Stata统计分析命令

Stata统计分析常用命令汇总

一、winsorize极端值处理

范围：一般在1%和99%分位做极端值处理，对于小于1%，的数用1%的值赋值，对于大于99%

的数用99%的值赋值。

1、Stata中的单变量极端值处理：

stata11.0»在命令窗口输入"finditwinsor”后，系统弹出一个窗口,安装winsor模决

安装好模块之后，就可以调用winsor命令，命令格式：winsorvarl,gen(newvar)p(0.31)

或者在命令窗口中输入：sscinstallwinsor安装winsor命令。winsor命令不能进行批量处

理。

2、批量进行winsorize极端值处理：

打开链接：http:〃Dersonal.〉/iudson.caskey/data.html,找到winsorizeJ,点击

右键，另存为到stata中的ado/plus/目录下即可。命令格式:winsorizeJvarlvar2var3,suffix(w)

即可，这样会生成三个新变量，varlwvar2wvar3w,而且默认的是上下l%winsorize。如果

要修改分位点，则写成如下格式：winsorizeJvar1var2var3,suffix(w)cuts(595)。

3、Excel中的极端值处理：(略)

winsor2命令使JI］说明

简介：winsor2winsorizeortrim(iftrimoptionisspecified)thevariablesinvarlistatparticular

percentilesspecifiedbyopiioncuts(##).Indefult,newvariableswillbegeneratedwithasuffix

"_w"orwhichcanbechangedbyspecifyingsuffix()option.Thereplaceoptionreplacesthe

variableswiththeirwinsorizedortrimmedones.

相比于winsor命令的改进:

(1)可以批量处理多个变量；

(2)不仅可以winsor,也可以trimming；

⑶附加了by()选项，可以分组winsor或trimming；

(4)增加了replace选项,可以不必生成新变量,直接替换原变量。

范例：

*-winsorat(plp99),getnewvariable"wage_w"

.sysusenlsw88,clear

.winsor2wage

*-Ie代-trimmingat2thpercentile

.winsor2wage,cuts(2100)trim

*-winsorvariablesby:industrysouth),overwritetheoldvariables

.winsor2wagehours,replaceby(industrysouth)

使用方法：

1.请将winsor2.ado和winsor2.sthlp放置于stata12\ado\base\w文件夹下;

2.输入helpwinsor2可以查看帮助文件；

二、描述性统计

1、summarize

命令格式：su、sum或者summarize[varlist][if][in][weight][options]

如果summarize或sum后不加任何变晟，则默认对数据中的所有变最进行描述统计

options选项：detail表示产生更加详细的统计变量

Separator(n)表示每n个变量画一条分界线，n=0表示禁止使用分界线

Summarize描述统计输出表中包含：样本容量、平均数、标准差、最小值和最大值

2.tabstat

命令格式:tabstat[varlist][if][in][weight][,options]

options选项：stat(statname)表示设定所需要的统计量

col(stat)或c(s)表示将结果报表转置

统计量：

mean：平均数count/n：观测值数目sum：加总

max/min：最大值/最小值range：极差sd：标准差cv：变异系数

semean：平均标准误差skewness：偏度var：方差

kurtosis：峰度median/p50：中位数p#：#%白.分位数

例如：tabstat[varlist],stat(countmeansdmedianminmaxrange)col(stat)

3、描述性统计结果输出到word或Excel

用sum做的描述性统计：logout,save(miaoshutongji)wordreplace:sum

用tabstat做的描述性统计：logout,save(miaoshutongji)wordreplace:tabstat

[varlist],stat(countmeansdmedianminmaxrange)col(stat)

分组描述：bysortvar:

三、相关性分析

(-)相关性分析

lxPearson相关系数命令格式:correlate(简写:cor或corr)[varlist][if][in][weight][,options]

、相关系数命令格式:

2spearmanspearman[varlist]zstats(rhop)

3、在Stata中，命令corr用于计算一组变量间的协方差或相关系数矩阵；

4、命令pwcon•可用于计算一组变量中两两变量的相关系数，同时还可以对相关系数的显著

性进行检验;option选项中加上sig可显示显著性水平:pwcorr[varlist],sig

5、命令pcorr用于计算一组变量中两两变量的偏相关系数并进行显著性检验。

6、Spearman和Pearson检验同在一个表的命令:corrtbl[varlist],corrvars([varlist])

输出结果中，上三角为Spearman相关系数和显著水平，卜三角为Pearson系数利显著水平。

(二)输出相关系数表到word或Excel中

例如：logout,save(mytable)wordreplace:pwcorr_apricempgrep78headroomtrunk,

starl(O.Ol)star5(0.05)starlO(O.l)

四、截面数据单方程线性回归模型的Stata实现

命令格式:regress(简写:reg)depvarindepvars[if][in][weigh][option]

(depvar表示因变量，indepvars表示自变量)

五、异方差的检验与处理

1、检验异方差命令格式：hettest

2、判断异方差的标准：

.hettest

Breusch-Pagan/cook-weisbergtestforheteroskedasticity

HO:constantvariance

variables:fittedvaluesofLpfms

chi2（1）=0.55

Prob>Chi2=0.4584

看P值的大小来判断，如果P值小于0.05,则不能排除异方差的可能，上图中P值等于

0.4584>0.05,因此，可以排除异方差的可能性。

3、处理异方差命令格式:在reg命令后加上“万”或者robust”即可。经异方差处理后的

回归不显示调整后的R?（adj-R2）,如果要查看调整后的R2,再输入命令:die（r2_a）

六、多重共线性（自变量之间高度相关）命令格式：vif

（一）判断多重共线性的标准（两个标准必须同时满足）：

1、最大的vif大于10；

2、平均的vif大于1。

（二）多重共线性的修正

1、采用逐步回归进行修正，命令格式：swregdepvsrindepvar,pr（0.05）

2、对于含二次项的，使用“对中”的方法，既可以保留二次项，乂可以在一定程度上克服

多重共线性的问题：先定义两个变量，分别为该变量减去其均值和该变量的平方，命令如下:

sumvar

genvarl=var-r（mean）

genvar2=varA2

再用新变量代替原来的变量进行回归处理

七、内生性的检验与处理（内生性是指自变最与误差项之间有关系）

1、内生性的检验：ovtest

•ovtest

RamseyRESETtestusingpowersofthefittedvaluesofLpfms

Ho:modelhasnoomittedvariables

F（3,379）=0.84

Prob>F=0.4717

看P值的大小来判断，如果P值小于0.05,则不能排除内生性的n]■能，上图中P值等于

0.4717>0.05,因此，可以排除内生性的可能。

2、内生性的处理：使用工具变量法：ivreg

内生性的二个来源：测量误差、遗漏变量和双向因果。

1、变量的内生性。

这个是没有办法单独检验的。当有合适工具变展•时候，是可.以检验的，就是hausman检验

2、工具变量的外生性。

这个也是没办法检验的。当有很多工具变量时候，可以检验是否有不是外生的，就是“过度

识别”问题

3、工具变量的相关性。

这个可以说成是“弱工具变量”问题，检验可以通过一阶段的F值。还可以利用PartialR2。

4、估计方法

stata里面有这么几个2sls,2slssmaklimLgmm,各自适用情况：small适合小样本；liml

适合弱工具变量；gmm适合异方差。

【例子】

webusehsng2

*Fitaregressionvia2SLS,requestingsmall-samplestatistics

ivregress2slsrentpcturban(hsngval=famineiregion),small

*FitaregressionusingtheLIMLestimator

ivregresslimlrentpcturban(hsngval=famineiregion)

*FitaregressionviaGMMusingthedefaultheteroskedasticity-robustweightmatrix

ivregressgmmrentpcturban(hsngval=famineiregion)

*FitaregressionviaGMMusingaheteroskedasticity-robustweightmatrix,requestingnonrobust

standarderrors

ivregressgmmrentpcturban(hsngval=famineiregion),vce(unadjusted)

*检验

estatafirststage,allforcenonrobust\\\可以查看第一阶段F值，已经partialR2

estatoverid\\\查看是否过度识别

estatendogenous\\\查看是否异方差

regress2slsrentpcturbanhsngval

eststoreml

ivregress2slsrentpcturban(hsngval=famineiregion)

eststorem2

hausmanmlm2\\\内生检验

八、线性方程组的回归分析

命令格式:sureg(depvarlvarlistl)(depvar2varlist2)...(depvarNvarlistN)[if][in][weigh]

九、联立方程组

命令格式:reg3(depvarlvarlistl)(depvar2varlist2)...(depvarNvarlistN)[if][in][weigh]

十、面板数据的固定效应和随机效应

Xtset

固定效应命令格式:xtregdepvarindepvars[if][in]Je[FE_options]

随机效应命令格式:xtregdepvarindepvars[if][in],re[FE_options]

hausman检验固定效应还是随机效应？

【例子】

xtregyvarlvar2var3，fe

eststorefe

xtregyvarlvar2var3，re

eststorere

hausmanfere,sigmamore

hausmanfere,sigmaless

*sigmamore利用有效估计量方差,即re

♦sigmaless利用一致估计最方差，即fe

H^一：Stata回归结果的导出

1、在命令窗口中输入：sscinstallesttab,安装命令esttab

2sreg口1归

3、esttabusingfilename.rtf将以word形式输出回归结果，后缀改成.xls或者.CSV则以Excel

格式输出，输出内容为变量名称和相应的回归系数，t值，显著性水平标识。系统默认显著

性水平是。001,0.01和0.05,若要改成。。，0.05和0.1,则输出esttabmlm2usingaaa.rtf,

star(*0.10**0.05***0.01)。

4、批量输出回归结果:每运行一个regression,存起来:eststoremloml是你要改的,第

•个model所以我叫ml,第二个的话指令就变成eststorem2,依次类推,最后运行指令:

esttabmlm2...usingtest.rtf。

esttabmlllllusingaaaaa.rtf,star(*0.10**0.05***0.01)b(%6.4f)

5、outreg2可以将回归结果导入word、excle、latex等，而且可以根据自己需要改变格式：

sscinstalloutreg2

useauto,clear

[varlist]

eststoreml

outreg2[ml]usingtest.doczreplace

十二、合并样本(将关键词相同的多个样本合并为一个)

命令格式：duplicatesdropvarlistzforce

例如将同一企业在同一天发生的多起并购合为一起，可根据证券代码和公告日期关键词，将

其合并，命令：duplicatesdropcompanyjdevent_date,force

十三、均值t检验

命令格式:ttestCARI==CAR2,unpaired

十四、中位数Z检验(非参数Wilcoxon秩和检验)

命令格式：ranksumvar,by(groupvar)

groupvar为分组变量

I玉、检验两组均值的显著性差异，在t检验的后面数值上面加星号

可以用ttest命令执行检验，它会直接报告星号。

亦可采用外部命令meantab执行检验，自己根据t值大小标注星号。

helpmeantab〃这个最好用

sysusenlsw88,clear

meantabcoIlgradwagehoursttl_exptenure,///

over(union)tstatdiffnoncells

另有一个李春涛老师编写的命令，可以直接标注星号：

finditttable〃多变量，两组差异

十六、删除有缺失值的样本

egenmis=rowmiss(_all)

dropifmis

条件语句：cond

例如：cond(missing(x),cond(x>2,50,70))returns.ifxismissing,returns50ifx>2,andreturns

70ifx<2

十七、中心化处理与标准化处理

1、安装命令：finditcenter

2、中心化:

centervarlist(注：生成的新变量默认加前置”j〃，可一次对多个变量进行处理)

或：centervar,g(newvar)(注：只能对,个变量进行口心化，并生成给定名称的新变量)

3、标准化：

centervarlist,prefix(z_)standardize(注:生成的新变量加前置“z_”,可多个,可更改)

十八、恢复数据命令

preserve(处理数据前使用该命令，否则没有数据可恢复)

dropvarl-varlOO(处理数据)

restore(恢复数据)

十九、genicv产生交叉项

【问题】

有时候，想生成很多交叉项，但是又不愿意一个一个写。

有时候，想看一个交叉项，但是又不愿意生成。

【方法】

genicv可以一键生成很多交叉项

##可以直接表示交叉项。

【例子】

sscinstallgenicv

sysuseauto,clear

genicvlengthweightforeign〃会生成4个交叉项，所有可能情况，并且有label

regpricelengthweightlength_weight

*如果不愿意生成，直接用

regpricec.length##c.weight\\\和上面回归一样一样的

二十、用stata统计变量的个数，但是要去掉重复的部分

bysid:gn=_n

countifn==l

二H^一、stata中的主成分分析法

1、首先，需要对变量进行哪些检验？KMO?还有什么？KMO检验结果符合什么条件才能继

续进行主成分分析？

答：首先使用KMO检验和SMC检验。

KMO的判断为，UsingtheKaiser(1974)characterizationofKMOvalues,

0.00to0.49unacceptable

0.50to0.59miserable

0.60to0.69mediocre

0.70to0.79middling

0.80to0.89meritorious

0.90to1.00marvelous

SMC即一个变量与其他所有变量的复相关系数的平方，也就是复回归方程的可决系数。SMC

比较高表明变量的线性关系越强，共性越强，主成分分析就越合适。

命令是

estatkmo

estatsmc

确定是否需要进行土成分分析。如果有些KMU或者5MC值太小，则要考虑要不要将它们放

入主成分中。

然后进行主成分回归。

使用命令为：

peavarlist(不清楚就helppea)

2、例如，对Y的5各指标执行了命令peayly2y3y4y5得出结果方差贡献率(proportion)

就是权重吗？

答：不是。假如设定方差贡献率为95%,那么，累积方差超过95%的那几个特征值、所对

应的特征变量，就是权重，

3、看有的帖子上回复说，需要接着执行predictyly2y3V4y5,score,这是为了得到每个指标

的主成分得分吗？为什么我执行了一下，只生成了一个yl,别y2、y3、y4、y5都没生成呢

答：直接"predictyl-y4”就可以。生成的四个就是得分。

4、不知道你要问什么?

总之，主成分的步骤为

1、先通过KMO检验和SMC检验确定是否需要主成分分析

2、进行主成分分析，通过累计贡献率确定需要的哪几个主成分

3、根据情况看是否需要rotate

4、通过predict进行得分。或者通过scoreplot看得分分布图。

二十二、将一般的数据转化为面板数据

原数据的形式（excel中）是：2008一张sheet,2009一张sheet。。。。。即:

1DFH

YitKitLit

12261224623

230273276416.5

32062354178262503

43179401120180770

5868023159175.5

626953041840553

71574767060190

.2935791452078

9-191242417

10127737522240

1127906141347979866.5

1248629260428.5

1376127622567319.5

141251951335669

然后改成这样的数据形式是:

ABCDEFGHIJ

公司名称Yit2008Yit2009Yit2010Kit2008Kit2009Kit2010Lit2008Lit2009Lit2010

122611860B.251105.42522464986.5984108.495232331

23027340102.0660248.7227645657.7326843.39816.511.520

3206235428925143033013178262296385.6332315.3503458489

431794014225323634362612018096017.53305598.8770381.5739

586802563322.7559918.131591819.58839254.86175.514.5134

6269530354939.736459.574184043796.9141070.62553504.5434

7157476290664.9200974.470605902.06235080.8619057158

8293579228195.9479237.51452025136.0843561.92786075.5

919124773.196537.3593424778.35052010.2351710.518

：10127737113150.593694.9852229156.70110556.81402020

112790614107232401216146713479799964001137663866.52208.52518

124862957061.8672251.7926041845.3614833.16328.512.531.5

13761276134907510718942256734651.55125246.7319.5155201

14125195114422.7182454.5133562805.15516806.336933.579

15442694332010.3395230.33708527943.331281.47469403.5327.5

粘贴在stata里就是这样的形式（注意：变量名字一定要改）：其中Y为因变量，可以是很多

个,XI、X2为自变量，也可以是很多个,stata中的变量名依次为：id、Y2008、Y2009、Y2010、

X12008>X12009>X12010、X22008.X22009、X22010

idY2008Y2009Y2010X12008X12009X12010X22008X22009X22010

11226118608.21105.4222464986.64108.5232331

223027340102.160248.727645657.736843.416.511.520

332.1e-t062.95063.0B+06178262296386332315503458489

443.2e+064.2e+066.3e+0612018096017.5305599770381.5739

558680256332355991831591819.5939254.9175.514.5134

6626953035499036459.64184043796.941070.6SS3504.5434

7715747629066520097470605902.0635080.919057158

882935792281964792371452025136.143561.9786075.5

9919124773.2537.35942477B.3512010.241710.518

10101277371131519369552229156.710556.8402020

11112.8506l.let07-07l・3e+06996400l.let06866.52208.52518

12124862957061.972251.826041845.364833.1628.512.531.5

1414125195114423182454133562805.1516806.66933.S79

15154426943320103952303708527943.331281.5469403.5327.5

161620805767.019501.5427722352.582790.1720.51419

1717820842.2685796.3211921721.652713.41232526

在stata中输入命令：

reshapelongYXIX2,i(id)j(year)回车即可,变为:

idyearYXIX2

120082261224623

1200918608.24986.623

120101105.424108.531

2200830273276416.5

2200940102.15657.7311.5

2201060248.76843.420

320082.1e-t-06178262503

320092.9506296386458

320103.0e+06332315489

420083.2e+06120180770

420094.2e+0696017.5381.5

420106.3C+06305599739

52008868023159175.5

520095633231819.5914.5

5201055991839254.9134

6200826953041840553

6200935499043796.9504.5

6201036459.641070.6434

720081574767060190

720092906655902.0657

7201020097435080.9158

二十三、关于数值型转换为字符型的问题

1、股票代码导入STATA后都变成数值型，现想用tostring命令变回字符型，但长度小于6位的代防在

变回字符型后在前面补够不足6位的Oo

方法：formatvariable%06s

这只是在显示上补充了0,没有在值.上补充。以下可以改变x的值：

replacex=substr("000000"+x,-6,6)

2、将个12位的数值转换为字符，再从字符里提取前五个字符，转成字符后以科学计数法显示，提取前

五位数是提取的科学计数法的前五位，如将110102002016转成字符后显示为1.10e+11,提取时提的是

而不是我想要的“11010”

HM

gy=substr(string(x,%12.0f),115)

3、将字符型转化为数值型命令为：destringvar,replace(转换后替换原来的值)

若字符型中含其他符号并要生成新变量则用：destringvarlist,gen(newvarlist)ignore(u$,%")

二十四、分组

均分四组：sortvar

xtileprop=varznq(x)(括号中的x代表分成的group数)

例如：

sortinsto_ma

xtileprop=insto_ma,nq(4)//以insto_ma的四分位点分成四组

sortpropinsto_msd

egenstdl=xtile(insto_msd),by(prop)nq(4)〃按prop,以insto_msd的四分位点分成四组

二十五、估计残差

做完回归后,使用命令predicte,r

排列组合计算=3,=6：dicomb(3,2),dicomb(4z2)

取整：

l.ceil(x),returnstheuniqueintegernsuchthatn-1<x<=n.returnsx(notifxismissing,

meaningthatceil(.a)=.a

2.floor(x),returnstheuniqueintegernsuchthatn<=x<n+1,returnsx(notifxismissing,

meaningthatfloor(.a)=.a

3.int(x),returnsth