计量经济学stata上机教程.doc

2014计量经济学上机教程1stata操作基础主要内容：1. stata的特点与功能2. stata的界面管理3. stata的命令语法4. 数据处理5. 统计描述、制图6. log文档与do文档7. 常用函数8. stata的帮助系统与学习资源9. 课后练习1. stata的特点与功能 将统计功能与计量分析完整地结合起来。不仅可以实现诸多统计分析方法，比如描述统计、假设检验、方差分析、主成分分析等，而且可以实现多种计量经济模型的估计和检验，包括经典单方程回归模型、方程组模型、微观数据模型（离散选择模型、计数模型、截断模型、归并模型等）、时间序列数据模型（arma、var、garch等）以及面板数据分析。 强大的数据处理功能。 精致的作图功能。 丰富的网络资源。stata 12有各种版本，其中尤以se（特殊版）最为常用。用户可以在命令栏中输入about命令查看所安装的版本信息。不同的版本对于样本容量、变量个数、矩阵阶数等有着不同的限制，用户可以通过以下命令了解和改变这些设定：memory 显示目前存储空间query memory 查看目前实际设定的存储空间set memory 10m 设定存储空间的大小set matsize 250 设定最大矩阵阶数set maxvar 2500设定最大变量数（最小设定为2048）help limits显示stata的各种极限2. stata的界面管理 首次打开stata，将会出现一个询问是否进行更新的对话框。用户可根据需要进行选择。一般而言，更新与否不会影响基本功能的实现。如果需要进行官方最新命令或内容的更新，可在command窗口输入update all；更新完成后需要输入update swap，才能确保以新文件覆盖旧文件。在stata 12版中，则不需要输入update swap。 主菜单介绍主菜单一般包括上述8个下拉式菜单。有时用户需要使用不同菜单下的多个命令，点击菜单的操作方式显得麻烦且不利于重复运算，因此本课程将不介绍这一操作方式。所有的数据处理和估计过程都采用命令窗口或者do文件执行方式。 工具栏介绍工具栏是一些常用的快捷按钮，我们仅做一些必要的说明。l save按钮：用于保存当前正在使用的，存在于内存中的stata数据，这些数据以变量的形式存在，该菜单命令将这些变量保存在一个stata电子表格中。一般情况下不建议使用这一按钮，因为你的数据可能来自于一个已经存在的数据文件，点击save按钮以后，stata按照原来调用的地址和文件名进行保存，会覆盖原来的文件。在打开和保存之间，我们的操作可能已经修改过其中的数据，而这一过程是不可逆的，保存以后就找不到原始文件了。在实证研究中，往往需要我们保存最原始的数据和给出处理的过程。我们建议在命令窗口中输入save 路径名文件名l log按钮：用来开启一个log文件。log文件可以保存在屏幕输出窗口中的结果，其具体操作我们将在下文介绍。l 图形窗口前置：点击该按钮的前提条件是我们已经绘制了一个图形，或者通过命令调入了一个图形文件，否则该按钮将显示为灰色（非激活状态）。l 数据编辑器：可以对数据进行录入、编码、修改等工作。l 数据浏览器：在该窗口中只能进行数据查看，不能对数据进行编辑和修改。l 程序终止：在执行程序的过程中，用户可能会忽然想到程序需要修改某些内容，或者由于编写上存在错误导致出现死循环，迟迟不能呢给出计算结果，这是需要点击该按钮。 对界面偏好进行设定 有时用户对于界面设定并不满意，可以通过菜单“edit-preference-general preference”进行选择，包括数据编辑器、do文件编辑器、图形编辑器等的风格都可以设定。设定完可以保存“edit-preference-save.-new. 任意输入一个名称，如 myprefs”，也可以通过在命令窗口中输入：window manage prefs save myprefs 实现。更多的信息，可以在命令窗口键入 help window manage 进行了解。 command窗口stata有三种命令执行方式(1) 下拉菜单实现。这种操作方式需要不断地下拉菜单，执行起来相对较慢，而且菜单中仅包含一些经常性的命令，不能涵盖所有命令，特别是一些外部命令。(2) 通过command窗口实现。(3) do文档实现。命令窗口方式较为直接迅速，但要求用户必须熟悉各种命令语言，而且每次只能执行一个命令。使用时，用户只需要在窗口中输入想要执行的命令即可。例如输入：sysuse auto回车键之后，stata系统自带的数据auto.dta将被调出。 review窗口历史命令窗口显示以前执行过的命令。在历史命令窗口中双击命令项可重复运行该命令。如果我们需要显示过去执行的多个命令，则可以在命令窗口中输入：#review 4则stata通过输出窗口显示当前命令之前执行过的4条命令。每次键入命令较为烦琐，如果用户的新命令与历史命令相同或相似，只需将历史命令稍作修改即可，此时可以点击该历史命令，该命令会显示在命令窗口中，我们进行修改后按回车键就可以执行新命令。找到历史命令的另一方法是用鼠标点击命令窗口后，用向上翻页键寻找前面执行过的命令。 variables窗口变量列表窗口显示当前调入内存数据的所有变量名称、标签、变量类型和存储格式。如果没有定义变量名，则stata自动显示为v1，v2，；如果没有定义标签，则不显示标签。在编辑stata命令时，我们往往需要调用某些变量，此时可以用鼠标双击相应的变量名称，则该名称会自动显现在窗口命令中。这种键入变量方式，可以避免手动输入时的拼写错误。 results窗口屏幕输出窗口显示命令的执行结果。在stata 11和12版本中，结果输出窗口经常对于中文显示为乱码。为使其支持中文显示，需要修改界面设定：点击edit-preference-general preference results color- 选择 classic do文件编辑窗口（点击链接至后文具体介绍）do文件命令执行方式是stata的第三种方式，这也是大多数学术研究人员采用的命令执行方式。该方式具有以下优点：第一，通过批量运行程序避免了菜单命令和命令窗口只能一次运行一个命令的局限，有助于处理大规模数据以及复杂的估计检验；第二，do文件可以直接保存执行过的命令，方便检查和纠错，而且一旦需要类似的运算，可以直接从保存的命令文件中粘贴过来进行修改，避免重复劳动。自stata11 发布后，其do-files编辑器具有了语法高亮显示、结构代码折叠、书签设定等功能，而且，对于书写大型do-files的用户而言，命令的行数也不再受到任何限制。对于中文用户而言，只需稍作调整，即可获得很好的显示效果。打开do文件编辑窗口有两种方式：第一种是在工具栏中点击（new do-file editor）；第二种是直接在命令窗口中输入并运行命令doedit。3. stata的命令语法stata所有的命令语句遵循共同的语法格式：by varlist: command varlist =exp if exp in range weight using filename ,options其中，方括号表示可选项，command为命令函数，varlist为变量，if exp in range用于设定变量或观测值的范围，weight设定观测值的权重，using filename表示使用的数据文件，options表示命令的选项，依具体命令而不同。by varlist:表示对varlist（分类变量）中的每一类分别执行命令command。例如，计算基本统计指标的命令summarize的格式为by varlist: summarize varlist if in weight , optionsby area: summarize income consume if income10000例3：查看价格超过1万元的车或者是进口车list make price if foreign=1 | price10000例4：分类查看国产和进口中超过1万元的车by foreign: list make price if price10000 其他选项以后具体介绍4. 数据处理 文件目录cd h:教学本科-计量经济学上机stata_basics/ 改变工作路径pwd 显示工作路径dir 显示工作路经中的文件sysdir stata官方文件的路径clear 清空内存中的变量及标签clear all 清空内存（包括变量、标签、矩阵、程序等等）exit 退出stata 数据录入用户可以在stata的数据编辑器中录入数据，也可以通过数据导入的方法直接从其他数据文件中导入数据。edit 打开数据编辑窗口 preserve/restore 暂存、恢复数据input varliat从键盘输入数据l 使用已保存的stata数据。use wage1.dta, clearsysuse auto, clearl 手动录入（极少使用）。命令格式：input type varname 例如：input str10 name age “mike” 22 “bruce” 21 end更为简便的方法是打开数据编辑器，直接录入数据。l 从其他文件复制和粘贴。主要是指从txt和excel 文档中粘贴数据，要求数据是-tab-键分隔的。 补充说明：需要下载一个外部命令shellout，用于在stata显示各种文档，只需在命令窗口输入 ssc install outreg2 则可以下载outreg2命令包，其中包括shellout。例如： shellout nerlove.txtshellout ex32.xls如何知道是否为tab键分隔的？ type nerlove.txttype nerlove.txt, showtabs l 使用命令从其他文件导入。insheet 从外部电子表格引进数据（以逗号或tab分隔字段）infile 从外部引进数据（可用于以空格分隔字段的文件）例子：1. 打开数据表“hs0.csv”insheet using hs0.csv,clearinsheet using “e:datahs0.csv”,clear2. 打开外部数据 “canada.raw”type canada.raw发现该数据包含字符变量，以下几种方式则是错误的导入方式infile using d2.txt, clear infile v1-v5 using canada.raw, clear / 此时不能导入字符变量正确方式应该是infile str21 v1 v2 v3 v4 v5 using canada.raw,clear 修改变量名和标签变量的名称由英文字母、数字或_组成，不能超过32个；区分大小写字母；首个元素必须是字母或_，而不能是数字。一般不建议以_开头，因为stata的很多输出结果或内部变量也是以_开头。l 设定数据集标签label data “string” 设定数据标签l 设定普通变量标签label variable “string” 设定变量标签rename 更改变量名l 设定类别变量取值的文字标签第一步：设定数值标签label define lbname # “string” # “string”第二步：将数值标签映射到变量中label values varname lbname例子1：rename v1 placelabel variable place place namerename v2 poplabel variable pop population in 1000s, 1995rename v3 unemplabel variable unemp %15+population umemployed,1995rename v4 mlifelabel variable mlife female life expectancy yearsrename v5 flifelabel variable flife female life expectancy yearssave canada.dta, replace / 保存数据文件use filename , clear nolabel 打开.dta数据文件use varlist if in using filename , clear nolabeluse place pop using canada, clear / 打开数据文件的一个子集 例子2： sysuse auto, clear browse label define repair 1 好 2 较好 3 中 4 较差 5 差 label values rep78 repair browse 不同变量类型的转换l 数值变量数值变量所有的观测值都是以数值形式储存，包括符号（+或-）、整数部分、小数部分、e（或e）以及指数部分，比如-5.2、.5、5.2e+2。数值以5种data type储存：（更为详细的说明参考help文档）l 字符变量字符是由一串字母或其它符号构成的，通常以双引号括起来，双引号本身不作为字符的内容。字符型变量的储存格式为str#，#表示字符的最大长度，而不是实际长度。在stata的se版本中，字符型的最长长度为244个，字符型变量在数据编辑器中显示为红色字体。字符可以用来识别国家、地区、厂商等内容。需要注意的是，字符区分大小写。字符变量可以用作数据排序（sort）和数据合并（merge）的指示变量，但不能直接进行统计分析。l 改变变量存储类型 sysuse auto, clear list gear_ratio in 1/5 describe gear_ratio recast int gear_ratio, force describe gear_ratio list gear_ratio in 1/5 compress / 自动精简资料的存储格式 l 定义变量的显示格式（详细参考help format） * str18 文字型变量，每个观察值占据18个空格 * %-18s 靠左列印于屏幕上；若 %18s，则靠右列印； * 若 %18s, 则居中列印 * %8.0g 在 8.0 的原则下，以尽量多的有效位数列出 * %6.2f 6是总宽度，包括符号和小数点，2表示小数点后的位数 例子： list price gear in 1/5 format price %6.1f format gear %6.4f list price gear in 1/5l 数值变量与字符变量的相互转换当字符包含分类信息时，比如性别“female”和“male”，可以用encode和decode两个命令实现两类变量之间的转换。将字符变量转换为数值变量，其命令格式为：encode varname if in , generate(newvar) label(name) noextend其中，generate(newvar)表示新生成的数值变量。label(name)表示为数值变量添加标签，如果name已存在，则将其直接添加到newvar；如果name不存在，则首先创建然后再添加到newvar。如果newvar的部分数值没有包含在标签中，则默认添加任意数值到标签中，选项noextend表示出现这种情况不再运行该命令。将数值变量转换为字符变量，其命令格式为：decode varname if in , generate(newvar) maxlength(#)新变量newvar的字符即varname的标签；maxlength设定字符的最大长度。例子：female为数值变量，没有数值标签。use wage1, clearlabel define sexlabel 0 male 1 female / 建立数值标签label values female sexlabel / 将数值标签映射到变量中decode female, generate(sex) / 将female转换为字符变量sexencode sex, generate(gend) label(sexlabel) / 将sex转换为数值变量gendlist female gend in 1/20 缺失值stata用原点（.）表示缺失值。也可以是如下方式：.a、.b等。用户可以根据自己的需要定义不同类型的缺失值，比如为了区分不同原因造成的缺失值。stata对单个变量执行命令时，忽略其缺失值。对多个变量执行统计命令时，如果其中某个变量包含缺失值，stata忽略这个观测点上的所有变量的观测值。sysuse auto, clearmvencode _all, mv(999) / 将所有的缺失值转化为数值999mvdecode _all, mv(999) / 将所有的999转化为缺失值list rep78 if rep78 = . / 列出缺失值 对变量和观测值的操作sort 按一个或多个变量的数据由小到大排序gsort 按一个或多个变量的数据由大到小或由小到大排序order 移动一个或多个变量的位置aorder 移动一个或多个变量的位置并按它们的名称排序move 移动一个变量的位置generate 生成新变量replace 取代旧变量egen 用某些函数生成变量drop 删除变量或者观察值keep 保留变量或观察值_n 样本序号变量_n 样本容量 scalar 生成新标量scalar list 显示当前存储的所有标量的内容scalar drop 删除当前存储的标量 display 显示标量内容bysort varlist1 (varlist2) , rc0 : stata_cmd 将样本按照类别变量由小到大排序，根据该类别变量将样本分组，再执行stata指令。by varlist1 (varlist2) , sort rc0: stata_cmd样本以按照类别变量由小到大排序，现根据该类别变量将样本分组，再执行stata指令。例子:use canada, cleargenerate gap=flife-mlifelabel variable gap “female-male gap life expectancy”list place flife mlife gapformat gap %4.1flistreplace pop=pop*1000generate type=1replace type=2 if place=”yukon”|place=”northwest territories”replace type=3 if place=”canada”listlabel variable type ”province, territory or nation”label values type typelbllabel define typelbl 1 ”province” 2 ”territory” 3 ”nation”list egen mgap=mean(gap)egen rmgap=rmean(gap)list mgap rmgapdrop mgap rmgapgenerate gpop=(pop-pop_n-1)/pop_n-1list gpopgenerate lpop=(pop_n-pop_n)/pop_nlist lpop 设定数据的子集command in range例子:list in 10 (any command may be substituted for list) list in 1/20list in 20/l (lowercase el at end of range)list in f/10 (f means the same as 1)list in -4/l (lowercase el at end of range)command if expcomparison operators 比较运算符 = =（等于） 15drop in 6drop in 10/12drop if place=”canada”|pop100keep place pop unempsave canada05. 统计描述、制图与输出结果 描述统计l describe：描述数据文件的基本结构。l list：列出每个观察值l summarize：概括了观测值个数、平均值、标准差、最大值和最小值五个指标。如果设定detail选项，则还给出方差、偏度、峰度和各个分位数等指标。use canada,clearlistdescribesummarizeformat pop %6.2fsum pop, formatsum pop unemp, detaill codebook：计算变量的基本统计量。当一个变量中的非重复值小于9个时，stata便会视此变量为类别变量，并列表统计。sysuse auto, clearcodebook price weightcodebook rep78l inspec：计算变量的基本统计量。进一步绘制出直方图，以便对样本的分布有更直观的了解。inspect price weight lengthl tabstat：表格形式的统计描述，其选项包括：by(varname)：对变量varname的所有类别分别进行描述统计；statistics(statname)：设定需要的统计量，statname包括mean、median、count（观测值个数）、sum、max、min等；columns(variables|statistics)：variables表示列按变量排序，statistics表示列按统计量排序；casewise：表示根据共同的样本区间计算统计指标。例1：利用世界各国2004年的gdp、教育等数据，计算各国及低、中、高收入国家的gdp和教育的均值、中位数、标准差、偏度和峰度。use hdi, cleartabstat educ gdp, statistics(mean median sd skewness kurtosis) / by(lmh_income) format(%11.2f) tabstat educ gdp, statistics(mean median sd skewness kurtosis) / by(lmh_income) format(%11.2f) col(s)例2：根据某工厂前3个月5次采购原材料的数量和单价，计算其平均价格。use wmean, cleartabstat price fweight=quant, stats(mean)l tabulate：分类变量的统计描述。分类变量只代表观测值所属的类别，不代表其他含义。因此，对分类变量的描述统计是观察其不同类别的频数或百分数。 单个分类变量的汇总： use hdi, cleartabulate lmh_income, plot 两个分类变量的列联表：列联表是考察两个分类变量相关关系的方法，给出了从属于两个分类变量不同类别的观测值频数以及相关测度指标。设两个分类变量分别有r、c个类别，则列联表共有rc个单元格。tabulate lmh_income lmh_hditabulate lmh_income lmh_hdi, summarize(gdp) meanstable lmh_income lmh_hdi, contents(mean gdp) / 自行查阅tablel cumul：经验分布函数是对变量累积分布函数的估计。cumul gdp, generate(cdf_gdp)scatter cdf_gdp gdp 制图在stata中，用户几乎可以任意控制图形的形式、大小、颜色等各个方面，绘制的图形可以非常精细。与此同时，用户需要设定非常多的选项，因此会感觉有些烦琐。为此，我们此处介绍画图的一些基本指令，同时可以在简单生成的图形上进行修改和调整以达到更好的效果。大家应该在应用中摸索总结更精美的制图方案。l 基本结构gragh twoway plot if in , twoway_options其中，plot可以有以下形式(plottype1 varlist1 spec1 , option1) (plottype2 varlist2 spec2 , option2) 或者plottype1 varlist1 spec1 , option1 | plottype2 varlist2 spec2 , option2 | 可见，一个总图中可以包含多个单元图，总图具有自己的选项，适用于所有单元图；各个单元图也有自己的选项，适用于该单元图。例子：use frontier, cleargen lny=ln(valueadd) twoway (scatter lny lnk) (lfit lny lnk), / title(图1：产出与资本关系图, box) / xtitle(资本, margin(medsmall) / ytitle(产出) / ylabel(3 (3) 9) ymtick(#5) / legend(label(1 散点) label(2 拟合值) / note(资料来源：greene教材，frontier.dta) / caption(说明：讲义例子) /saving(mypig.gph, replace)生成图形之后，从file下拉菜单中选择start gragh editior或者直接点击图形编辑器的图标，图形便呈现如下的可编辑状态。用户可以通过所提示的有关图形大小、图例、标题、文字等进行调整。l 基本图形 散点图twoway scatter varlist if in weight , optionsvarlist的形式是：y1 y2 x，表示横轴为x变量，而纵轴为y1、y2 连线图twoway line varlist if in weight , optionstwoway connect varlist if in weight , options 阴影图twoway area yvar xvart if in weight , options 柱状、钉状、针状、点状只需将上述area分别改为bar、spike、dropline、dot。 直方图histogram varname if in weight , continuous_opts | discrete_opts options 密度函数图kdensity varname if in weight , options 区间作图twoway command y1var y2var xvar if in , vertical horizontal options其中，vertical和horizontal分别表示垂直和水平区间。command包括相类似地，还有配对作图和拟合作图，具体参考graph twoway。 函数作图twoway function y= f(x) if in weight , options例子： twoway (function y=sin(x), range(-10 10) lw(*1.5) / (function y=cos(x), range(-10 10) lw(*2.0), / ytick(-2(0.5)2) ylabel(, angle(0) / yline(0, lcolor(black*0.5) lpattern(dash) scheme(s1mono)l 图形的保存与导出（具体查阅help graph save和graph export）图形文件的三种保存方式第一种，点击图形编辑器中的保存键，并输入图形文件名称即可；第二种，graph save figname.gph, replace第三种，saving(figname.gph, replace)图形导出命令方式graph export figname.wmf, replacegraph export d: figname.wmf, replace除了wmf格式，还有ps、eps、emf、png、tif等常用格式。对于png和tif格式，还可以调整其分辨率，加入选项width()和height()即可。 分析结果的呈现与导出l 回归结果的制表显示estimates table 是官方命令，但是其功能较为局限。实际研究中，外部命令esttab更为常用。sysuse auto, clearquietly regress price weight mpgestimates store model1quietly regress price weight mpg foreignestimates store model2esttab model1 model2 esttab model1 model2, ar2 compress nogap star(* 0.1 * 0.05 * 0.01) esttab model1 model2, ar2 compress nogap star(* 0.1 * 0.05 * 0.01) / b(%6.3f) brackets p label var price “价格” label var weight “重量” esttab model1 model2, label / 显示变量的label，而不是变量名称esttab model1 model2 using result1.html, replace / 输出为网页格式esttab model1 model2 using result1.csv, replace / 输出为excel格式esttab model1 model2 using result1.csv, replace compress nogap nonotes / addnotes(* 1% * 5% * 10%) / 修正之后更好看l logout可以将各种表格结果输出到各种格式的文档logout是外部命令，需要下载，输入ssc install logout例1：输出统计描述use hdi, clearlogout, save(result2) word replace: / tabstat capital_gdp educ gdp lmh_income, / stats(mean sd min p50 max) c(s) f(%6.2f)logout, save(result2) excel replace: / tabstat capital_gdp educ gdp lmh_income, / stats(mean sd min p50 max) c(s) f(%6.2f)logout, save(result2) word replace: / pwcorr capital_gdp educ gdp lmh_income 例2：输出回归结果sysuse auto, clearquietly regress price weight mpgestimates store model1quietly regress price weight mpg foreignestimates store model2logout, save(result3) word replace fix(3): / esttab model1, model2(模型1 模型2) b(%6.3f) se(%6.2f) / star(* 0.1 * 0.05 * 0.01) scalar(r2 r2_a n f) compress nogap / 说明：fix(#)选项决定了转换的敏感度，此处fix(3)效果较好，也可以输出为excel格式。建议先输出为excel格式，再粘贴至word格式，方便调整表格格式。l 还有xml_tab以及outreg2等命令可以使用，建议自己下载外部命令并查阅help文档自行掌握，或者熟悉上述两种即可。这些命令各有优劣，需要在实践中找到适合自己的。6. log文档与do文档 log文件l log文件用于记录所有的操作命令和操作结果l 如果在进行新的程序操作之前，stata还运行着某个以前的log文件，则要先关掉该log文件，因此先输入cap log close加“cap”的原因：若原来没有log文件在运行，则运行“log close”命令会产生错误信息，stata也会因此中断do文件的运行；“cap”可以阻止这种现象的产生。l 开启新log文件的命令是log use “路径logname.log”, replace“replace”表示如果在该路径下已经存在一个同名的log文件，则新建立的log文件将其覆盖；如果想在已经存在的log文件中继续记录，则将“replace”改为“append”。log / 查询当前log文件的工作状态log off / 暂停运行log文件若想查看log文件的记录内容，可以在view命令之后加上log文件的路径和文件名。例子：sysuse auto, clearcap log closelog using mylog1.log, text replace sum price weight lengthlog close regress price weight length logshellout mylog1.loglog using mylog1.log, appendregress price weight lengthlog offview mylog1.log do文档l do文档是stata命令的集合，是上述执行命令的第三种方式，也是研究人员最为常用的工具。在本课程的后续学习中，将充分利用do进行实验课程的教学，在没有必要的情况下，将尽力少使用word文档，而是直接在do文档中进行内容阐述。l do文档的执行执行部分命令时，选中需要执行的命令，点击doedit窗口中第二行倒数第一个图标，或者使用快捷键：ctrl+d执行全部命令时，在命令窗口输入do dename.dol 注释语句 /*/可跨行使用的注释语句，其中的内容均不执行。 /在行中某处出现，从“/”开始（“/”之前要空一格）到该行末端的内容为注释，不执行；若在行的最前端使用，则表示整行文字为注释，不执行。 *在行的最前端使用，表示整行文字为注释，不执行。l 断行方法：每一行的语句不要太长，不用拖动下方导引条即可阅读。第一种： /sysuse auto, clear twoway (scatter price we