STATA学习提高笔记材料

北京科技大学

STATA应用

学习摘录

第一章STATA的基本操作

一、设置内存容

setmem500m,perm

一、显示输入内容

Display1

Display"dive"

二、显示数据集结构describe

Describe/d

三、编辑edit

Edit

四、重命名变量

Renamevarlvar2

五、显示数据集内容list/browse

Listin1

Listin2/10

六、数据导入:数据文件是文本类型（.csv）

1>insheet:.insheetusing"C:\DocumentsandSettings\Administrator\桌面

,/

\ST9007\dataset\Feesl.csv/clear

2、内存为空时才可以导入数据集，否则会出现（youmuststartwithanemptydataset）

（1）清空内存中的所有变量：.drop_all

（2）导入语句后加入“clear”命令。

七、保存文件

1>save"C:\DocumentsandSettings\Administrator\桌面\ST9007\dataset\Feesl.dta”

、,,

2save"C:\DocumentsandSettings\Administrator\^®\ST9007\dataset\Feesl.dta/replace

八、打开及退出已存文件use

1>.Use文件路径及文件名，clear

2、.Drop_all/.exit

九、记录命令和输出结果（log）

1、开始建立记录文件：logusing"J:\phd\output.log",replace

2、暂停记录文件：logoff

3、重新打开记录文件：logon

4、关闭记录文件：logclose

十一、创建和保存程序文件：（doedit,do）

1、打开程序编辑窗口：doedit

2、写入命令

3、保存文件，.do.

4、运行命令：.do程序文件路径及文件名

十二、多个数据集合并为一个数据集（变量和结构相同）纵向合并append

insheetusing"J:\phd\Feesl.csv",clear

save"J:\phd\Feesl.dta",replace

insheetusing"J:\phd\Fees2.csv",clear

2

appendusing"J:\phd\Feesl.dta"

save"J:\phd\Feesl.dtaH,replace

十三、横向合并，在原数据集基础上加上另外的变量merge

1、insheetusing"J:\phd\Feesl.csv",clear

sortcompanyidyearend

save"J:\phd\Feesl.dta",replace

describe

insheetusing"J:\phd\Fees6.csv",clear

sortcompanyidyearend

mergecompanyidyearendusing"J:\phd\Feesl.dta"

save"J:\phd\Feesl.dta",replace

describe

2^__merge==lobs.Frommasterdata

_merge==2obs.Fromusingdata

_merge==3obs.Frombothmasterandusingdata

十四、帮助文件：help

1、.Helpdescribe

十五、描述性统计量

1、summarizeincorporationyear单个

summarizeincorporationyear-big6连续多个

summarize_allorsimplysummarize所有

2、更详细的统计量

summarizeincorporationyear,detail

3、centile

centileauditfees,centile(0(10)100)

centileauditfees,centile(0(5)100)

4、tabulate不同类型变量的频数和比例

tabulatecompanytype

tabulatecompanytypebig6,column按列计算百分比

tabulatecompanytypebig6,row按行计算百分比

tabcompanytypebig6ifcompanytype<=3,rowcol同时按行列和条件计算百分比

5、计算满足条件观测的个数

countifbig6==l

countifbig6==0|big6==l

6、按离散变量排序，对连续变量计算描述性统计量：

(1)bycompanytype,sort:summarizeauditfees,detail

(2)sortcompanytype

Bycompanytype:summarizeauditees

十六、转换变量

1、按公司类型将公开发行股票公司赋值为1，其他为0

genlisted=0

replacelisted=lifcompanytype==2

3

replacelisted=lifcompanytype==3

replacelisted=lifcompanytype==5

replacelisted=.ifcompanytype==.

卜七、产生新变量gen

Generatenewvar=表达式

十八、数据类型

1、数值型

StoragetypeBytesMinMax

byte1-127+100

int2-32,767+32,740

long4-2,147,483,6472,147,483,620

float4-1.70141173319*10381.70141173319*1036

double8-8.9884656743*103078.9884656743*10308

2、字符型

StoragetypeBytesMaxlength(characters)

strl11

str222

str808080

3、新建变量的过程中定义数据类型

•genstr3gender="male"

・listgenderin1/10

4、变量所占字节过长

•dropgender

・genstr30gender="male"

•browse

•describegender

•compressgender

5^日期数据类型：%ddates,whichisacountofthenumberofdayselapsedsinceJanuary1,I960。

(1)date(日期变量)

•genfye=date(yearend,"MDY")MDY应根据前面日期的排列顺序而定，结果显示的

是距离1960年1月1日的天数

・listyearendfyein3/10

(2)日期格式化％d(显示fye变量为日期形式，但数值并未真正变动)：

・formatfye%d

・listyearendfyein1/10

4

・sumfye

(3)利用日期天数求对应的年、月、日

•genyear=year(fye)

•genmonth=month(fye)

•genday=day(fye)

•listyearendfyeyearmonthdayin3/10

(4)将三个分别表示年、月、日的变量合并为一个日期变量

・dropfye

•genfye=mdy(month,day,year)

・formatfye%d

•listyearendfyein1/10

⑸将一个数值型的时间数据(20080131)转变为ST可识别的时间数据

•genyear=int(date/10000)

・genmonth=int((date-year*10000)/100)

•genday=date-year*10000-month*100

•listdateyearmonthdayin1/10

•genedate=mdy(month,day,year)

・formatedate%d

•listedatedatein1/10

十九、存贮统计量的内部变量R()

•sumauditfees

•genmeanadjaf=auditfees-r(mean)

・listmeanadjafin]/10

SUM命令后常见的几种R()值

r(N)Numberofcasesr(sd)Standarddeviation

r(sum_w)Sumofweightsr(min)Minimum

r(mean)Arithmeticmeanr(max)Maximum

r(var)Variancer(sum)Sumofvariable

显示这些变量值的命令

•sumauditfees,detail

・returnlist

二十、recode命令(PPT61)

1、产生有多个值的变量的哑变量recode

recodeyear(min/1999=0)(2000/max=1),gen(yeardum)

min/1999表示小于等于1999的值全部赋值为0

2000/max表示大于等于2000的值全部赋为1。

2、对一个连续变量按一定值分为不同间隔的组recode

genassets_categ=recode(totalassets,100,500,1000,5000,20000,100000,1000000)0分

组的值为每组的上限，包含该值。

sortassets_categ

5

byassets__categ:sumtotalassetsassets_categ

3^对一个连续变量按一定值分为相同间隔的组autocode

autocode(variablename,#ofintervals,minvalue,maxvalue)

forexample:genassets_categ=autocode(totalassetsz10,0,10000)

4、对一个连续变量按每组样本数相同进行分组：xtile

xtileassets_categ=totalassets,nquantiles(lO)

每组样本不一定完全相同

二十一、一次性计算同一变量不同组别的均值：egen命令

按公司类型先排序，再计算每一类型公司审计费用的均值并赋值给新变量：

bycompanytype,sort:egenmeanaf2=mean(auditfees)

•count()

•mean()

•median()

•sum()

二十二、_n和_N命令

1、显示每个观测的序号并显示总观测数

sortcompanyidfye

capturedropx

genx=_n

capturedropy

geny=_N

listcompanyidfyexyin1y30

2、分组显示每个组中变量的序号和每组总的样本数

•capturedropxy

•sortcompanyidfye

•bycompanyid:genx=_n

•bycompanyid:geny=_N

•listcompanyidfyexyinly30

3、创建新变量等于每个分组中变量的第一个值或最后一个值

•sortcompanyidfye

•bycompanyid:genauditfees_first=auditfees[l]

•bycompanyid:genauditfeesJast=auditfees[_N]

•listcompanyidfyeauditfeesauditfees_firstauditfeesjastin1730

4、创建新变量等于滞后一期或滞后两期的值

•sortcompanyidfye

•bycompanyid:genauditfeesjagl=auditfees[_n-l]

•bycompanyid:genauditfees_lag2=auditfees[_n-2]

•listcompanyidfyeauditfeesauditfeesjaglauditfees_lag2inV30

二十三、转变数据集结构：reshape

不同数据库的数据集结构不同：长型是指同一公司不同年度数据在不同的行。宽型数

据是指同一数据不同年度数据在现一行。二者间的转换可通过reshape命令来实现。需要注意的

6

是，在转换过程中对数据集是有要求的，一个公司只能有一个年度数据，否则会出错。

1、长型转换为宽型：

reshapewideyearendincorporationyearcompanytypesalesauditfeesnonauditfees

currentassetscurrentliabilitiestotalassetsbig6fye,i(companyid)j(year)

2、宽型转换为长型：

reshapelongyearendincorporationyearcompanytypesalesauditfeesnonauditfeescurrentassets

currentliabilitiestotalassetsbig6fye,i(companyid)j(year)

3、第二次转换时命令可简化：

•reshapewide

•reshapelong

二十四、计算CAR的例子：

已知股票日回报率，市场回报率，事件日，计算窗口期为三天的CAR。

1、定义三天的窗口期：

•sorttickeredate

•genwindow=0ifeventdate<.(事件日为0)

・replacewindow=-lifwindow[_n+l]==0&ticker==ticker[_n+l]

•replacewindow=lifwindow[_n-l]==0&ticker==ticker[_n-l]

2、计算AR和CAR

•genar=ret-vwretd

•gencar=ar+ar[_n-l]+arLn+l]ifwindow==0&ticker==ticker[_n+l]&

ticker==ticker[_n-l]

3、检验

•listtickeredateretvwretdarcarwindowifwindow<.

二十五、means的T检验：

1、检验总体上big6的审计收费有无显著不同

•use"J:\phd\Fees.dta",clear

•genlnaf=ln(auditfees)

•bybig6,sort:sumInaf

•testInaf,by(big6)

2、分年度比较big6的审计收费有无显著不同，加入byyear命令。

•genfye=date(yearend,"MDY")

•formatfye%d

•genyear=year(fye)

•sortyear

•byyear:ttestInaf,by(big6)

3、均值等于特定值得的T检验：

・sumInaf

•ttestlnaf=2.1

二十六、meadian的显著性检验：

1、获取中位数的命令：

bybig6,sort:sumInaf,detail

bybig6,sort:centileInaf

7

2、中位数检验：

•medianInaf,by(big6)

■ranksumInaf,by(big6)

二十七、列联表检验：

1、创建列联表的命令：

•tabulatecompanytypebig6,row

第一个变量是表的最左侧一列的项目，第二个变量是表的第一行的项目。

2、两变量之间的相关性检验：chi2

tabulatecompanytypebig6,chi2row

3、相关矩阵：

pwcorrInafbig6yearlisted

4、列出相关矩阵并进行符号检验

pwcorrInafbig6yearlisted,sig

5、在矩阵中列出观测数

•pwcorrInafbig6listedifyear==2000,sigobs

二十八、创建一个不包含缺失值的数据集

I、无缺失值的变量值为I,至少有一个的为0

gensamp=liflnaf<.&big6<.&year<.&listed<.

2、缺失值的变量值表示同一行中缺失值的个数

egenmiss=rmiss(lnafbig6yearlisted)

summiss,detail

二十九、图形

1、直方图

•histogramincorporationyear,width(l)

•histogramincorporationyear;bin(147)

width表示分一小份的宽度。bin表示分成的份数。改变宽度值可以使图像看起来更合适。

・选择起始点和间隔宽度：histInafiflnaf>=0&lnaf<=5,width(0.25)

•选择描述横轴和纵轴的单位和数据标识：histInafiflnaf>=0&lnaf<=5,width(0.25)

xlabel(0(0.5)5)

■是否与正态分布一致：histInafiflnaf>=0&lnaf<=5,width(0.25)normal

2、散点图(scatter)

•scatterInafInta

第一个变量是纵轴，第二个变量是横轴。

•twoway(scatterInafInta,msize(tiny))(IfitInafInta)

在散点图上加入最适合的一条直线。

三十、缩尾处理winsor

.winsorrev,gen(wrev)p(0.01)0.01代表去掉的百分数。

Winsorrev,gen(wrev)h(5),5代表去掉的个数

8

第二章线性回归

内容简介：

>2.1Thebasicideaunderlyinglinearregression

>2.2SinglevariableOLS

>2.3Correctlyinterpretingthecoefficients

>2.4Examiningtheresiduals

>2.5Multipleregression

>2.6Heteroskedasticity

>2.7Correlatederrors

>2.8Multicollinearity

>2.9Outlyingobservations

>2.10Medianregression

>2.11"Looping"

2.1Thebasicideaunderlyinglinearregression

1.残差

F=F+s

F为真实值，F为预测值，£为残差.

OLS回归就是使残差最小。

2.基本一元回归

regressyx

3.回归结果的保存

回归结果的系数保存在_可丫”的"司内存变量中，常数项的系数保存在(_cons)内存变量

中。

4、预测值及残差

・predictyhat

•predictyres,resid

yres即为真实值得与预测值之差。

5、残差与X的散点图

twoway(scattery_resx)(Ifity_resx)

9

s

a

n

e

0

Li.

<7l

a>

I』

A

468101214

x

•y_res------------Fittedvalues

6、衡量估计系数准确程度：标准误差。

用样本的标准偏差与系数之间的关系来衡量即T值(用系数除以标准差)，同时P值是

根据T值的分布计算出来的，表示系数落入标准对应上下限的可能性。前提是残差符合以下假设:

同方差：Homoscedasticity(i.e.,theresidualshaveaconstantvariance)

独立不相关：Non-correlation(i.e.,theresidualsarenotcorrelatedwitheachother)

正态分布：Normality(i.e.,theresidualsarenormallydistributed)

7、回归结果包含的一些内容的意思

•各变差的自由度：

>FortheESS,df=k-lwherek=numberofregressioncoefficients(df=2-1)

>FortheRSS,df=n-kwheren=numberofobservations(=11-2)

>FortheTSS,df=n-l(=ll-1)

•MS：变差除以自由度：Thelastcolumn(MS)reportstheESS,RSSandTSSdividedbytheir

respectivedegreesoffreedom

•R平方：TheR-squared=ESS/TSS

•调整的R平方：AdjR-squared-l-(l-R2)(n-l)/(n-k),消除了加入相关度不高解释变量后R平

方增加的不足。

•RootMSE=squarerootofRSS/n-k：模型的平均解释能力

•TheF-statistic=(ESS/k-l)/(RSS/n-k)：模型的总解释能力

2.3CorrectIyiinterpretingthecoefficients

1、假如想检验big6的审计费用在公开发行和非公开发行公司之间的区别时，可用交互变量。

Big6*listed.

10

尸=+%Big6+a^Listed+a3Big6xListed+s

E(F|Big6=0,Listed=0)=Q。

E(F|Big6=1,Listed=0)=40+%

E(F|Big6=0,Listed=1)=a0+a2

E(F|Big6=LListed=1)=&+%+Q?+Q3

2、变量回归系数的解释

(1)对连续变量系数的解释：估计系数的经济意义是指X对Y的影响，可以有不同的方法来衡

量：一种是用X从25%变动到75%时Y的变动量。或X变动一个标准差时Y的变动。

•regauditfeestotalassets

•sumtotalassetsifauditfees<.,detail

•genfeesjow=_b[_cons]+_b[totalassets]*r(p25)

・genfees_high=_b[_cons]+_b[totalassets]*r(p75)

•sumfees_lowfees_high

(2)对非连续变量的解释

一般使用0和1,而不是百分比。

•regInafbig6

•genfees_nb6=exp(_b[_cons])

•genfees_b6=exp(_b[_cons]+_b[big6])

•sumfees_nb6fees__b6

2.4ExaminingtheresiduaIs

1、报告结果时，不仅用R平方来衡量显著性，而且需要报告其他统计结果：

•istheresignificantheteroscedasticity?

•isthereanypatterntotheresiduals?

•arethereanyproblemsofoutliers?

2、R2的使用：

Gu(2007)pointsoutthat:

•econometriciansconsiderR2valuestoberelativelyunimportant(accounting

researchersputfartoomuchemphasisonthemagnitudeoftheR2)

•regressionR2sshouldnotbecomparedacrossdifferentsamples

•incontrastthereisalargeaccountingliteraturethatusesR2stodeterminewhether

thevaluerelevanceofaccountinginformationhaschangedovertime。

11

Econometricianshavelongpointedou(thatregressionIVsarcnotcomparableacrosssamples.1

While"itisgenerallyconcededamonginsidersthatthey(/?2s)donotmeanathing*'(Cramer,1987,p.

253.emphasesadded),theR2comparisonhasbecomeanincreasinglypopularmethodinaccounting

research.2ThispaperillustrateswhytheR2sareincomparableacrosssamplesandthegeneralnatureof

tliisproblem.

TheR2tellsusnothingaboutwhetherourhypothesisaboutthedeterminantsofYiscorrect.

3、适当使用resid来评估模型的优劣。

2.5Multipleregression

1、判断模型中有无忽略相关解释变量：

・theory

•priorempiricalstudies

2、检验残差和所预测的值之间是否独立：

・genlisted=0

•replacelisted=lifcompanytype==2|companytype==3|companytype==5

•regInafIntabig6listed

•predictlnaf_hat(求预测值，因变量的估计值)

•predictlnaf_res,resid(将残差赋值给变量lnaf_res)

•twoway(scatterlnaf_reslnaf_hat)(Ifitlnaf_reslnaf_hat)(检验残差和预测值之间是

否相关)

3、另一种命令可以实现以上功能：

・regInafIntabig6listed

•rvfplot

2.6Heteroscedasticity(hettest)异方差性

1、检验方差齐性的方法：

回归后使用hettest命令：

•regauditfeesnonauditfeestotalassetsbig6listed

•hettest

3、方差齐性不会使系数有偏，但会使使系数的标准差有偏。产生的原因有可能是数据

本身有界限，产生高的偏度。一些方差不齐可以通过取对数消除。当发现不齐性时

使用Huber/White/sandwichestimator对标准差进行调整。STATA可以在回归时加上

robust来实现。

•regauditfeesnonauditfeestotalassetsbig6listed,robust

加robust后的回归系数相同，但标准差不同，T值变小，P值变大，F值变小，R2不

变。

2.7CorreIatederrors(自变量相关)

1>Theresidualsofagivenfirmarecorrelatedacrossyears("timeseriesdependence"),面板数据

12

(Inpaneldata),同一公司不可观测的特性对不同年度都会产生一定的影响，这时就会使数

据不独立。therearelikelytobeunobservedcompany-specificcharacteristicsthatarerelatively

constantovertime

>2、标准差会下偏，Thisproblemcanbeavoidedbyadjustingthestandarderrorsforthe

clusteringofyearlyobservationsacrossagivencompany

3、消除变量相关问题：

在回归中加入robustcluster()

regInafIntabig6listed,robustcluster(companyid)

4、如何验证同一公司不同年度数据的残差的相关性

•regInafInta

•predictres,resid

•keepcompanyidyearres

•sortcompanyidyear

•dropifcompanyid==companyidLn-l]&year==year[_n-l]

•reshapewideres,i(companyid)j(year)

•browse

・pwcorrresl998-res2002

5、在使用面板数据时应注意：

•只用robust控制heteroscedasticity,而未用cluster()控制time-seriesdependence,

T统计量也会上偏。

•如果heteroscedasticity也未控制，T统计量会上偏更严重。

•因此在使用面板数据时应加入robustcluster()option,otherwiseyour"significant”

resultsfrompooledregressionsmaybespurious.

2.8MulticolIinearity

1、什么情况下会产生多重共线性

•Wehaveseenthatwhenthereisperfectcollinearitybetweenindependentvariables,

S7ATAwillhavetoexcludeoneofthem.Forexample,year_l+year_2+year_3+

year_4+year_5=1

•regInafyear_lyear_2year_3year_4year_5,nocons

•STATAautomaticallythrowsawayoneoftheyeardummiessothatthemodelcanbe

estimated

•Eveniftheindependentvariablesarenotperfectlycollinear,therecanstillbea

problemiftheyarehighlycorrelated

2、后果：

•thestandarderrorsofthecoefficientstobelarge(i.e.,thecoefficientsarenot

estimatedprecisely)

•thecoefficientestimatescanbehighlyunstable

3、衡量方法：

Variance-inflationfactors(VIF)可用来衡量是否存在多重共线性。

・regInafIntabig6Intal

•vif

13

・regInafIntabig6

•vif

4、多重共线性的严重程度：如果为10时可判断为高，为20时可判断为非常高。

2.9Outlyingobservations

1、异常值的衡量Cook'sD

•Wecancalculatetheinfluenceofeachobservationontheestimatedcoefficientsusing

Cook,sD

•ValuesofCook'sDthatarehigherthanWNareconsideredlarge,whereNisthe

numberofobservationsusedintheregression

2、异常值的计算

・regInafIntabig6

•predictcook,cooksd(将cooksd的值赋给cook)

•sumcook,detail

•genmax=4/e(N)(求max,e(N)是回归过程中的内部已知变量)

•countifcook>max&cook<.

4、去掉异常值后重新回归

•regInafIntabig6ifcook<=max

5、用winsorize方法消除异常值:其缺点是Adisadvantagewith“winsorizing”isthatthe

researcherisassumingthatoutlierslieonlyattheextremesofthevariable,sdistribution<)

•winsorInaf,gen(wlnaf)p(0.01)

・winsorInta,gen(wlnta)p(0.01)

•sumInafwlnafIntawlnta,detail

・regwlnafwlntabig6

2.10Medianregression

1、中位数回归是当存在异常值问题时使用。

2,原理：

OLS估计是尽量使残差平方和最小：

nnn

Rss==Z(乃一°。一4居)，

7=11=1Z=1

中位数回归是尽量使thesumoftheabsoluteresiduals最小。

/=1

3、回归方法：STATA将中位数回归看作是quant订eregressions的一个特例。

qregInafIntabig6

2.11"Looping”

1、当多次用到一个命令集时，我们可以建立一个程序集，以program开头，以forvalues引

14

导的内容，以end结束。使用时只须输入程序名"ten”即可执行程序中的一引起命令集。

Example:

programten

forvaluesi=1(1)10{

displayi,

}

end

2、修改命令集：

须首先删除内存中的命令集：captureprogramdropten

然后重新编写。

4、例子：利用JONES模型计算操控性应计。

・use"J:\phd\accruals.dta",clear

•genone_sic=int(sic/1000)

•genncca=current_assets-cash

•genndcl=currentjiabilities-debt_in_currentjiabilities

•sortcikyear

•genchncca=ncca-ncca[n-l]ifcik==cik[n-l]

•gench_ndcl=ndcl-ndcl[_n-l]ifcik==cik[_n-l]

•genaccruals=(ch_ncca-ch_ndcl)/assetsLn-l]ifcik==cik[_n-l]

•genlag_assets=assets[_n-l]ifcik==cik[_n-l]

•genppe_scaled=ppe/assets[_n-l]ifcik==cik[_n-l]

•genchsales_scaled=(sales-sales[_n-l])/assets[_n-l]ifcik==cik[_n-l]

•genab__acc=.

•captureprogramdropab_acc

•programabacc

•forvalues$=0(1)9{

•captureregaccrualslag_assetsppe__scaledchsales_scaledifone__sic=='i'

•capturepredictab_acc'i'ifone_sic=='i'/resid

•replaceab__acc=ab_acc'i'ifone_sic=='i'

•capturedropab_acc'i,

•)

・ab_acc

15

第三章因变量为非连续性变量时的回归分析

内容简介：

>3.1WhynotOLS?

>3.2Thebasicideaunderlyinglogitmodels

A3.3Estimatinglogitmodels

>3.4Multinomialmodels

>3.5Ordinaldependentvariables

>3.6Countdatamodels

>3.7Tobitmodelsandintervalregression

>3.8Durationmodels

>3.1WhynotOLS?

1、twostatisticalproblemsifweuseOLSwhenthedependent

variableiscategorical:

>Thepredictedvaluescanbenegativeorgreaterthanone

>Thestandarderrorsarebiasedbecausetheresidualsareheteroscedastic.

2、InsteadofOLS,wecanusealogitmodel

>3.2Thebasicideaunderlyinglogitmodels

Weneedtocreateavariablethat:将离散型的因变量转变为符合OLS的形式。

•hasaninfiniterange,

•reflectsthelikelihoodofchoosingabig6auditorversusanon-big6auditor.

2、“oddsration”可实现上面的两项要求:log(oddsration)

Probability^

oddsygs=

PYobabi/ity„onbig6

P(big6=1)

odds=

1一尸(b，g6=l)

3、具体例子:

16

P(娩6=1)

P(big6=1)odds1-P(big6=1)In(odds)

0.010.01/0.99=0.01-4.60

0.030.03/0.97=0.03-3.48

0.050.05/0.95=0.05-2.94

0.200.20/0.80=0.25-1.39

0.300.30/0.70=0.43-0.85

0.400.40/0.60=0.67-0.41

0.500.50/0.50=1.000.00

0.600.60/0.40=1.500.41

0.700.70/0.30=2.330.85

0.800.80/0.20=4.001.39

0.950.95/0.05=19.002.94

0.970.97/0.03=32.333.48

0.990.99/0.01=99.004.60

第一列为big6的可能性，第二列和第三列为优势比率，第四列为取自然对数后的值。

4、L和P之间的转换关系。

,=尸(始6川］

U-P(Z>zg6=l)J

P亚g6=1)

exp⑷=

l-P(Z>zg6=l)

]

1+exp⑷=

1-P(big6-1)

exp(Z)

=P(big6=1)

1+exp⑷

5、似然函数：使用最大似然法估计(maximumlikelihood"estimation)

i=n(p(y=i))，(i-p(y))T

]

i-p(y=i)=

1+exp⑷

Y/

=nl^)M1+exp1(i)

6、回归命令logit和logistic

•logitreportsthevaluesoftheestimatedcoefficients

•logisticreportstheoddsratios

一般报告系数估计所以使用logito

17

7、模型的解释能力参数：pseudo-R2和Chi2

>pseudo-R2=(In(Lo)-ln(LN))/ln(L0)=(-175224+146215)/-175224

In(LO)是第一个回归值，In(LN)是最后一个回归值。

•Chi2=-2(ln(L0)-ln(LN))=-2*(-175224+146215)=58018

>3.3Estimatinglogitmodels

1、回归模型

•logitbig6Intaage,robustcluster(companyid)

加入robust命令是为了纠正异方差，加入cluster。是为了纠正相关性错误。

2、预测因变量的可能性

•logitbig6Intaage,robustcluster(companyid)

•dropbig6hat

・predictbig6hat

•sumbig6hat,detail

用此命令产生的预测值为以下公式：

P(big6=1)=+

1+exp(6f0+/InS+/age)

另一种产生预测因变量可能性的方法：

•genbig6hat2=exp(big6hatl)/(l+exp(big6hatl))

・sumbig6hatbig6hatlbig6hat2

3、产生预测因变量的值：

・genbig6hatl=_bLcons]+_b[lnta]*lnta+_b[age]*age

・sumbig6hatl,detail

另一种方法是predictbig6hatl,xb

4、计算自变量变动对因变量可能性的影响：

•logitbig6Intaage,robustcluster(companyid)

•genbiglO=exp(_b[_cons]+_b[lnta]*lnta+_b[age]*10)

(l+(exp(_bLcons]+_b[lnta]*lnta+_b[age]*10)))

•genbig20=exp(_b[__cons]+_b[lnta]*lnta+_b[age]*20)

(l+(exp(_bLcons]+_b[lnta]*lnta+_b[age]*20)))

•sumbiglObig20

5、检验因变量与自变量之间单调性的方法：

・xtilelnta_categ=lnta,nquan