大最小值、樣本量、平均數(shù)、標(biāo)準(zhǔn)差、方差、峰度、偏度） *注意* stata中summarize所計算出來的峰度skewness和偏度kurtosis有問題，與E

17、CELL和SPSS有較大差異，建議不采用stata的結(jié)果。 summarize var1 aweight = var2, detail （求取分組數(shù)據(jù)的統(tǒng)計量，var1為各組的賦值，var2為每組的頻數(shù)） tabstat X1,stats(mean n q max min sd var cv) （計算變量X1的算術(shù)平均值、樣本量、四分位線、最大最小值、標(biāo)準(zhǔn)差、方差和變異系數(shù)） 概率分布的計算： （1）貝努利概率分布測試： webuse quick bitest quick=0.3,detail （假設(shè)每次

18、得到成功案例1的概率等于0.3，計算在變量quick所顯示的二項分布情況下，各種累計概率和單個概率是多少） bitesti 10,3,0.5,detail （計算當(dāng)每次成功的概率為0.5時，十次抽樣中抽到三次成功案例的概率：低于或高于三次成功的累計概率和恰好三次成功概率） （2）泊松分布概率： display poisson(7,6) .44971106 （計算均值為7，成功案例小于等于6個的泊松概率） display poissonp(7,6) .14900278 （計算均值為7，成功案例恰好等于6個的

19、泊松概率） display poissontail(7,6) .69929172 （計算均值為7，成功案例大于等于6個的泊松概率） （3）超幾何分布概率： display hypergeometricp(10,3,4,2) .3 （計算在樣本總量為10，成功案例為3的樣本總體中，不重置地抽取4個樣本，其中恰好有2個為成功案例的概率） display hypergeometric(10,3,4,2) .96666667 （計算在樣本總量為10，成功案例為3的樣本總體中，不重置地抽取4個樣本，其中有

20、小于或等于2個為成功案例的概率） 檢驗極端值的步驟： 常見命令：tabulate、stem、codebook、summarize、list、histogram、graph box、gragh matrix step1.用codebook、summarize、histogram、graph boxs、graph matrix、stem看檢驗數(shù)據(jù)的總體情況： codebook y x1 x2 summarize y x1 x2,detail histogram x1,norm（正態(tài)直方圖） graph box x1（箱圖）

21、60;graph matrix y x1 x2,half（畫出各個變量的兩兩x-y圖） stem x1（做x1的莖葉圖） 可以看出數(shù)據(jù)分布狀況，尤其是最大、最小值 step2.用tabulate、list細(xì)致尋找極端值 tabulate code if x1=極端值（作出x1等于極端值時code的頻數(shù)分布表，code表示地區(qū)、年份等序列變量，這樣便可找出那些地區(qū)的數(shù)值出現(xiàn)了錯誤） list code if x1=極端值（直接列出x1等于極端值時code的值，當(dāng)x1的錯誤過多時，不建議使用該命令） list in -20/l（l表示la

22、st one，-20表示倒數(shù)第20個樣本，該命令列出了從倒數(shù)第20個到倒數(shù)第一個樣本的各變量值） step3.用replace命令替換極端值 replace x1=? if x1=極端值 去除極端值： keep if y<1000 drop if y>1000 對數(shù)據(jù)排序： sort x gsort +x （對數(shù)據(jù)按x進(jìn)行升序排列） gsort -x （對數(shù)據(jù)按x進(jìn)行降序排列） gsort -x, generate(id) mfirst （對數(shù)據(jù)按x進(jìn)行

23、降序排列，缺失值排最前，生成反映位次的變量id） 對變量進(jìn)行排序： order y x3 x1 x2 （將變量按照y、x3、x1、x2的順序排列） 生成新變量： gen logx1=log(x1)（得出x1的對數(shù)） gen x1=exp(logx1)（將logx1反對數(shù)化） gen r61_100=1 if rank>=61&rank<=100（若rank在61與100之間，則新變量r61_100的取值為1，其他為缺失值） replace r61_100 if r61_100!=1（“!=”表示

24、不等于，若r61_100取值不為1，則將r61_100替換為0，就是將上式中的缺失值替換為0） gen abs(x)（取x的絕對值） gen ceil(x)（取大于或等于x的最小整數(shù)） gen trunc(x)（取x的整數(shù)部分） gen round(x)（對x進(jìn)行四舍五入） gen round(x,y)（以y為單位，對x進(jìn)行四舍五入） gen sqrt(x)（取x的平方根） gen mod(x,y)（取x/y的余數(shù)） gen reldif(x,y)（取x與y的相對差異，即|x-y|/(|y|+1)） ge

25、n logit(x)（取lnx/(1-x)） gen x=autocode(x,n,xmin,xmax)（將x的值域，即xmax-xmin，分為等距的n份） gen x=cond(x1>x2,x1,x2)（若x1>x2成立，則取x1，若x1>x2不成立，則取x2） sort x gen gx=group(n)（將經(jīng)過排序的變量x分為盡量等規(guī)模的n個組） egen zx1=std(x1)（得出x1的標(biāo)準(zhǔn)值，就是用(x1-avgx1)/sdx1） egen zx1=std(x1),m(0) s(1)（得出x1的標(biāo)準(zhǔn)分，標(biāo)

26、準(zhǔn)分的平均值為0，標(biāo)準(zhǔn)差為1） egen sdx1=sd(x1)（得出x1的標(biāo)準(zhǔn)差） egen meanx1=mean(x1)（得出x1的平均值） egen maxx1=max(x1)（最大值） egen minx1=min(x1)（最小值） egen medx1=med(x1)（中數(shù)） egen modex1=mode(x1)（眾數(shù)） egen totalx1=total(x1)（得出x1的總數(shù)） egen rowsd=sd(x1 x2 x3)（得出x1、x2和x3聯(lián)合的標(biāo)準(zhǔn)差） egen rowmea

27、n=mean(x1 x2 x3)（得出x1、x2和x3聯(lián)合的平均值） egen rowmax=max(x1 x2 x3)（聯(lián)合最大值） egen rowmin=min(x1 x2 x3)（聯(lián)合最小值） egen rowmed=med(x1 x2 x3)（聯(lián)合中數(shù)） egen rowmode=mode(x1 x2 x3) （聯(lián)合眾數(shù)） egen rowtotal=total(x1 x2 x3)（聯(lián)合總數(shù)） egen xrank=rank(x)（在不改變變量x各個值排序的情況下，獲得反映x值大小排序的xrank） 數(shù)據(jù)計算器di

28、splay命令： display x12（顯示x的第十二個觀察值） display chi2(n,x)（自由度為n的累計卡方分布） display chi2tail(n,x)（自由度為n的反向累計卡方分布，chi2tail(n,x)=1-chi2(n,x)） display invchi2(n,p)（卡方分布的逆運算，若chi2(n,x)=p，那么invchi2(n,p)=x） display invchi2tail(n,p)（chi2tail的逆運算） display F(n1,n2,f)（分子、分母自由度分別為n1和n2的累計F分

29、布） display Ftail(n1,n2,f)（分子、分母自由度分別為n1和n2的反向累計F分布） display invF(n1,n2,P)（F分布的逆運算，若F(n1,n2,f)=p，那么invF(n1,n2,p)=f） display invFtail(n1,n2,p)（Ftail的逆運算） display tden(n,t)（自由度為n的t分布） display ttail(n,t)（自由度為n的反向累計t分布） display invttail(n,p)（ttail的逆運算） 給數(shù)據(jù)庫和變量做標(biāo)記： 

30、label data ""（對現(xiàn)用的數(shù)據(jù)庫做標(biāo)記，""就是標(biāo)記，可自行填寫） label variable x ""（對變量x做標(biāo)記） label values x label1（賦予變量x一組標(biāo)簽:label1） label define label1 1 "a1" 2 "a2"（定義標(biāo)簽的具體內(nèi)容：當(dāng)x=1時，標(biāo)記為a1，當(dāng)x=2時，標(biāo)記為a2） 頻數(shù)表： tabulate x1,sort tab1 x1-x7,sort（做x1到x

31、7的頻數(shù)表，并按照頻數(shù)以降序顯示行） table c1,c（n x1 mean x1 sd x1）（在分類變量c1的不同水平上列出x1的樣本量和平均值） 二維交互表： auto數(shù)據(jù)庫： table rep78 foreign, c(n mpg mean mpg sd mpg median mpg) center row col （rep78，foreign均為分類變量，rep78為行變量，foreign為列變量，center表示結(jié)果顯示在單元格中間，row表示計算行變量整體的統(tǒng)計量，col表示計算列變量整體的統(tǒng)計量） tabulate

32、 x1 x2,all （做x1和x2的二維交互表，要求顯示獨立性檢驗chi2、似然比卡方獨立性檢驗lrchi2、對定序變量適用的等級相關(guān)系數(shù)gamma和taub、以及對名義變量適用的V） tabulate x1 x2,column chi2（做x1和x2的二維交互表，要求顯示列百分比和行變量和列變量的獨立性檢驗零假設(shè)為變量之間獨立無統(tǒng)計關(guān)系） tab2 x1-x7,all nofreq（對x1到x7這七個變量兩兩地做二維交互表，不顯示頻數(shù)：nofreq） 三維交互表： by x3,sort:tabulate x1 x2,nofreq col c

33、hi2（同時進(jìn)行x3的每一個取值內(nèi)的x1和x2的二維交互表，不顯示頻數(shù)、顯示列百分比和獨立性檢驗） 四維交互表： table x1 x2 x3,c(ferq mean x1 mean x2 mean x3) by(x4) tabstat X1 X2,by(X3) stats(mean n q max min sd var cv) col(stats) tabstat X1 X2,by(X3) stats(mean range q sd var cv p5 p95 median),aw=X4（以X4為權(quán)重求X1、X2的均值，標(biāo)準(zhǔn)差、方差等） tt

34、est X1=1 count if X1=0 count if X1>=0 gen X2=1 if X1>=0 corr x1 x2 x3（做x1、x2、x3的相關(guān)系數(shù)表） swilk x1 x2 x3（用Shapiro-Wilk W test對x1、x2、x3進(jìn)行正太性分析） sktest x1 x2 x3（對x1、x2、x3進(jìn)行正太性分析，可以求出峰度和偏度） ttest x1=x2（對x1、x2的均值是否相等進(jìn)行T檢驗） ttest x1,by(x2) unequal（按x2的分組方式對x1進(jìn)行T

35、檢驗，假設(shè)方差不齊性） sdtest x1=x2（方差齊性檢驗） sdtest x1，by(x2)（按x2的分組方式對x1進(jìn)行方差齊性檢驗） 聚類分析： cluster kmeans y x1 x2 x3, k(3) 依據(jù)y、x1、x2、x3，將樣本分為n類，聚類的核為隨機選取 cluster kmeans y x1 x2 x3, k(3) measure(L1) start(everykth)  "start"用于確定聚類的核，"everykth"表示將通過構(gòu)造三組樣本獲得聚類核：構(gòu)

36、造方法為將樣本id為1、1+3、1+3×2、 1+3×3分為一組、將樣本id為2、2+3、2+3×2、2+3×3分為第二組，以此類推，將這三組的均值作為聚類的核；"measure"用 于計算相似性和相異性的方法，"L1"表示采用歐式距離的絕對值，也直接可采用歐式距離（L2）和歐式距離的平方（L2squared）。PS：這個方法 所得的結(jié)果與SPSS所得結(jié)果相同。 sort c1 c2（對c1和c2兩個分類變量排序） by c1 c2：reg y x1 x2 x3（在c1、c2的各個水平上分別進(jìn)行

37、回歸） bysort c1 c2：reg y x1 x2 x3 if c3=1（逗號前面相當(dāng)于將上面兩步驟合一，既排序又回歸，逗號后面的“if c3=1”表示只有在c3=1的情況下才進(jìn)行回歸） stepwise, pr(.2): reg y x1 x2 x3(使用Backward selection，去除P值大于0.2時變量) stepwise, pe(.2): reg y x1 x2 x3(使用forward selection，去除P值小于0.2時變量) stepwise, pr(.2) pe(.01):reg y x1 x2 x3（使用backwa

38、rd-stepwise selection，取P值在0.01和0.2之間的變量） stepwise, pe(.2) forward: reg y x1 x2 x3（使用forward-stepwise selection） reg y x1 x2 x3 predict Yhat,xb predict u,resid predict ustd,stdr（獲得殘差的標(biāo)準(zhǔn)誤） predict std,stdp（獲得y估計值的標(biāo)準(zhǔn)誤） predict stdf,stdf（獲得y預(yù)測值的標(biāo)準(zhǔn)誤） predict e,e(1,

39、12)（獲得y在1到12之間的估計值） predict p,pr(1，12)（獲得y在1到12之間的概率） predict rstu,rstudent（獲得student的t值） predict lerg,leverage（獲得杠桿值） predict ckd,cooksd（獲得cooksd） reg y x1 x2 x3 c1 c2 adjust x1 x2 x3，se（使得變量x1、x2和x3等于其均值，求y的預(yù)測值和標(biāo)準(zhǔn)誤） adjust x1 x2 x3，stdf ci（使得變量x1、x2和x3等于其均值，求y的預(yù)測

40、值，預(yù)測標(biāo)準(zhǔn)誤和置信區(qū)間） adjust x1 x2,by(c1) se ci（控制變量x1、x2，亦即取它們的均值，在分類變量c1的不同水平上求y預(yù)測值，標(biāo)準(zhǔn)誤和置信區(qū)間） adjust x1 x2 x3,by(c1) stdf ci（控制變量x1、x2、x3，亦即取它們的均值，在分類變量c1的不同水平上求y預(yù)測值，預(yù)測標(biāo)準(zhǔn)誤和置信區(qū)間） adjust x1 x2,by(c1 c2) se ci（控制變量x1、x2，在分類變量c1、c2的不同水平上求y的預(yù)測值，標(biāo)準(zhǔn)誤和置信區(qū)間） adjust x1 x2 x3,by(c1 c2) stdf ci（控制

41、變量x1、x2、x3，在分類變量c1、c2的不同水平上求y的預(yù)測值，預(yù)測標(biāo)準(zhǔn)誤和置信區(qū)間） adjust x1=a x2=b x3=c，se ci（當(dāng)x1=a、x2=b、x3=c時，求y的預(yù)測值、標(biāo)準(zhǔn)誤和置信區(qū)間） adjust x1=a x2=b x3=c，by(c1) se ci（當(dāng)x1=a、x2=b、x3=c時，在分類變量c1的不同水平上，求y的預(yù)測值、標(biāo)準(zhǔn)誤和置信區(qū)間） adjust x1=a x2=b c1=1，by(c1) se ci（當(dāng)x1=a、x2=b，并假設(shè)所有的樣本均為c1=1，求在分類變量c1的不同水平上，因為變量x3的均值不同，而導(dǎo)致的y的

42、不同的預(yù)測值） mvreg Y1 Y2 : X1 X2 X3（多元回歸） mvreg y1 y2 y3: x1 x3 x3（多元回歸分析，y1 y2 y3為因變量，x1 x3 x3為自變量） 以下命令只有在進(jìn)行了mvreg之后才能進(jìn)行 test y1（測試對y1的回歸系數(shù)聯(lián)合為0） test y1: x1 x2（測試對y1的回歸中x1、x2的系數(shù)為0） test x1 x2 x3（測試在所有的回歸中，x1、x2、x3的系數(shù)均為0） test y1=y2（對y1的回歸和對y2的回歸系數(shù)相等） test y1=y2:

43、x1 x2 x3, mtest（對y1和y2的回歸中，分別測試x1、x2、x3的系數(shù)是否相等，若沒有mtest這個命令，則測試他們的聯(lián)和統(tǒng)計） test y1=y2=y3（三個回歸的系數(shù)是否相等，可加mtest以分別測試） test y1=y2=y3: x1 x2 （測試三個回歸中的x1、x2是否相等，可加mtest） est命令的用法： （1）儲存回歸結(jié)果： reg y x1 x2 x3（不限于reg，也可儲存ivreg、mvreg、reg3） est store A （2）重現(xiàn)回歸結(jié)果： est replay

44、A （3）對回歸結(jié)果進(jìn)行進(jìn)一步分析 est for A:sum（對A回歸結(jié)果中的各個變量運行sum命令） 異方差問題： 獲得穩(wěn)健性標(biāo)準(zhǔn)誤 reg y x1 x2 x3 if c1=1（當(dāng)分類變量c1=1時，進(jìn)行y和諸x的回歸） reg y x1 x2 x3,robust（回歸后顯示各個自變量的異方差-穩(wěn)健性標(biāo)準(zhǔn)誤） estat vif（回歸之后獲得VIF） estat hettest,mtest（異方差檢驗） 異方差檢驗的套路： （1）Breusch-pagan法： reg y x1

45、x2 x3 predict u,resid gen usq=u2 reg usq x1 x2 x3 求F值 display R/(1-R)*n2/n1（n1表示分子除數(shù)，n2表示分母除數(shù)） display Ftail() 求LM值 display R*n（n表示總樣本量） display chi2tail() （2）white法： reg y x1 x2 x3 predict u,resid gen usq=u2 predict y gen ys

46、q=y2 reg usq y ysq 求F值 display R/(1-R)*n2/n1（n1表示分子除數(shù)，n2表示分母除數(shù)） display Ftail() 求LM值 display R*n（n表示總樣本量） display chi2tail() （3）必要補充 F值和LM值轉(zhuǎn)換為P值的命令： display Ftail(n1,n2,a)（利用F值求p值，n1表示分子除數(shù)，n2表示分母除數(shù)，a為F值） display chi2tail(n3,b)（利用LM值求p值，n3表示自由度的損

47、失量，一般等于n1，b為LM值） 異方差的糾正WLS（weighted least square estimator） （1）基本思路： reg y x1 x2 x3 aw=x1（將x1作為異方差的來源，對方程進(jìn)行修正） 上式相當(dāng)于： reg y/(x10.5) 1/(x10.5) x1/(x10.5) x2/(x10.5) x3/(x10.5),noconstant （2）糾正異方差的常用套路（構(gòu)造h值） reg y x1 x2 x3 predict u,resid gen usq=u2 ge

48、n logusq=log(usq) reg logusq x1 x2 x3 predict g gen h=exp(g) reg y x1 x2 x3 aw=1/h 異方差hausman檢驗： reg y x1 x2 x3 est store A（將上述回歸結(jié)果儲存到A中） reg y x1 x2 x3 aw=1/h est store B hausman A B 當(dāng)因變量為對數(shù)形式時（log(y)）如何預(yù)測y reg logy x1 x2 x3 predict k

49、 gen m=exp(k) reg y m,noconstant m的系數(shù)為i y的預(yù)測值=i×exp(k) 方差分析： 一元方差分析 anova y g1 / g1|g2 /（g*表示不同分類變量，計算g1和交互項/ g1|g2 /這兩種分類的y值是否存在組內(nèi)差異） anova y d1 d2 d1*d2（d*表示虛擬變量，計算d1、d2和d1*d2的這三種分類的y值是否有組內(nèi)差異） anova y d1 d2 x1 d2*x1, continuous(x1)（x*表示連續(xù)的控制變量）

50、0;多元方差分析 webuse jaw manova y1 y2 y3 = gender fracture gender*fracture（按性別、是否骨折及二者的交互項對y1、y2和y3進(jìn)行方差分析） manova y1 = gender fracture gender*fracture（相當(dāng)于一元方差分析，以y1為因變量）  webuse nobetween gen mycons = 1 manova test1 test2 test3 = mycons, noconstant mat c = (1,0,-1

51、0,1,-1) manovatest mycons, ytransform(c) 進(jìn)行多元回歸的方法： 多元回歸分析：（與mvreg相同） foreach vname in y1 y2 y3 （確定y變量組vname） reg vname' x1 x2 x3 （將y變量組中的各個變量與諸x變量進(jìn)行回歸分析，注意vname的標(biāo)點符號）  上式等價于： mvreg y1 y2 y3 = x1 x2 x3 reg3命令： （1）簡單用法： reg3 (y1 = x1 x2 x3) (

52、y2 = x1 x3 x4) (y3 = x1 x2 x5) 測試y1 coefs = 0 test y1 測試不同回歸中相同變量的系數(shù)： test y1=y2=y3, common test (y1=y2) (y1=y3), common constant（constant表示包含截距項） （2）用reg3進(jìn)行2SLS reg3 (y1 = y2 x1 x2) (y2 = y1 x4),2sls （2）用reg3進(jìn)行OLS reg3 (y1 = y2 x1 x2) (y2 = y1 x4),ols

53、60;對兩個回歸結(jié)果進(jìn)行hausman檢驗： reg3 (y1=x1 x2 x3)(y2=y1 x4),2sls est store twosls reg3 (y1=x1 x2 x3)(y2=y1 x4),ols est store ols hausman twosls ols,equations(1:1)（對兩次回歸中的方程1，即“y1=x1 x2 x3”進(jìn)行hausman檢驗） hausman twosls ols,equations(2:2)（對兩次回歸中的方程2，即“y2=y1 x4”進(jìn)行hausman檢驗） hau

54、sman twosls ols,alleqs（對所有方程一起進(jìn)行檢驗） 檢驗忽略變量（模型的RESET）： reg y x1 x2 x3 estat ovtest 滯后變量的制取 對變量y滯后一期： gen y_l1=y_n-1 滯后兩期： gen y_l2=y_n-2 以此類推。 制取樣本序號： gen id=_n 獲得樣本總量： gen id=_N 時間序列回歸： 回歸元嚴(yán)格外生時AR(1)序列相關(guān)的檢驗 reg y x1 x2&#

55、160;predict u,resid gen u_1=u_n-1 reg u u_1,noconstant 回歸之后，u_1的序數(shù)如果不異于零，則該序列不相關(guān) 用Durbin-Watson Statistics檢驗序列相關(guān)： tsset year （對時間序列回歸中代表時間的變量進(jìn)行定義） reg y x1 x2 dwstat （求出時間序列回歸的DW值） durbina （對該回歸是否具有序列相關(guān)進(jìn)行檢驗，H0為無序列相關(guān)，可根據(jù)chi2值求出P值） durbina,small （small可以根據(jù)F

56、值求出P值，以代替chi2值） durbina,force （讓檢驗?zāi)茉趓obust、neway之后進(jìn)行） durbina,small lag(1/10) （lag可以求出更高階滯后的序列相關(guān)，如本例中可求出1到10階的序列相關(guān)） durbina,robust lag(1/10) （robust可進(jìn)行異方差穩(wěn)健性回歸，避免未知形式的異方差） bgodfrey （利用Breusch-Godfrey test求出高階序列相關(guān)） bgodfrey,small lag(1/10) 數(shù)據(jù)調(diào)查：survey data 源數(shù)據(jù)：datas

57、et文件夾中的svydata 步驟： 1、定義survey data svyset psuid pweight=finalwgt, strata(stratid) 定義primary sampling unit為psuid?？赡苁菧y試的編號，1or2 定義pweight為finalwgt 定義stratum identifer為stratid?？赡苁菧y試中被試的編號，1to31 2、生成male gen male= (sex=1) if !missing(sex) 當(dāng)sex不缺失且等于1時，male=se

58、x 3、生成行變量為highbp，列變量為sizplace的表格 svy, subpop(male): tabulate highbp sizplace, col obs pearson lr null wald subpop規(guī)定了以male為數(shù)據(jù)調(diào)查的范圍 tabulate highbp sizplace表示繪制行變量為highbp，列變量為sizplace的表格 col表示每一列的加總為100%，row表示每一行的加總為100%，cell表示橫縱所有單元格的加總為100% obs表示列出每個單元格的樣本量，se表示列出每個單元格的

59、標(biāo)準(zhǔn)誤，ci表示列出每個單元格的置信區(qū)間 pearson表示求取pearson's chi-squired,皮爾遜的卡方檢定 lr表示求取likelihood ratio null表示求取null-based statistics wald表示求取adjusted wald，llwald表示求取adjusted log-linear Wald，noadjust表示求取unadjusted Wald statistics 4、svy:mean x1 x2 x3 對x1、x2、x3求取mean、se和ci 5、簡單的tabulate twoway（不用svyset就可執(zhí)行） tab2 y x,col chi2