《Stata学习笔记和国贸理论总结.doc》由会员分享，可在线阅读，更多相关《Stata学习笔记和国贸理论总结.doc（16页珍藏版）》请在金锄头文库上搜索。
1、Stata学习笔记一、认识数据（一）向stata中导入txt、csv格式的数据 1这两种数据可以用文本文档打开，新建记事本，然后将相应文档拖入记事本即可打开数据，复制 2按下stata中的edit按钮，右键选择paste special 3*.xls/*.xlsx数据仅能用Excel打开，不可用记事本打开，打开后会出现乱码，也不要保存，否则就恢复不了。逗号分隔的数据常为csv数据。（二）网页数据 网页上的表格只要能选中的，都能复制到excel中；网页数据的下载可以通过百度“国家数据”进行搜索、下载二、Do-file 和 log文件 打开stata后，第一步就要do-file，记录步骤和历史记录
2、，方便日后查看。Stata处理中保留的三种文件：原始数据 (*.dta)，记录处理步骤 (*.do)，以及处理的历史记录 (*.smcl)。三、导入Stata Stata不识别带有中文的变量，如果导入的数据第一行有中文就没法导入。但是对于列来说不会出现这个问题，不分析即可（Stata不分析字符串，红色文本显示；被分析的数据，黑色显示）；第一行是英文变量名，选择“Treat first row as variable names” 在导入新数据的时候，需要清空原有数据，clear命令。 导入空格分隔数据：复制Stata中选择edit按钮或输入相应命令右键选择paste special并选择，确定
3、；导入Excel中数据，复制粘贴即可；逗号分隔数据，选择paste special后点击comma，然后确定。 Stata数据格式为 *.dta，导入后统一使用此格式。四、基本操作（几个命令）（一）use auto，clear 。在清空原有数据的同时，导入新的auto数据。 （二）browse 。浏览数据。（三）describe 和 list。查看数据，describe 和 list 使用list命令能使我们根据自己的需要选择数据（例如其与in/if语句的结合使用）。 （四）Scatter。作图命令，scatter 散点图 （scatter price mpg ） （五）Summarize。描
4、述统计，常写作sum/su，求变量的个数、平均值、标准差、最小值和最大值。 （六）generate。生成数据，简写为gen。 （七）replace。修改数据，命令 replace 该命令不推荐使用，一般不会改变原始数据的。剔除缺失值、异常值, 或者批量修改数据均可以通过 replace 命令加上条件语句实现. （八）Tabstat 。描述性统计，tabstat 变量列表，statistics(统计量列表) （九）Rename 。对变量更名，rename 旧变量名 新变量名。一次只能对一个变量名重命名。 （十）Order 。对变量排序，order变量列表，选项 （十一）Sort/gsort 。对
5、观测值排序，sort 变量列表；gsort +/-变量，注意，方括号可有可无。Sort是升序排序，当第一个变量出现相同时，才会对第二个变量排序，否则是不会管后面的变量的排序的；gsort（general sort）即可升也可降，视+和-而定。为了保证数据的原始性，为了最后恢复数据排序，一般在排序前，生成新的变量num，最后对num排序就可以恢复。 （十二）Keep/drop 。保留/删除变量或数据，keep/drop 变量列表；keep/drop 条件。注意：请不要随意删除变量或数据，因为可以使用if条件句！（对行改变）每一次只能使用keep 和drop 中的一个命令。 （十三）Count 。
6、按条件对观测值计数，count 条件，方括号可有可无，直接输入条件。 （十四）Recode 。批量修改观测值，recode 变量列表（规则），括号必须有。规则如下：#=#，比如3=1，值为3的全改为1；#/#=#，比如min/3000=0，3000以下全为0。如果加generate，则会生成新的变量。规则为：recode 变量列表 (规则)（规则）, gen (新变量)。 （十五）Encode/decode。字符串与数值转换，encode变量，generate（新变量）。将stata不能识别的红色字符串改为数值，而且必须生成新变量，即generate（新变量）不能省。Decode是将label
7、 的数值转换为字符串变量，也必须生成新变量，即generate（新变量）不能省。 （十六）Display。 显示字符串/变量值，display 字符串或变量或表达式。By/bysort 分组地重复执行某一命令：by 变量列表；bysort变量列表。By后面一般是一个类别的变量。一般在命令前加by 变量列表：就可以，冒号后的命令碧血是完整的。此命令实际是先按变量列表分组，然后再执行后面的命令。Egen 生成新变量：egen 新变量= 函数表达式。Generate 新变量= sum（变量）是逐个加总，egen 新变量= sum（变量）是求和。 （十七）Forvalues/ Forrach。循环命令
8、，Forvalues 有规律的循环，Forrach 任意循环。 （十八）Reshape。 面板数据的变换，reshape long 变量列表, i(样本变量名) j(时间变量名)； reshape wide 变量列表, i(样本变量名) j(时间变量名) （十九）merge。横向拼接，merge 拼接形式 变量列表using 被拼接数据集。merge 命令是用于横向拼接, 即为了增加变量。拼接形式有1:1、1:m、m:1 和m:m 四种。“1” 方是需要复制多份, 并与“m”方拼接的; 而“m” 方的记录数是不会增加的。变量列表是在拼接时, 用于识别拼接记录的; 一般是两数据集的共同变量. 可
9、以是一个, 也可以是多个. 比如要把学生的考试成绩(变量为姓名、考试科目、成绩) 和学生学号(变量为姓名、学号) , 那么姓名就是这里用于识别的变量。被拼接数据集只支持*.dta 格式数据。若被拼接数据集的名称中包含空格, 请将其置于英文状态下的引号内。若被拼接数据集不在Stata 当前路径下, 请在数据集名称前加上路径, 支持放在英文状态下的引号内。 （二十）append 。纵向拼接，append using 一个或多个数据集。append 命令是用于纵向拼接, 即为了增加样本或观测值。此命令支持多个*.dta 文件拼接, 多个数据集需用空格隔开。 （二十一）Duplicates。删除重复数
10、据，duplicates report 变量列表，报告是否有重复。duplicates list 变量列表，列出重复的；duplicates tag 变量列表,generate(新变量)，报告重复的，并生成新变量；duplicates drop 变量列表，删除重复的；duplicates drop 变量列表, force，强制删除重复的五、模型选择 建模应首先考虑数据类型（截面数据、时间序列数据和面板数据以及各种数据类型的特点）。在Stata 中，时间序列数据必须含有一个时间指标用于刻画有序的时期。用到的命令有：date 日期转换函数，将日期字符串(红色) 转换成数值(黑色) 命令中的日期字符
11、串和格式字符串默认是要放在英文状态下的引号中，但若日期字符串是一个变量，而且他本身就是字符串格式的变量，那么在写命令时直接用变量名替代日期字符串即可。 反向提取:如要从数值型的日期中提取年、月、日，使用year(), month(), day()函数。format，数据显示格式命令 1若是时间数据（黑色的数值），则会以时间格式（%fmt）的具体形式来显示；若是数值数据，可以用%fmt 来设置其显示格式；3若是字符串数据，可以用%fmt 来限定其长度。tsset:，通过指定时间指标 在Stata 中，必须先指定时间指标，才能进行接下来一系列的时间序列分析(面板数据也是同样道理)，否则Stata
12、会将其当做截面数据。 在Stata 中，用距离1960 年1 月1 日有多少天（即一个整数）来表示日期，故其实是数值。（一）定义时间序列 命令格式：gen 新时间变量= date(日期字符串, 格式字符串)； format 变量列表%fmt； tsset 时间指标。 前两个命令是将字符串的时间格式改成Stata 能识别的时间格式，第三个命令是去识别这个时间序列。（二）定义面板数据 命令格式：xtset 个体指标时间指标。需要两个指标，需要注意顺序。如果被解释变量y 取离散值，那么就不能使用普通的线性模型进行建模。 根据模型的特性和缺陷，可以建立如下模型：1稳健性回归模型: rreg2工具变量模
13、型: ivregress3选择模型: logit/probit4分位数回归模型: qreg5时间序列模型: arch/arima/var6面板数据模型: xtreg/xtivreg/xtlogit/xtprobit 上述模型可以综合使用，比如面板-logit 模型，面板-2SLS 模型等。六、操作及导出输出结果（一）求变量间协方差/相关矩阵 correlate 变量列表, 选项。若要求协方差矩阵，则选项中需要加covariance 选项。协方差/相关矩阵是对称矩阵，所以为了简化此命令生成的矩阵下三角部分。此命令计算的是Pearson 相关系数/协方差矩阵。（二）求变量间的相关矩阵 pwcorr
14、 变量列表, 选项。与correlate 命令类似，即求多个变量之间的相关矩阵，这里具体指的是成对相关系数(Pairwise Correlation)；与correlate 不同的是，它能尽可能使用两两变量中所有没有缺失的数据。此命令计算的是Pearson 相关系数矩阵。（三）绘制矩阵散点图 graph matrix 变量列表（四）绘制直方图 histogram 变量, 选项。直方图不连续，若想连续请参看核密度图常用选项：bin(#)，以组数#来绘制直方图；width(#)，以组距#来绘制直方图；frequency ，纵坐标显示频数（默认情况下显示频率）（五）绘制核密度图 kdensity 变
15、量, 选项（六）绘制散点图 scatter 两变量， twoway (scatter 两变量) (lfit 两变量)。scatter 命令用于绘制两变量的散点图，用于观察变量间的相关关系；lfit 命令可以大致绘制拟合散点的直线；通过scatter 和lfit 两个绘图命令，可在一幅图中实现这两个功能。只能绘制二维散点图，且只能知道两变量的大致相关关系(正/负相关)，不能知道拟合直线的具体数值。七、回归及结果导出 （一）命令汇总1 普通线性模型: regress2 稳健性回归: rreg3 工具变量模型: ivregress4离散选择模型: logit/probit5 分位数回归模型: qreg6时间序列模型: arch/arima/var7面板数据模型: xtreg/xtivreg/xtlogit/xtprobit8结果导出: esttab/ou
