《stata命令语句.docx》由会员分享，可在线阅读，更多相关《stata命令语句.docx（28页珍藏版）》请在三一文库上搜索。
1、stata学习心得（网络版存盘）2009-03-25 18:06调整变量格式：format x1 %10.3f将 x1的列宽固定为10，小数点后取三位format x1 %10.3g将x1的列宽固定为10，有效数字取三位format x1 %10.3e将x1的列宽固定为10，采用科学计数法format x1 %10.3fc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 %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
2、并数据：桌面 2006.dta, clear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桌面 2006.dta, clear桌面 1999.dta ,unique sort将 1999 和 2006 的数据按照唯一的（unique ）变量 id 来合并，在合并时对id 进行排序（ sort ）建议采用第一种方法。对样本进行随机筛选：sample 50在观测案例中随机选取50%的样本，其余删除sample 50,count在观测案例中随机选取50 个样本，其余删除查看与编辑数据：browse x1 x2 if x33（按所列变量
3、与条件打开数据查看器）edit x1 x2 if x33（按所列变量与条件打开数据编辑器）数据合并（ merge）与扩展（ append）merge 表示样本量不变，但增加了一些新变量；append 表示样本总量增加了，但变量数目不变。one-to-one merge：数据源自stata tutorial中的 exampw1和 exampw2第一步：将exampw1按 v001 v003 这三个编码排序，并建立临时数据库tempw1clearuse t:statatutexampw1.dtasu summarize 的简写sort v001 v002 v003save tempw1第二步：对e
4、xampw2做同样的处理clearuse t:statatutexampw2.dtasusort v001 v002 v003save tempw2第三步：使用tempw1 数据库，将其与tempw2 合并：clearuse tempw1merge v001 v002 v003 using tempw2第四步：查看合并后的数据状况：ta _merge tabulate _merge的简写su第五步：清理临时数据库，并删除_merge，以免日后合并新变量时出错erase tempw1.dtaerase tempw2.dtadrop _merge数据扩展append：数据源自stata tutor
5、ial中的 fac19 和 newfacclearuse t:statatutfac19.dtata regionappend using t: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0 4，后半段为5 9）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histogra
6、m 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
7、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)（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 | scatte
8、r 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)（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 | l
9、fit 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 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,yax
10、is(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 time,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）
11、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
12、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(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）
13、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
14、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，var1 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 quick
15、bitest 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 poiss
16、ontail(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(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
17、、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）graph 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 tab
18、ulate、 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）listin -20/l（ l 表示 last one， -20 表示倒数第20 个样本，该命令列出了从倒数第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
19、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 logx1 反对数化）gen r61_100=1 ifrank=61&rankx2,x1,x2)（若 x1x2 成立，则取x1 ，若 x1x2 不成立
20、，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 minx1=min(x1)（最小值）egen medx1=med(x1) （中数）egen modex1=m
21、ode(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 x3)（联合众数）egen rowtotal=total(x1 x2 x3)（联
22、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 invchi2tail(n,p)（chi2tail的逆运算）d
23、isplay 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)（ttail的逆运算）给数
24、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
25、和平均值）二维交互表：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）ta
26、bulatex1 x2,columnchi2 （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)tab
27、stat 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 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
28、太性分析）sktest x1 x2 x3（对 x1 、 x2、 x3 进行正太性分析，可以求出峰度和偏度）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
29、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：re
30、g 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骤合一，既排序又回归，逗号后面的“ifc3=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
31、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 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
32、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 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(c
33、1) 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
34、预测值，预测标准误和置信区间）adjust x1=a x2=b x3=c，se ci （当 x1=a、 x2=b 、x3=c 时，求 y 的预测值、标准误和置信区间）adjust x1=a x2=b x3=c，by(c1) se ci（当 x1=a、 x2=b、 x3=c 时，在分类变量c1 的不同水平上，求y 的预测值、标准误和置信区间）adjust x1=a x2=b c1=1，by(c1) se ci（当 x1=a、 x2=b，并假设所有的样本均为c1=1，求在分类变量c1 的不同水平上，因为变量x3 的均值不同，而导致的y 的不同的预测值 ）mvreg Y1 Y2: X1 X2 X3
35、（多元回归）mvreg y1 y2 y3: x1 x3 x3（多元回归分析，y1 y2 y3为因变量， x1 x3 x3为自变量）以下命令只有在进行了mvreg 之后才能进行test y1 （测试对y1 的回归系数联合为0）test y1: x1 x2（测试对 y1 的回归中x1、x2 的系数为0）test x1 x2 x3（测试在所有的回归中，x1 、x2 、 x3 的系数均为0）test y1=y2（对 y1 的回归和对y2 的回归系数相等）test y1=y2: x1 x2 x3, mtest（对 y1 和 y2 的回归中，分别测试x1 、x2 、 x3 的系数是否相等，若没有mtest这个命令，则测试他们的联和统计）test y1=y2=y3（三个回归的系数是否相等，可加mtest 以分别测试）test y1=y2=y3: x1 x2（测试三个回归中的x1、 x2 是否相等，可加mtest ）est 命令的用法：（1 ）储存回归结果：r