上机Do_file集合.docx

Lecture 1cd D:stata13statistics*SCI-IF的例子insheet using SCI-IF.csv,clear*注意：变量名命名规则rename v1 journalnamerename v2 countrysave SCI-IF,dta,replaceuse SCI-IF,dta,clear*按照v6变量因子2000逆序排列gsort -v6*列出因子2000排在前十的顶尖级杂志的期刊名list journalname in 1/10*MANAGE SCIlist journalname v6 if journalname=MANAGE SCI /表示逻辑关系，用=*中国前五名list journalname v6 in 1/5 if country=中国help graph twoway /二维图*广告统计表画bar图和pie图insheet using 广告统计表.csv,clearrename v1 typerename v2 frequencyrename v3 percentgraph bar frequency, over(type) /柱形图graph bar frequency, over(type) horizontal /条形图*更加丰富的选项graph bar frequency, over(type) ytitle(频数) ylabel(0(20)120)*复式图graph bar frequency percent, over(type) ylabel(0(20)120) legend(label(1 频数) label(2 频率)line frequency percent,sort*pie图graph pie frequency, over(type)*画折线图clear*复制粘贴的方式导入数据:1991-1998年城乡居民家庭人均收入rename var1 yearrename var2 urbanincomerename var3 ruralincomelabel var urbanincome 城镇居民收入label var ruralincome 农村居民收入save income.dta,replacetwoway (connected urbanincome year,lpattern(dash) msymbol(T) (connected ruralincome year,msymbol(D), ytitle(收入) xlabel(1991(1)1998) title(1991-1998城乡居民收入)*图片的保存,jpg形式的*类型变量的频数分布表tabulateinsheet using 住房状况评价的累积频数.csv,cleartabulate v2/对变量自动分组*累积分布函数图*采用折线图的思路gen type=0replace type=1 if v1=非常不满意replace type=2 if v1=不满意replace type=3 if v1=一般replace type=4 if v1=满意replace type=5 if v1=非常满意label define v8 1 非常不满意 2 不满意 3 一般 4 满意 5 非常满意label values type v8line v4 type,mlabel(v4) xtitle() xlabel(1 非常不满意 2 不满意 3 一般 4 满意 5 非常满意)twoway connected v6 type,mlabel(v6) xtitle() xlabel(1 非常不满意 2 不满意 3 一般 4 满意 5 非常满意)*使用50名工人日加工的零件数文件worker.dtause worker.dta,cleartabulate var1*可以根据一些标准生成新的变量，代表组别*直方图histogram var1 /基本命令，自动分组histogram var1,frequency*平滑密度函数图kdensity var1,normal*累计频数分布折线图cumul var1,gen(cumulvar1)line cumulvar1 var1,sorttwoway connected cumulvar1 var1,sort*茎叶图stem var1*线箱图graph box var1graph hbox var1*多批数据,选项over(类别变量)Lecture 2cd C:UsershedgewangDesktopStata期末复习statistics2*基本统计量*summarize命令sysuse auto,clearsummarize pricesummarize price,detail /还会给一些诸如四分位数之类的值return list /出现的都是scalars单值，系统自动保存的单值，可以直接调用用于计算。/ 算一下整个样本价格的总和：display r(mean)*r(N)*按不同组别by foreign: summarize pricesummarize price*统计表格tabstatsysuse auto,clearhelp tabstattabstat pricetabstat price,stats(mean variance sd p50 min max iqr cv)tabstat price,stats(mean variance sd p50 min max iqr cv) col(s)return listdisplay r(sd)/r(mean) /计算离散系数/ stats后跟需要知道的具体的值，variance是方差，sd是标准差，p50指中位数/ iqr是指四分位差，也就是四分位距，或者内距。为上四分位数和下四分位数之差/ cv是指离散系数，也称变异系数，等于方差除以平均值tabulate foreign*关于偏度和峰度计算公式的区分*（1）对现有变量进行修正和转换*（2）产生新的变量*数学表达式*三类：关系运算；逻辑运算；算数运算*关系运算符 =；=；=，!=；=sysuse auto,clearby foreign: summarize pricelist price if foreign=0 /foreign的值不为foreign，也就是说foreign值为domesticsummarize price if foreign!=1 /同上summarize price if foreign=1*逻辑运算符：*逻辑运算符：或|；与&sysuse auto,clearsum price weight if (foreign=1 & rep782 & rep7810000)summarize price headroom if (foreign=1 & rep78=3)/sum是summarize的简写*算数运算符： + - * / display 52dis 1-3*2+4/5-93dis 2*_pi/注意pi的值系统就有，要输入_pidisplay _pi*创造新变量*-基本方法sysuse auto,cleargenerate price2=price2 /可以简写为gengen price2f=price2 if foreign=1gen wlratio=weight/lengthsysuse auto.dta,clearsave auto.dta*-数学函数转换help math functionssysuse nlsw88.dta, clearsave nlsw88.dta gen ln_wage=ln(wage) / 取对数label var ln_wage 对wage变量取对数 /label别忘了在变量前加一个vargen sqrt_hours=sqrt(hours) / 开根号label var sqrt_hours 对hours变量开方 gen int_wage=int(wage) / 取整label var int_wage 对wage变量取整*使用egen命令产生函数值egen meanwage=mean(wage)egen maxwage=max(wage)egen modewage=mode(wage) /众数egen iqrwage=iqr(wage) /四分位距egen stdwage=std(wage) /数据的标准化egen可以生成gen不能生成的变量help egen /使用help egen来帮助自己生成一些gen不能生成的变量*均值的命令means wage/ 可以多个变量means wage hours /变量与变量之间不需要加逗号，用空格隔开即可*生成range,全距sort wagegen wagerange=wage_N-wage1 /什么意思？*还可以把STATA当成计算器，做计算，结果可以存在单值scalar里面。*eg:cv的计算，wage的cvsum wagereturn list /必须先sum某个值才能return listscalar cv_wage=r(sd)/r(mean)display cv_wage /cv，coefficient of variation*累积函数的计算举例：help density functions*X服从N(0,1)，计算概率P(X1.96)display normal(1.96)*若X服从N(100,62)，计算概率P(X2.2)display ttail(10,2.2)*t服从自由度为10的t分布，计算概率P(t3.84)display 1-chi2(1,3.84)*ordisplay chi2tail(1,3.84)*设F服从F(3,27)，计算P(F1)display Ftail(3,27,1)display F(3,27,1) /F是指F1display 1-F(3,27,1)*概率分布的临界值计算display invnorm(0.975) /display invttail(28,0.025) /计算自由度为28的右侧累积概率为0.025的临界值,即0.975的临界值display invt(28,0.975)/相同的，invttail是指右侧面积，invt是指左侧面积display invchi2(1,0.95) /计算自由度为1的卡方右侧累积概率为0.05的临界值，即0.95的临界值*ordisplay invchi2tail(1,0.05)/相同的，invchi2是指左侧面积，invchi2tail是指右侧面积 display invF(3,27,0.95) /计算分子自由度为3，分母自由度为27的右侧累积概率为0.05的临界值*ordisplay invFtail(3,27,0.05) /相同的，invF是指左侧面积，invFtail是指右侧面积*假设检验*单个正态总体的假设检验，Z检验（方差已知）*输入ppt里面的数据,lecure2.dtause lecture2.dta,clearsave lecture2.dtasummarize return list /查看返回值/汽车配件要求为12cm，高于或低于都不满足，说明是双侧检验/Z=（mean-0(正态总体均值)）/（sigma(正态总体标准差)/根号n）/因为知道总体的均值和标准差，所以选择z检验scalar z=(r(mean)-12)/(0.5/sqrt(r(N) /or sqrt(r(N)display zscalar crit=invnorm(0.975)display zdisplay crit/发现z的绝对值落入了接受域中，所以不能拒绝原假设，也就是说该样本符合要求*方差未知,t检验*仍然使用lecture2的数据，现在假设不知道sigma。H0：mil0=12ttest length=12 /已经知道了数据就可以直接使用ttest这个代码use lecture2.dta,clearsummarize return list scalar t=(r(mean)-12)/(r(sd)/sqrt(r(N)display t /自己手算得到的t值和ttest length=12得到的结果一致*例5ttesti 12 9410 80 9350 /样本量，样本均值，样本标准差，总体均值/ 应该看最右边的p值，也就是Pr(Tt)=0.01240.05，所以拒绝原假设display (9410-9350)/(80/sqrt(12) /显示的结果为2.5981display invttail(11,0.05) /显示的结果为1.7959/如果是双侧检验display invttail(11,0.025) /显示的结果为2.20/ 还是拒绝原假设/可见t值要大于临近值，所以拒绝原假设*总体N(mil,sigma2)的方差检验,卡方统计量*例6,手动计算scalar k2=(26-1)*962)/5000 /知道的是总体的方差，样本容量和样本的标准差/ 计算公式为(n-1)S2/sigma2scalar crit_upper=invchi2(25,0.975) /面积小于0.975的临界值scalar crit_lower=invchi2(25,0.025) /面积小于0.025的临界值display k2 /显示为46.08display crit_upper /显示为40.65display crit_lower /显示为13.12/发现k2的值大于crit_upper，所以拒绝原假设*例6，用命令sdtestidisplay sqrt(5000)sdtesti 26 . 96 70.710678 /观察值26个，均值为空，总体标准差是96，方差是*区间估计举例,手动计算,假设总体方差未知，正态总体均值的区间估计scalar t_c = invttail(9, 0.025) /先求临界值sum lengthscalar CI95_low=r(mean)-t_c*r(sd)/sqrt(10) scalar CI95_high =r(mean)+t_c*r(sd)/sqrt(10) display CI95_lowdisplay CI95_highttest length=12 /与前面手动算的总体均值的区间估计相同Lecture 3cd D:Stata13statistics3*ex1insheet using ex1.csv,clearsave ex1.dta,replace oneway sales course*练习：display invF(2,12,0.9)display invFtail(2,12,0.1)*ex2insheet using ex2.csv,clearsave ex2.dta,replace oneway sales areaoneway sales area,b*多重比较,举例东北和东南的比较scalar s=5scalar n=26 /n-s=21，后面n-s直接代入21quietly summarize sales if area=东北return listscalar db=r(mean)scalar db_n=r(N)quietly summarize sales if area=中部scalar zb=r(mean)scalar zb_n=r(N)quietly summarize sales if area=西北scalar xb=r(mean)scalar xb_n=r(N)quietly summarize sales if area=华北scalar hb=r(mean)scalar hb_n=r(N)quietly summarize sales if area=东南scalar dn=r(mean)scalar dn_n=r(N)oneway sales areareturn listscalar sse=r(rss)scalar crit=invttail(21,0.05)*比较东北和东南scalar crita=crit*sqrt(sse/21*(1/db_n+1/dn_n)display abs(db-dn)display crita*不能拒绝原假设*其他的请自己做练习*ex3insheet using ex3.csv,cleargen packagenum=1 if package=高雅replace packagenum=2 if package=激情replace packagenum=3 if package=流行save ex3.dta,replace anova sales advertising packagenum advertising#packagenum*ex4insheet using ex4.csv,clearsave ex4.dta,replaceanova ratio a bLecture 4cd D:Stata13statistics4*列联表*例5：第一种方法*生成原始数据clearset obs 420gen id=_ngen x=1 /1-100replace x=2 if (100id) & (id=220) /101-220replace x=3 if (220id) & (id=310) /221-310replace x=4 if (310id) & (id=420) /311-420gen y=2replace y=1 if (0id) & (id=68) /1-68replace y=1 if (100id) & (id=175) /101-175replace y=1 if (220id) & (id=277) /221-277replace y=1 if (310id) & (id=389) /311-389tab2 y x,chi2help tab2tab2 y x,chi2 cell exp*第二种方法，做作业请用此方法help tabitabi 68 75 57 79 32 45 33 31,cell row columntabi 68 75 57 79 32 45 33 31,chi2 exp *例9cleartabi 52 64 24 60 59 52 50 65 74,chi2 Vreturn list*计算phi系数display phi= sqrt(r(chi2)/r(N)*计算C系数display C= sqrt(r(chi2)/(r(chi2)+r(N)*V系数，已经计算display V= r(CramersV)*相关关系*sysuse auto,clear*散点图twoway scatter price weight*散点图+拟合图twoway (scatter price weight) (lfit price weight)*ex5use ex5.dta,clearlabel var x 人均国民收入label var y 人均消费额twoway (scatter y x) (lfit y x)correla