Stata統(tǒng)計分析常用命令匯總

一、winsorize極端值處理

范圍：一般在1%和99%分位做極端值處理，對于小于1%，的數(shù)用1%的值賦值，對于大于99%

的數(shù)用99%的值賦值。

1、Stata中的單變量極端值處理：

stata11.0?在命令窗口輸入"finditwinsor”后，系統(tǒng)彈出一個窗口,安裝winsor模決

安裝好模塊之后，就可以調(diào)用winsor命令，命令格式：winsorvarl,gen(newvar)p(0.31)

或者在命令窗口中輸入：sscinstallwinsor安裝winsor命令。winsor命令不能進行批量處

理。

2、批量進行winsorize極端值處理：

打開鏈接：http:〃Dersonal.〉/iudson.caskey/data.html,找到winsorizeJ,點擊

右鍵，另存為到stata中的ado/plus/目錄下即可。命令格式:winsorizeJvarlvar2var3,suffix(w)

即可，這樣會生成三個新變量，varlwvar2wvar3w,而且默認的是上下l%winsorize。如果

要修改分位點，則寫成如下格式：winsorizeJvar1var2var3,suffix(w)cuts(595)。

3、Excel中的極端值處理：(略)

winsor2命令使JI］說明

簡介：winsor2winsorizeortrim(iftrimoptionisspecified)thevariablesinvarlistatparticular

percentilesspecifiedbyopiioncuts(##).Indefult,newvariableswillbegeneratedwithasuffix

"_w"orwhichcanbechangedbyspecifyingsuffix()option.Thereplaceoptionreplacesthe

variableswiththeirwinsorizedortrimmedones.

相比于winsor命令的改進:

(1)可以批量處理多個變量；

(2)不僅可以winsor,也可以trimming；

⑶附加了by()選項，可以分組winsor或trimming；

(4)增加了replace選項,可以不必生成新變量,直接替換原變量。

范例：

*-winsorat(plp99),getnewvariable"wage_w"

.sysusenlsw88,clear

.winsor2wage

*-Ie代-trimmingat2thpercentile

.winsor2wage,cuts(2100)trim

*-winsorvariablesby:industrysouth),overwritetheoldvariables

.winsor2wagehours,replaceby(industrysouth)

使用方法：

1.請將winsor2.ado和winsor2.sthlp放置于stata12\ado\base\w文件夾下;

2.輸入helpwinsor2可以查看幫助文件；

二、描述性統(tǒng)計

1、summarize

命令格式：su、sum或者summarize[varlist][if][in][weight][options]

如果summarize或sum后不加任何變晟，則默認對數(shù)據(jù)中的所有變最進行描述統(tǒng)計

options選項：detail表示產(chǎn)生更加詳細的統(tǒng)計變量

Separator(n)表示每n個變量畫一條分界線，n=0表示禁止使用分界線

Summarize描述統(tǒng)計輸出表中包含：樣本容量、平均數(shù)、標準差、最小值和最大值

2.tabstat

命令格式:tabstat[varlist][if][in][weight][,options]

options選項：stat(statname)表示設(shè)定所需要的統(tǒng)計量

col(stat)或c(s)表示將結(jié)果報表轉(zhuǎn)置

統(tǒng)計量：

mean：平均數(shù)count/n：觀測值數(shù)目sum：加總

max/min：最大值/最小值range：極差sd：標準差cv：變異系數(shù)

semean：平均標準誤差skewness：偏度var：方差

kurtosis：峰度median/p50：中位數(shù)p#：#%白.分位數(shù)

例如：tabstat[varlist],stat(countmeansdmedianminmaxrange)col(stat)

3、描述性統(tǒng)計結(jié)果輸出到word或Excel

用sum做的描述性統(tǒng)計：logout,save(miaoshutongji)wordreplace:sum

用tabstat做的描述性統(tǒng)計：logout,save(miaoshutongji)wordreplace:tabstat

[varlist],stat(countmeansdmedianminmaxrange)col(stat)

分組描述：bysortvar:

三、相關(guān)性分析

(-)相關(guān)性分析

lxPearson相關(guān)系數(shù)命令格式:correlate(簡寫:cor或corr)[varlist][if][in][weight][,options]

、相關(guān)系數(shù)命令格式:

2spearmanspearman[varlist]zstats(rhop)

3、在Stata中，命令corr用于計算一組變量間的協(xié)方差或相關(guān)系數(shù)矩陣；

4、命令pwcon?可用于計算一組變量中兩兩變量的相關(guān)系數(shù)，同時還可以對相關(guān)系數(shù)的顯著

性進行檢驗;option選項中加上sig可顯示顯著性水平:pwcorr[varlist],sig

5、命令pcorr用于計算一組變量中兩兩變量的偏相關(guān)系數(shù)并進行顯著性檢驗。

6、Spearman和Pearson檢驗同在一個表的命令:corrtbl[varlist],corrvars([varlist])

輸出結(jié)果中，上三角為Spearman相關(guān)系數(shù)和顯著水平，卜三角為Pearson系數(shù)利顯著水平。

(二)輸出相關(guān)系數(shù)表到word或Excel中

例如：logout,save(mytable)wordreplace:pwcorr_apricempgrep78headroomtrunk,

starl(O.Ol)star5(0.05)starlO(O.l)

四、截面數(shù)據(jù)單方程線性回歸模型的Stata實現(xiàn)

命令格式:regress(簡寫:reg)depvarindepvars[if][in][weigh][option]

(depvar表示因變量，indepvars表示自變量)

五、異方差的檢驗與處理

1、檢驗異方差命令格式：hettest

2、判斷異方差的標準：

.hettest

Breusch-Pagan/cook-weisbergtestforheteroskedasticity

HO:constantvariance

variables:fittedvaluesofLpfms

chi2（1）=0.55

Prob>Chi2=0.4584

看P值的大小來判斷，如果P值小于0.05,則不能排除異方差的可能，上圖中P值等于

0.4584>0.05,因此，可以排除異方差的可能性。

3、處理異方差命令格式:在reg命令后加上“萬”或者robust”即可。經(jīng)異方差處理后的

回歸不顯示調(diào)整后的R?（adj-R2）,如果要查看調(diào)整后的R2,再輸入命令:die（r2_a）

六、多重共線性（自變量之間高度相關(guān)）命令格式：vif

（一）判斷多重共線性的標準（兩個標準必須同時滿足）：

1、最大的vif大于10；

2、平均的vif大于1。

（二）多重共線性的修正

1、采用逐步回歸進行修正，命令格式：swregdepvsrindepvar,pr（0.05）

2、對于含二次項的，使用“對中”的方法，既可以保留二次項，乂可以在一定程度上克服

多重共線性的問題：先定義兩個變量，分別為該變量減去其均值和該變量的平方，命令如下:

sumvar

genvarl=var-r（mean）

genvar2=varA2

再用新變量代替原來的變量進行回歸處理

七、內(nèi)生性的檢驗與處理（內(nèi)生性是指自變最與誤差項之間有關(guān)系）

1、內(nèi)生性的檢驗：ovtest

?ovtest

RamseyRESETtestusingpowersofthefittedvaluesofLpfms

Ho:modelhasnoomittedvariables

F（3,379）=0.84

Prob>F=0.4717

看P值的大小來判斷，如果P值小于0.05,則不能排除內(nèi)生性的n]■能，上圖中P值等于

0.4717>0.05,因此，可以排除內(nèi)生性的可能。

2、內(nèi)生性的處理：使用工具變量法：ivreg

內(nèi)生性的二個來源：測量誤差、遺漏變量和雙向因果。

1、變量的內(nèi)生性。

這個是沒有辦法單獨檢驗的。當有合適工具變展?時候，是可.以檢驗的，就是hausman檢驗

2、工具變量的外生性。

這個也是沒辦法檢驗的。當有很多工具變量時候，可以檢驗是否有不是外生的，就是“過度

識別”問題

3、工具變量的相關(guān)性。

這個可以說成是“弱工具變量”問題，檢驗可以通過一階段的F值。還可以利用PartialR2。

4、估計方法

stata里面有這么幾個2sls,2slssmaklimLgmm,各自適用情況：small適合小樣本；liml

適合弱工具變量；gmm適合異方差。

【例子】

webusehsng2

*Fitaregressionvia2SLS,requestingsmall-samplestatistics

ivregress2slsrentpcturban(hsngval=famineiregion),small

*FitaregressionusingtheLIMLestimator

ivregresslimlrentpcturban(hsngval=famineiregion)

*FitaregressionviaGMMusingthedefaultheteroskedasticity-robustweightmatrix

ivregressgmmrentpcturban(hsngval=famineiregion)

*FitaregressionviaGMMusingaheteroskedasticity-robustweightmatrix,requestingnonrobust

standarderrors

ivregressgmmrentpcturban(hsngval=famineiregion),vce(unadjusted)

*檢驗

estatafirststage,allforcenonrobust\\\可以查看第一階段F值，已經(jīng)partialR2

estatoverid\\\查看是否過度識別

estatendogenous\\\查看是否異方差

regress2slsrentpcturbanhsngval

eststoreml

ivregress2slsrentpcturban(hsngval=famineiregion)

eststorem2

hausmanmlm2\\\內(nèi)生檢驗

八、線性方程組的回歸分析

命令格式:sureg(depvarlvarlistl)(depvar2varlist2)...(depvarNvarlistN)[if][in][weigh]

九、聯(lián)立方程組

命令格式:reg3(depvarlvarlistl)(depvar2varlist2)...(depvarNvarlistN)[if][in][weigh]

十、面板數(shù)據(jù)的固定效應(yīng)和隨機效應(yīng)

Xtset

固定效應(yīng)命令格式:xtregdepvarindepvars[if][in]Je[FE_options]

隨機效應(yīng)命令格式:xtregdepvarindepvars[if][in],re[FE_options]

hausman檢驗固定效應(yīng)還是隨機效應(yīng)？

【例子】

xtregyvarlvar2var3，fe

eststorefe

xtregyvarlvar2var3，re

eststorere

hausmanfere,sigmamore

hausmanfere,sigmaless

*sigmamore利用有效估計量方差,即re

?sigmaless利用一致估計最方差，即fe

H^一：Stata回歸結(jié)果的導(dǎo)出

1、在命令窗口中輸入：sscinstallesttab,安裝命令esttab

2sreg口1歸

3、esttabusingfilename.rtf將以word形式輸出回歸結(jié)果，后綴改成.xls或者.CSV則以Excel

格式輸出，輸出內(nèi)容為變量名稱和相應(yīng)的回歸系數(shù)，t值，顯著性水平標識。系統(tǒng)默認顯著

性水平是。001,0.01和0.05,若要改成。。，0.05和0.1,則輸出esttabmlm2usingaaa.rtf,

star(*0.10**0.05***0.01)。

4、批量輸出回歸結(jié)果:每運行一個regression,存起來:eststoremloml是你要改的,第

?個model所以我叫ml,第二個的話指令就變成eststorem2,依次類推,最后運行指令:

esttabmlm2...usingtest.rtf。

esttabmlllllusingaaaaa.rtf,star(*0.10**0.05***0.01)b(%6.4f)

5、outreg2可以將回歸結(jié)果導(dǎo)入word、excle、latex等，而且可以根據(jù)自己需要改變格式：

sscinstalloutreg2

useauto,clear

[varlist]

eststoreml

outreg2[ml]usingtest.doczreplace

十二、合并樣本(將關(guān)鍵詞相同的多個樣本合并為一個)

命令格式：duplicatesdropvarlistzforce

例如將同一企業(yè)在同一天發(fā)生的多起并購合為一起，可根據(jù)證券代碼和公告日期關(guān)鍵詞，將

其合并，命令：duplicatesdropcompanyjdevent_date,force

十三、均值t檢驗

命令格式:ttestCARI==CAR2,unpaired

十四、中位數(shù)Z檢驗(非參數(shù)Wilcoxon秩和檢驗)

命令格式：ranksumvar,by(groupvar)

groupvar為分組變量

I玉、檢驗兩組均值的顯著性差異，在t檢驗的后面數(shù)值上面加星號

可以用ttest命令執(zhí)行檢驗，它會直接報告星號。

亦可采用外部命令meantab執(zhí)行檢驗，自己根據(jù)t值大小標注星號。

helpmeantab〃這個最好用

sysusenlsw88,clear

meantabcoIlgradwagehoursttl_exptenure,///

over(union)tstatdiffnoncells

另有一個李春濤老師編寫的命令，可以直接標注星號：

finditttable〃多變量，兩組差異

十六、刪除有缺失值的樣本

egenmis=rowmiss(_all)

dropifmis

條件語句：cond

例如：cond(missing(x),cond(x>2,50,70))returns.ifxismissing,returns50ifx>2,andreturns

70ifx<2

十七、中心化處理與標準化處理

1、安裝命令：finditcenter

2、中心化:

centervarlist(注：生成的新變量默認加前置”j〃，可一次對多個變量進行處理)

或：centervar,g(newvar)(注：只能對,個變量進行口心化，并生成給定名稱的新變量)

3、標準化：

centervarlist,prefix(z_)standardize(注:生成的新變量加前置“z_”,可多個,可更改)

十八、恢復(fù)數(shù)據(jù)命令

preserve(處理數(shù)據(jù)前使用該命令，否則沒有數(shù)據(jù)可恢復(fù))

dropvarl-varlOO(處理數(shù)據(jù))

restore(恢復(fù)數(shù)據(jù))

十九、genicv產(chǎn)生交叉項

【問題】

有時候，想生成很多交叉項，但是又不愿意一個一個寫。

有時候，想看一個交叉項，但是又不愿意生成。

【方法】

genicv可以一鍵生成很多交叉項

##可以直接表示交叉項。

【例子】

sscinstallgenicv

sysuseauto,clear

genicvlengthweightforeign〃會生成4個交叉項，所有可能情況，并且有l(wèi)abel

regpricelengthweightlength_weight

*如果不愿意生成，直接用

regpricec.length##c.weight\\\和上面回歸一樣一樣的

二十、用stata統(tǒng)計變量的個數(shù)，但是要去掉重復(fù)的部分

bysid:gn=_n

countifn==l

二H^一、stata中的主成分分析法

1、首先，需要對變量進行哪些檢驗？KMO?還有什么？KMO檢驗結(jié)果符合什么條件才能繼

續(xù)進行主成分分析？

答：首先使用KMO檢驗和SMC檢驗。

KMO的判斷為，UsingtheKaiser(1974)characterizationofKMOvalues,

0.00to0.49unacceptable

0.50to0.59miserable

0.60to0.69mediocre

0.70to0.79middling

0.80to0.89meritorious

0.90to1.00marvelous

SMC即一個變量與其他所有變量的復(fù)相關(guān)系數(shù)的平方，也就是復(fù)回歸方程的可決系數(shù)。SMC

比較高表明變量的線性關(guān)系越強，共性越強，主成分分析就越合適。

命令是

estatkmo

estatsmc

確定是否需要進行土成分分析。如果有些KMU或者5MC值太小，則要考慮要不要將它們放

入主成分中。

然后進行主成分回歸。

使用命令為：

peavarlist(不清楚就helppea)

2、例如，對Y的5各指標執(zhí)行了命令peayly2y3y4y5得出結(jié)果方差貢獻率(proportion)

就是權(quán)重嗎？

答：不是。假如設(shè)定方差貢獻率為95%,那么，累積方差超過95%的那幾個特征值、所對

應(yīng)的特征變量，就是權(quán)重，

3、看有的帖子上回復(fù)說，需要接著執(zhí)行predictyly2y3V4y5,score,這是為了得到每個指標

的主成分得分嗎？為什么我執(zhí)行了一下，只生成了一個yl,別y2、y3、y4、y5都沒生成呢

答：直接"predictyl-y4”就可以。生成的四個就是得分。

4、不知道你要問什么?

總之，主成分的步驟為

1、先通過KMO檢驗和SMC檢驗確定是否需要主成分分析

2、進行主成分分析，通過累計貢獻率確定需要的哪幾個主成分

3、根據(jù)情況看是否需要rotate

4、通過predict進行得分?；蛘咄ㄟ^scoreplot看得分分布圖。

二十二、將一般的數(shù)據(jù)轉(zhuǎn)化為面板數(shù)據(jù)

原數(shù)據(jù)的形式（excel中）是：2008一張sheet,2009一張sheet。。。。。即:

1DFH

YitKitLit

12261224623

230273276416.5

32062354178262503

43179401120180770

5868023159175.5

626953041840553

71574767060190

.2935791452078

9-191242417

10127737522240

1127906141347979866.5

1248629260428.5

1376127622567319.5

141251951335669

然后改成這樣的數(shù)據(jù)形式是:

ABCDEFGHIJ

公司名稱Yit2008Yit2009Yit2010Kit2008Kit2009Kit2010Lit2008Lit2009Lit2010

122611860B.251105.42522464986.5984108.495232331

23027340102.0660248.7227645657.7326843.39816.511.520

3206235428925143033013178262296385.6332315.3503458489

431794014225323634362612018096017.53305598.8770381.5739

586802563322.7559918.131591819.58839254.86175.514.5134

6269530354939.736459.574184043796.9141070.62553504.5434

7157476290664.9200974.470605902.06235080.8619057158

8293579228195.9479237.51452025136.0843561.92786075.5

919124773.196537.3593424778.35052010.2351710.518

：10127737113150.593694.9852229156.70110556.81402020

112790614107232401216146713479799964001137663866.52208.52518

124862957061.8672251.7926041845.3614833.16328.512.531.5

13761276134907510718942256734651.55125246.7319.5155201

14125195114422.7182454.5133562805.15516806.336933.579

15442694332010.3395230.33708527943.331281.47469403.5327.5

粘貼在stata里就是這樣的形式（注意：變量名字一定要改）：其中Y為因變量，可以是很多

個,XI、X2為自變量，也可以是很多個,stata中的變量名依次為：id、Y2008、Y2009、Y2010、

X12008>X12009>X12010、X22008.X22009、X22010

idY2008Y2009Y2010X12008X12009X12010X22008X22009X22010

11226118608.21105.4222464986.64108.5232331

223027340102.160248.727645657.736843.416.511.520

332.1e-t062.95063.0B+06178262296386332315503458489

443.2e+064.2e+066.3e+0612018096017.5305599770381.5739

558680256332355991831591819.5939254.9175.514.5134

6626953035499036459.64184043796.941070.6SS3504.5434

7715747629066520097470605902.0635080.919057158

882935792281964792371452025136.143561.9786075.5

9919124773.2537.35942477B.3512010.241710.518

10101277371131519369552229156.710556.8402020

11112.8506l.let07-07l?3e+06996400l.let06866.52208.52518

12124862957061.972251.826041845.364833.1628.512.531.5

1414125195114423182454133562805.1516806.66933.S79

15154426943320103952303708527943.331281.5469403.5327.5

161620805767.019501.5427722352.582790.1720.51419

1717820842.2685796.3211921721.652713.41232526

在stata中輸入命令：

reshapelongYXIX2,i(id)j(year)回車即可,變?yōu)?

idyearYXIX2

120082261224623

1200918608.24986.623

120101105.424108.531

2200830273276416.5

2200940102.15657.7311.5

2201060248.76843.420

320082.1e-t-06178262503

320092.9506296386458

320103.0e+06332315489

420083.2e+06120180770

420094.2e+0696017.5381.5

420106.3C+06305599739

52008868023159175.5

520095633231819.5914.5

5201055991839254.9134

6200826953041840553

6200935499043796.9504.5

6201036459.641070.6434

720081574767060190

720092906655902.0657

7201020097435080.9158

二十三、關(guān)于數(shù)值型轉(zhuǎn)換為字符型的問題

1、股票代碼導(dǎo)入STATA后都變成數(shù)值型，現(xiàn)想用tostring命令變回字符型，但長度小于6位的代防在

變回字符型后在前面補夠不足6位的Oo

方法：formatvariable%06s

這只是在顯示上補充了0,沒有在值.上補充。以下可以改變x的值：

replacex=substr("000000"+x,-6,6)

2、將個12位的數(shù)值轉(zhuǎn)換為字符，再從字符里提取前五個字符，轉(zhuǎn)成字符后以科學(xué)計數(shù)法顯示，提取前

五位數(shù)是提取的科學(xué)計數(shù)法的前五位，如將110102002016轉(zhuǎn)成字符后顯示為1.10e+11,提取時提的是

而不是我想要的“11010”

HM

gy=substr(string(x,%12.0f),115)

3、將字符型轉(zhuǎn)化為數(shù)值型命令為：destringvar,replace(轉(zhuǎn)換后替換原來的值)

若字符型中含其他符號并要生成新變量則用：destringvarlist,gen(newvarlist)ignore(u$,%")

二十四、分組

均分四組：sortvar

xtileprop=varznq(x)(括號中的x代表分成的group數(shù))

例如：

sortinsto_ma

xtileprop=insto_ma,nq(4)//以insto_ma的四分位點分成四組

sortpropinsto_msd

egenstdl=xtile(insto_msd),by(prop)nq(4)〃按prop,以insto_msd的四分位點分成四組

二十五、估計殘差

做完回歸后,使用命令predicte,r

排列組合計算=3,=6：dicomb(3,2),dicomb(4z2)

取整：

l.ceil(x),returnstheuniqueintegernsuchthatn-1<x<=n.returnsx(notifxismissing,

meaningthatceil(.a)=.a

2.floor(x),returnstheuniqueintegernsuchthatn<=x<n+1,returnsx(notifxismissing,

meaningthatfloor(.a)=.a

3.int(x),returnsth