STATA命令应用及详细解释汇总.docx

1、STATA命令应用及详细解释汇总STATA命令应用及详细解释(汇总)STATA命令应用及详细解释（汇总）调整变量格式：format x1 .3f将x1的列宽固定为10，小数点后取三位format x1 .3g将x1的列宽固定为10，有效数字取三位format x1 .3e将x1的列宽固定为10，采用科学计数法format x1 .3fc将x1的列宽固定为10，小数点后取三位，加入千分位分隔符format x1 .3gc将x1的列宽固定为10，有效数字取三位，加入千分位分隔符format x1 %-10.3gc将x1的列宽固定为10，有效数字取三位，加入千分位分隔符，加入“-”表示左对齐合并数据

2、：use C:Documents and Settingsxks桌面2006.dta, clearmerge using C:Documents and Settingsxks桌面1999.dta将1999和2006的数据按照 样本（observation）排列的自然顺序合并起来use C:Documents and Settingsxks桌面2006.dta, clearmerge id using C:Documents and Settingsxks桌面1999.dta ,unique sortuse t:statatutfac19.dtata regionappend using t:

3、statatutnewfacta region合并后样本量增加，但变量数不变茎叶图：stem x1,line(2)（做x1的茎叶图，每一个十分位的树茎都被拆分成两段来显示，前半段为04，后半段为59）stem x1,width(2)（做x1的茎叶图，每一个十分位的树茎都被拆分成五段来显示，每个小树茎的组距为2）stem x1,round(100)（将x1除以100后再做x1的茎叶图）直方图采用auto数据库histogram mpg, discrete frequency normal xlabel(1(1)5)（discrete表示变量不连续，frequency表示显示频数，normal加入

4、正太分布曲线，xlabel设 定x轴，1和5为极端值，(1)为单位）histogram price, fraction norm（fraction表示y轴显示小数，除了frequency和 fraction这两个选择之外，该命令可替换为“percent”百分比，和“density”密度；未加上discrete就表示将price当作连 续变量来绘图）histogram price, percent by(foreign)（按照变量“foreign”的分类，将不同类样本的 “price”绘制出来，两个图分左右排布）histogram mpg, discrete by(foreign, col(1)

5、（按照变量“foreign”的分类，将不同类 样本的“mpg”绘制出来，两个图分上下排布）histogram mpg, discrete percent by(foreign, total) norm（按照变量 “foreign”的分类，将不同类样本的“mpg”绘制出来，同时绘出样本整体的“总”直方图）二变量图：graph twoway lfit price weight | scatter price weight（作 出price和weight的回归线图“lfit”，然后与price和weight的散点图相叠加）twoway scatter price weight,mlabel(make

6、)（做price和weight的散点图，并在每个点上 标注“make”，即厂商的取值）twoway scatter price weight | lfit price weight,by(foreign)（按照变量 foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈左右分布）twoway scatter price weight | lfit price weight,by(foreign,col(1)（按 照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈上下分布）twoway scatter

7、price weight fweight= displacement,msymbol(oh)（画 出price和weight的散点图，“msybol(oh)”表示每个点均为中空的圆圈，fweight= displacement表示每个点的大小与displacement的取值大小成比例）twoway connected y1 time,yaxis(1) | y2 time,yaxis(2)（画出y1和y2这两个变 量的时间点线图，并将它们叠加在一个图中，左边“yaxis(1)”为y1的度量，右边“yaxis(2)”为y2的）twoway line y1 time,yaxis(1) | y2 ti

8、me,yaxis(2)（与上图基本相同，就是没有点，只显 示曲线）graph twoway scatter var1 var4 | scatter var2 var4 | scatter var3 var4（做三个点图的叠加）graph twoway line var1 var4 | line var2 var4 | line var3 var4（做 三个线图的叠加）graph twoway connected var1 var4 | connected var2 var4 | connected var3 var4（叠加三个点线相连图）更多变量：graph matrix a b c y（画出

9、一个散点图矩阵，显示各变量之间所有可能的两两相互散点图）graph matrix a b c d,half（生成散点图矩阵，只显示下半部分的三角形区域）用auto数据集：graph matrix price mpg weight length,half by(foreign,total col(1) )（根据foreign变量的不同类型绘制price等四个变量的散点图矩阵，要求绘出总图，并上下 排列】=具）其他图形：graph box y,over(x) yline(.22)（对应x的每一个取值构建y的箱型图，并在y轴的 0.22处划一条水平线）graph bar (mean) y,over(

10、x)对应x的每一个取值，显示y的平均数的条形图。括号中的“mean”也可换成 median、sum、sd、p25、p75等graph bar a1 a2,over(b) stack（对应在b的每一个取值，显示a1和a2的条形图，a1和a2是叠放成一根条 形柱。若不写入“stack”，则a1和a2显示为两个并排的条形柱）graph dot (median)y,over(x)（画点图，沿着水平刻度，在x的每一个取值水平所对应的y的中位数上打点）qnorm x（画出一幅分位-正态标绘图）rchart a1 a2 a2（画出质量控制R图，显示a1到a3的取值范围）简单统计量的计算：ameans x（计

11、算变量x的算术平均值、几何平均值和简单调和平均值，均显示样本量和置信区间）mean var1 pweight = var2（求取分组数据的平均值和标准误，var1为各组的赋值，var2为每组的频数）summarize y x1 x2,detail（可以获得各个变量的百分比数、最大最小值、样本量、平均数、标准差、方差、峰度、偏 度）*注意*stata中summarize所计算出来的峰度skewness和偏度kurtosis有问题，与ECELL和 SPSS有较大差异，建议不采用stata的结果。summarize var1 aweight = var2, detail（求取分组数据的统计量，var

12、1为各组的赋 值，var2为每组的频数）tabstat X1,stats(mean n q max min sd var cv)（计算变量X1的算术平均值、样本量、四分位 线、最大最小值、标准差、方差和变异系数）概率分布的计算：（1）贝努利概率分布测试：webuse quickbitest quick=0.3,detail（假 设每次得到成功案例1的概率等于0.3，计算在变量quick所显示的二项分布情况下，各种累计概率和单个概率是多少）bitesti 10,3,0.5,detail（计算当每次成功的概率为0.5时，十次抽样中抽到三次成功案例的概率：低于或高于三次成功的累计概率和恰好三次 成功

13、概率）（2）泊松分布概率：display poisson(7,6).44971106（计算均值为7，成功案例小于等于6个 的泊松概率）display poissonp(7,6).14900278（计算均值为7，成功案例恰好等于6个的泊松概率）display poissontail(7,6).69929172（计算均值为7，成功案例大于等于6个的泊松概率）（3）超几何分布概率：display hypergeometricp(10,3,4,2).3（计算在样本总量为 10，成功案例为3的样本总体中，不重置地抽取4个样本，其中恰好有2个为成功案例的概率）display hypergeometric(

14、10,3,4,2).96666667（计算在样本总量为10，成功案例为3的样 本总体中，不重置地抽取4个样本，其中有小于或等于2个为成功案例的概率）检验极端值的步骤：常见命令：tabulate、stem、codebook、summarize、list、histogram、 graph box、gragh matrixstep1.用codebook、summarize、histogram、graph boxs、graph matrix、stem看检验数据的总体情况：codebook y x1 x2summarize y x1 x2,detailhistogram x1,norm（正态直方图）gr

15、aph box x1（箱图）graph matrix y x1 x2,half（画出各个变量的两两x-y图）stem x1（做x1的茎叶图）可以看出数据分布状况，尤其是最大、最小值step2.用tabulate、list细致寻找极端值tabulate code if x1=极端值（作出x1等于极端值时code的频数分布表，code表示地区、年份等序列变量，这样便可找出那些地区的数值出现了错误）list code if x1=极端值（直接列出x1等于极端值时code的值，当x1的错误过多时，不建议使用该命令）list in -20/l（l表示last one，-20表示倒数第20个样本，该命令列

16、出了从倒数第20个到倒数第一个样本的各变量值）step3.用replace命令替换极端值replace x1=? if x1=极端值去除极端值：keep if y1000对数据排序：sort xgsort +x（对数据按x进行升序排列）gsort -x（对数据按x进行 降序排列）gsort -x, generate(id) mfirst（对数据按x进行降序排列，缺失值排最前，生成反映位次的变量 id）对变量进行排序：order y x3 x1 x2（将变量按照y、x3、x1、x2的顺序排列）生成新变量：gen logx1=log(x1)（得出x1的对数）gen x1=exp(logx1)（将l

17、ogx1反对数化）gen r61_100=1 if rank=61&rankx2,x1,x2)（若x1x2成立，则取x1，若x1x2不成立，则取x2）sort xgen gx=group(n)（将经过排序的变量x分为尽量等规模的n个组）egen zx1=std(x1)（得出x1的标准值，就是用(x1-avgx1)/sdx1）egen zx1=std(x1),m(0) s(1)（得出x1的标准分，标准分的平均值为0，标准差为1）egen sdx1=sd(x1)（得出x1的标准差）egen meanx1=mean(x1)（得出x1的平均值）egen maxx1=max(x1)（最大值）egen m

18、inx1=min(x1)（最小值）egen medx1=med(x1)（中数）egen modex1=mode(x1)（众数）egen totalx1=total(x1)（得出x1的总数）egen rowsd=sd(x1 x2 x3)（得出x1、x2和x3联合的标准差）egen rowmean=mean(x1 x2 x3)（得出x1、x2和x3联合的平均值）egen rowmax=max(x1 x2 x3)（联合最大值）egen rowmin=min(x1 x2 x3)（联合最小值）egen rowmed=med(x1 x2 x3)（联合中数）egen rowmode=mode(x1 x2 x

19、3) （联合众数）egen rowtotal=total(x1 x2 x3)（联合总数）egen xrank=rank(x)（在不改变变量x各个值排序的情况下，获得反映x值大小排序的xrank）数据计算器display命令：display x12（显示x的第十二个观察值）display chi2(n,x)（自由度为n的累计卡方分布）display chi2tail(n,x)（自由度为n的反向累计卡方分布，chi2tail(n,x)=1-chi2(n,x)）display invchi2(n,p)（卡方分布的逆运算，若chi2(n,x)=p，那么invchi2(n,p)=x）display in

20、vchi2tail(n,p)（chi2tail的逆运算）display F(n1,n2,f)（分子、分母自由度分别为n1和n2的累计F分布）display Ftail(n1,n2,f)（分子、分母自由度分别为n1和n2的反向累计F分布）display invF(n1,n2,P)（F分布的逆运算，若F(n1,n2,f)=p，那么invF(n1,n2,p)=f）display invFtail(n1,n2,p)（Ftail的逆运算）display tden(n,t)（自由度为n的t分布）display ttail(n,t)（自由度为n的反向累计t分布）display invttail(n,p)（t

21、tail的逆运算）给数据库和变量做标记：label data （对现用的数据库做标记，就是标记，可自行填写）label variable x （对变量x做标记）label values x label1（赋予变量x一组标签:label1）label define label1 1 a1 2 a2（定义标签的具体内容：当x=1时，标记为a1，当x=2时，标记为a2）频数表：tabulate x1,sorttab1 x1-x7,sort（做x1到x7的频数表，并按照频数以降序显示行）table c1,c（n x1 mean x1 sd x1）（在分类变量c1的不同水平上列出x1的样本量和平均值）二

22、维交互表：auto数据 库：table rep78 foreign, c(n mpg mean mpg sd mpg median mpg) center row col（rep78，foreign均为分类变量，rep78为行变量，foreign为列变量，center表示结果显示在单元格中 间，row表示计算行变量整体的统计量，col表示计算列变量整体的统计量）tabulate x1 x2,all（做x1和x2的二维 交互表，要求显示独立性检验chi2、似然比卡方独立性检验lrchi2、对定序变量适用的等级相关系数gamma和taub、以及对名义变量适用的V）tabulate x1 x2,co

23、lumn chi2（做x1和x2的二维交互表，要求显示列百分比和行变量和列变量的独立性检验零假设为变量之间独立无统计关系）tab2 x1-x7,all nofreq（对x1到x7这七个变量两两地做二维交互表，不显示频数：nofreq）三维交互表：by x3,sort:tabulate x1 x2,nofreq col chi2（同时进行x3的每一个取值内的x1和x2的二维交互表，不显示频数、显示列百分比和独立性检验）四维交互表：table x1 x2 x3,c(ferq mean x1 mean x2 mean x3) by(x4)tabstat X1 X2,by(X3) stats(mean

24、 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为权重求X1、X2的均值，标准差、方差等）ttest X1=1count if X1=0count if X1=0gen X2=1 if X1=0corr x1 x2 x3（做x1、x2、x3的相关系数表）swilk x1 x2 x3（用Shapiro-Wilk W test对x1、x2、x3进行正太性分析）sktest x1 x2 x3（对x1、x2、x3进行正太性分析，可以求出

25、峰度和偏度）ttest x1=x2（对x1、x2的均值是否相等进行T检验）ttest x1,by(x2) unequal（按x2的分组方式对x1进行T检验，假设方差不齐性）sdtest x1=x2（方差齐性检验）sdtest x1，by(x2)（按x2的分组方式对x1进行方差齐性检验）聚类分析：cluster kmeans y x1 x2 x3, k(3)依据y、x1、x2、x3，将样本分为n 类，聚类的核为随机选取cluster kmeans y x1 x2 x3, k(3) measure(L1) start(everykth)start用于确定聚类的核，everykth表示将通过构造三组

26、样本获得聚类核：构造方法为将样本 id为1、1+3、1+32、1+33分为一组、将样本id为2、2+3、2+32、2+33分为第二组，以此类推，将这三组的均值作为 聚类的核；measure用于计算相似性和相异性的方法，L1表示采用欧式距离的绝对值，也直接可采用欧式距离（L2）和欧式距离的平方 （L2squared）。PS：这个方法所得的结果与SPSS所得结果相同。sort c1 c2（对c1和c2两个分类变量排序）by c1 c2：reg y x1 x2 x3（在c1、c2的各个水平上分别进行回归）bysort c1 c2：reg y x1 x2 x3 if c3=1（逗号前面相当于将上面两步

27、骤合一，既排序又回归，逗号后面的“if c3=1”表示只有在c3=1的情况下才进行回归）stepwise, pr(.2): reg y x1 x2 x3(使用Backward selection，去除P值大于0.2时变量)stepwise, pe(.2): reg y x1 x2 x3(使用forward selection，去除P值小于0.2时变量)stepwise, pr(.2) pe(.01):reg y x1 x2 x3（使用backward-stepwise selection，取P值在0.01和0.2之间的变量）stepwise, pe(.2) forward: reg y x1

28、x2 x3（使用forward-stepwise selection）reg y x1 x2 x3predict Yhat,xbpredict u,residpredict ustd,stdr（获得残差的标准误）predict std,stdp（获得y估计值的标准误）predict stdf,stdf（获得y预测值的标准误）predict e,e(1,12)（获得y在1到12之间的估计值）predict p,pr(1，12)（获得y在1到12之间的概率）predict rstu,rstudent（获得student的t值）predict lerg,leverage（获得杠杆值）predict

29、ckd,cooksd（获得cooksd）reg y x1 x2 x3 c1 c2adjust x1 x2 x3，se（使得变量x1、x2和x3等于其均值，求y的预测值和标准误）adjust x1 x2 x3，stdf ci（使得变量x1、x2和x3等于其均值，求y的预测值，预测标准误和置信区间）adjust x1 x2,by(c1) se ci（控制变量x1、x2，亦即取它们的均值，在分类变量c1的不同水平上求y预测值，标准误和置信区间）adjust x1 x2 x3,by(c1) stdf ci（控制变量x1、x2、x3，亦即取它们的均值，在分类变量c1的不同水平上求y预测值，预测标准误和置信区间）adjust x1 x2,by(c1 c2) se ci（控制变量x1、x2，在分类变量c1、c2的不同水平上求y的预测值，标准误和置信区间）adjust x1 x2 x3,by(c1 c2) stdf ci（控制变量x1、x2、x3，在分类变量c1、c2的不同水平上求y的预测值，预测标准误和