stata常用命令.doc

1、調(diào)整變量格式：format x1 % 將 x1的列寬固定為10，小數(shù)點(diǎn)后取三位format x1 % 將 x1的列寬固定為10，有效數(shù)字取三位format x1 % 將 x1的列寬固定為10，采用科學(xué)計(jì)數(shù)法format x1 % 將 x1的列寬固定為10，小數(shù)點(diǎn)后取三位，加入千分位分隔符format x1 % 將 x1的列寬固定為10，有效數(shù)字取三位，加入千分位分隔符format x1 % 將 x1的列寬固定為10，有效數(shù)字取三位，加入千分位分隔符，加入“-”表示左對(duì)齊合并數(shù)據(jù)：桌面 , clear桌面 將 1999 和 2006 的數(shù)據(jù)按照樣本（ observation ）排列的自然順序合并

2、起來(lái)桌面 , clear桌面 ,unique sort 將 1999 和 2006建議采用第一種方法。對(duì)樣本進(jìn)行隨機(jī)篩選：的數(shù)據(jù)按照唯一的（unique）變量id 來(lái)合并，在合并時(shí)對(duì)id 進(jìn)行排序（sort ）sample 50在觀測(cè)案例中隨機(jī)選取50% 的樣本，其余刪除sample 50,count在觀測(cè)案例中隨機(jī)選取50 個(gè)樣本，其余刪除查看與編輯數(shù)據(jù)：browse x1 x2 if x33（按所列變量與條件打開(kāi)數(shù)據(jù)查看器）edit x1 x2 if x33（按所列變量與條件打開(kāi)數(shù)據(jù)編輯器）數(shù)據(jù)合并（merge）與擴(kuò)展（append ）merge表示樣本量不變，但增加了一些新變量；appe

3、nd表示樣本總量增加了，但變量數(shù)目不變。one-to-one merge：數(shù)據(jù)源自 stata tutorial第一步：將exampw1中的 exampw1按 v001 v003和 exampw2這三個(gè)編碼排序，并建立臨時(shí)數(shù)據(jù)庫(kù)tempw1clearuse t:statatutsu summarize的簡(jiǎn)寫sort v001 v002 v003save tempw1第二步：對(duì)exampw2做同樣的處理clearuse t:statatutsusort v001 v002 v003save tempw2第三步：使用tempw1 數(shù)據(jù)庫(kù)，將其與tempw2 合并：clearuse tempw1me

4、rge v001 v002 v003 using tempw2第四步：查看合并后的數(shù)據(jù)狀況：ta _merge tabulate _merge的簡(jiǎn)寫su第五步：清理臨時(shí)數(shù)據(jù)庫(kù)，并刪除_merge ，以免日后合并新變量時(shí)出錯(cuò)eraseerasedrop _merge數(shù)據(jù)擴(kuò)展 append ：數(shù)據(jù)源自 stata tutorial中的 fac19 和 newfacclearuse t:statatutta regionappend using t:statatutnewfacta region合并后樣本量增加，但變量數(shù)不變莖葉圖：stem x1,line(2)（做 x1 的莖葉圖，每一個(gè)十分位的樹(shù)

5、莖都被拆分成兩段來(lái)顯示，前半段為04 ，后半段為 59）stem x1,width(2) （做 x1 的莖葉圖，每一個(gè)十分位的樹(shù)莖都被拆分成五段來(lái)顯示，每個(gè)小樹(shù)莖的組距為2 ）stem x1,round(100)（將 x1 除以 100 后再做 x1 的莖葉圖）直方圖采用 auto 數(shù)據(jù)庫(kù)histogram mpg, discrete frequency normal xlabel(1(1)5)（discrete 表示變量不連續(xù)，frequency表示顯示頻數(shù)，normal 加入正太分布曲線，xlabel 設(shè)定 x 軸， 1 和5 為極端值， (1) 為單位）histogram price,

6、fraction norm（fraction 表示 y 軸顯示小數(shù)，除了frequency和 fraction 這兩個(gè)選擇之外，該命令可替換為“percent 百”分比，和 “density 密”度；未加上discrete 就表示將 price 當(dāng)作連續(xù)變量來(lái)繪圖）histogram price, percent by(foreign)（按照變量 “foreign的”分類，將不同類樣本的“price繪”制出來(lái)，兩個(gè)圖分左右排布）histogram mpg, discrete by(foreign, col(1)（按照變量 “foreign的”分類，將不同類樣本的“mpg”繪制出來(lái)，兩個(gè)圖分上下

7、排布）histogram mpg, discrete percent by(foreign, total) norm（按照變量 “foreign的”分類，將不同類樣本的“mpg”繪制出來(lái)，同時(shí)繪出樣本整體的“總”直方圖）二變量圖：graph twoway lfit price weight | scatter price weight（作出 price 和 weight 的回歸線圖 “ lfit，然”后與price 和 weight 的散點(diǎn)圖相疊加）twoway scatter price weight,mlabel(make)（做 price 和 weight 的散點(diǎn)圖，并在每個(gè)點(diǎn)上標(biāo)注“m

8、ake”，即廠商的取值）twoway scatter price weight | lfit price weight,by(foreign)（按照變量foreign 的分類，分別對(duì)不同類樣本的price 和 weight 做散點(diǎn)圖和回歸線圖的疊加，兩圖呈左右分布）twoway scatter price weight | lfit price weight,by(foreign,col(1)（按照變量foreign 的分類，分別對(duì)不同類樣本的price 和 weight做散點(diǎn)圖和回歸線圖的疊加，兩圖呈上下分布）twoway scatter price weight fweight= disp

9、lacement,msymbol(oh)（畫出price和weight的散點(diǎn)圖， “msybol(oh) ”示每個(gè)點(diǎn)均為中空的圓圈，表fweight= displacement表示每個(gè)點(diǎn)的大小與displacement的取值大小成比例）twoway connected y1 time,yaxis(1) | y2 time,yaxis(2)（畫出y1和 y2這兩個(gè)變量的時(shí)間點(diǎn)線圖，并將它們疊加在一個(gè)圖中，左邊“yaxis(1) 為”y1的度量，右邊“ yaxis(2)為 ”y2的）twoway line y1 time,yaxis(1) | y2 time,yaxis(2)（與上圖基本相同，就是

10、沒(méi)有點(diǎn)，只顯示曲線）graph twoway scatter var1 var4 | scatter var2 var4 | scatter var3 var4（做三個(gè)點(diǎn)圖的疊加）graph twoway line var1 var4 | line var2 var4 | line var3 var4（做三個(gè)線圖的疊加）graph twoway connected var1 var4 | connected var2 var4 | connected var3 var4 （疊加三個(gè)點(diǎn)線相連圖）更多變量：graph matrix a b c y（畫出一個(gè)散點(diǎn)圖矩陣，顯示各變量之間所有可能的兩兩相

11、互散點(diǎn)圖）graph matrix a b c d,half（生成散點(diǎn)圖矩陣，只顯示下半部分的三角形區(qū)域）用auto數(shù)據(jù)集：graph matrix price mpg weight length,half by( foreign,total col(1) )（根據(jù)foreign變量的不同類型繪制price等四個(gè)變量的散點(diǎn)圖矩陣，要求繪出總圖，并上下排列】=具）其他圖形：graph box y,over(x) yline(.22)（對(duì)應(yīng)x 的每一個(gè)取值構(gòu)建y 的箱型圖，并在y 軸的處劃一條水平線）graph bar (mean) y,over(x)對(duì)應(yīng) x 的每一個(gè)取值， 顯示 y 的平均數(shù)的

12、條形圖。括號(hào)中的 “mean”也可換成 median 、sum 、sd 、p25 、p75等graph bar a1 a2,over(b) stack（對(duì)應(yīng)在b 的每一個(gè)取值，顯示a1和 a2 的條形圖，a1和 a2是疊放成一根條形柱。若不寫入“stack，”則a1和a2顯示為兩個(gè)并排的條形柱）graph dot (median)y,over(x)（畫點(diǎn)圖，沿著水平刻度，在x 的每一個(gè)取值水平所對(duì)應(yīng)的y 的中位數(shù)上打點(diǎn)）qnorm x（畫出一幅分位- 正態(tài)標(biāo)繪圖）rchart a1 a2 a2（畫出質(zhì)量控制R 圖，顯示a1 到 a3 的取值范圍）簡(jiǎn)單統(tǒng)計(jì)量的計(jì)算：ameans x（計(jì)算變量x

13、的算術(shù)平均值、幾何平均值和簡(jiǎn)單調(diào)和平均值，均顯示樣本量和置信區(qū)間）mean var1 pweight = var2（求取分組數(shù)據(jù)的平均值和標(biāo)準(zhǔn)誤，var1 為各組的賦值，var2 為每組的頻數(shù)）summarize y x1 x2,detail（可以獲得各個(gè)變量的百分比數(shù)、最大最小值、樣本量、平均數(shù)、標(biāo)準(zhǔn)差、方差、峰度、偏度）*注意 *stata 中 summarize 所計(jì)算出來(lái)的峰度 skewness 和偏度 kurtosis 有問(wèn)題，與 ECELL 和 SPSS 有較大差異，建議不采用 stata 的結(jié)果。summarize var1 aweight = var2, detail（求取分組

14、數(shù)據(jù)的統(tǒng)計(jì)量，var1 為各組的賦值，var2 為每組的頻數(shù)）tabstat X1,stats(mean n q max min sd var cv)（計(jì)算變量X1 的算術(shù)平均值、樣本量、四分位線、最大最小值、標(biāo)準(zhǔn)差、方差和變異系數(shù)）概率分布的計(jì)算：（1 ）貝努利概率分布測(cè)試：webuse quickbitest quick=,detail（假設(shè)每次得到成功案例1的概率等于，計(jì)算在變量quick所顯示的二項(xiàng)分布情況下，各種累計(jì)概率和單個(gè)概率是多少）bitesti 10,3,detail（計(jì)算當(dāng)每次成功的概率為時(shí)，十次抽樣中抽到三次成功案例的概率：低于或高于三次成功的累計(jì)概率和恰好三次成功概率）

15、（2 ）泊松分布概率：display poisson(7,6).（計(jì)算均值為7 ，成功案例小于等于6 個(gè)的泊松概率）display poissonp(7,6).（計(jì)算均值為7 ，成功案例恰好等于6 個(gè)的泊松概率）display poissontail(7,6).（計(jì)算均值為7 ，成功案例大于等于6 個(gè)的泊松概率）（3 ）超幾何分布概率：display hypergeometricp(10,3,4,2).3（計(jì)算在樣本總量為10 ，成功案例為3 的樣本總體中， 不重置地抽取4 個(gè)樣本， 其中恰好有2 個(gè)為成功案例的概率）display hypergeometric(10,3,4,2).（計(jì)算在樣

16、本總量為10 ，成功案例為3 的樣本總體中， 不重置地抽取4 個(gè)樣本， 其中有小于或等于2 個(gè)為成功案例的概率）檢驗(yàn)極端值的步驟：常見(jiàn)命令： tabulate 、 stem 、codebook 、summarize 、list 、histogram 、graph box 、gragh matrix step1. 用 codebook 、summarize 、histogram 、graph boxs 、graph matrix 、stem 看檢驗(yàn)數(shù)據(jù)的總體情況： codebook y x1 x2summarize y x1 x2,detailhistogram x1,norm（正態(tài)直方圖）gr

17、aph box x1 （箱圖）graph matrix y x1 x2,half（畫出各個(gè)變量的兩兩x-y 圖）stem x1 （做 x1 的莖葉圖）可以看出數(shù)據(jù)分布狀況，尤其是最大、最小值step2. 用 tabulate 、 list 細(xì)致尋找極端值tabulate code if x1= 極端值（作出x1 等于極端值時(shí) code 的頻數(shù)分布表， code 表示地區(qū)、年份等序列變量，這樣便可找出那些地區(qū)的數(shù)值出現(xiàn)了錯(cuò)誤）list code if x1= 極端值（直接列出x1 等于極端值時(shí) code 的值，當(dāng) x1 的錯(cuò)誤過(guò)多時(shí)， 不建議使用該命令）list in -20/l （l 表示 l

18、ast one ，-20表示倒數(shù)第 20 個(gè)樣本，該命令列出了從倒數(shù)第20 個(gè)到倒數(shù)第一個(gè)樣本的各變量值）step3. 用 replace 命令替換極端值replace x1=? if x1= 極端值去除極端值：keep if y1000對(duì)數(shù)據(jù)排序：sort xgsort +x（對(duì)數(shù)據(jù)按x 進(jìn)行升序排列）gsort -x（對(duì)數(shù)據(jù)按x 進(jìn)行降序排列）gsort -x, generate(id) mfirst（對(duì)數(shù)據(jù)按x 進(jìn)行降序排列，缺失值排最前，生成反映位次的變量id）對(duì)變量進(jìn)行排序：order y x3 x1 x2（將變量按照y 、x3、 x1、 x2 的順序排列）生成新變量：gen log

19、x1=log(x1)（得出 x1 的對(duì)數(shù)）gen x1=exp(logx1)（將 logx1反對(duì)數(shù)化）gen r61_100=1 if rank=61&rankx2,x1,x2) （若 x1x2 成立，則取 x1，若 x1x2不成立，則取 x2）sort xgen gx=group(n)（將經(jīng)過(guò)排序的變量 x 分為盡量等規(guī)模的n 個(gè)組）egen zx1=std(x1)（得出 x1的標(biāo)準(zhǔn)值，就是用(x1-avgx1)/sdx1 ）egen zx1=std(x1),m(0) s(1)（得出 x1 的標(biāo)準(zhǔn)分，標(biāo)準(zhǔn)分的平均值為0，標(biāo)準(zhǔn)差為1）egen sdx1=sd(x1) （得出 x1 的標(biāo)準(zhǔn)差）e

20、gen 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)（中數(shù)）egen modex1=mode(x1) （眾數(shù)）egen totalx1=total(x1)（得出 x1 的總數(shù)）egen rowsd=sd(x1 x2 x3) （得出 x1、x2 和 x3聯(lián)合的標(biāo)準(zhǔn)差）egen rowmean=mean(x1 x2 x3)（得出 x1、x2和 x3 聯(lián)合的平均值）egen rowmax=max(x1 x2 x3)（聯(lián)合最大值）egen rowmin=min(x

21、1 x2 x3)（聯(lián)合最小值）egen rowmed=med(x1 x2 x3)（聯(lián)合中數(shù)）egen rowmode=mode(x1 x2 x3)（聯(lián)合眾數(shù)）egen rowtotal=total(x1 x2 x3)（聯(lián)合總數(shù)）egen xrank=rank(x)（在不改變變量 x 各個(gè)值排序的情況下，獲得反映x 值大小排序的xrank ）數(shù)據(jù)計(jì)算器 display命令：display x12 （顯示 x 的第十二個(gè)觀察值）display chi2(n,x)（自由度為 n 的累計(jì)卡方分布）display chi2tail(n,x)（自由度為 n 的反向累計(jì)卡方分布， chi2tail(n,x)

22、=1-chi2(n,x)）display invchi2(n,p)（卡方分布的逆運(yùn)算，若chi2(n,x)=p，那么 invchi2(n,p)=x ）display invchi2tail(n,p)（chi2tail 的逆運(yùn)算）display F(n1,n2,f)（分子、分母自由度分別為n1 和 n2 的累計(jì) F 分布）display Ftail(n1,n2,f)（分子、分母自由度分別為n1 和 n2 的反向累計(jì) F 分布）display invF(n1,n2,P)（F 分布的逆運(yùn)算，若 F(n1,n2,f)=p，那么 invF(n1,n2,p)=f）display invFtail(n1,n

23、2,p) （ Ftail 的逆運(yùn)算）display tden(n,t)（自由度為 n 的 t 分布）display ttail(n,t) （自由度為 n 的反向累計(jì) t 分布）display invttail(n,p)（ ttail 的逆運(yùn)算）給數(shù)據(jù)庫(kù)和變量做標(biāo)記：label data （對(duì)現(xiàn)用的數(shù)據(jù)庫(kù)做標(biāo)記， 就是標(biāo)記，可自行填寫）label variable x （對(duì)變量 x 做標(biāo)記）label values x label1（賦予變量 x 一組標(biāo)簽 :label1 ）label define label1 1 a1 2 a2（定義標(biāo)簽的具體內(nèi)容：當(dāng)x=1 時(shí)，標(biāo)記為 a1 ，當(dāng) x=2

24、時(shí)，標(biāo)記為a2 ）頻數(shù)表：tabulate x1,sorttab1 x1-x7,sort（做 x1 到 x7 的頻數(shù)表，并按照頻數(shù)以降序顯示行）table c1,c （ n x1 mean x1 sd x1）（在分類變量c1 的不同水平上列出x1 的樣本量和平均值）二維交互表：auto 數(shù)據(jù)庫(kù)：table rep78 foreign, c(n mpg mean mpg sd mpg median mpg) center row col（rep78 ，foreign 均為分類變量， rep78 為行變量， foreign 為列變量， center 表示結(jié)果顯示在單元格中間，row 表示計(jì)算行變量

25、整體的統(tǒng)計(jì)量，col 表示計(jì)算列變量整體的統(tǒng)計(jì)量）tabulate x1 x2,all（做 x1 和 x2 的二維交互表，要求顯示獨(dú)立性檢驗(yàn)chi2 、似然比卡方獨(dú)立性檢驗(yàn)lrchi2 、對(duì)定序變量適用的等級(jí)相關(guān)系數(shù) gamma 和 taub 、以及對(duì)名義變量適用的V ）tabulate x1 x2,column chi2（做 x1和 x2 的二維交互表，要求顯示列百分比和行變量和列變量的獨(dú)立性檢驗(yàn) 零假設(shè)為變量之間獨(dú)立無(wú)統(tǒng)計(jì)關(guān)系）tab2 x1-x7,all nofreq （對(duì) x1 到 x7 這七個(gè)變量?jī)蓛傻刈龆S交互表，不顯示頻數(shù)：nofreq ）三維交互表：by x3,sort:tab

26、ulate x1 x2,nofreq col chi2（同時(shí)進(jìn)行 x3的每一個(gè)取值內(nèi)的 x1和 x2 的二維交互表，不顯示頻數(shù)、顯示列百分比和獨(dú)立性檢驗(yàn)）四維交互表：table x1 x2 x3,c(ferq mean x1 mean x2 mean x3) by(x4)tabstat 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 為權(quán)重求 X1 、X2 的均值，標(biāo)準(zhǔn)差、方差等

27、）ttest X1=1count if X1=0count if X1=0gen X2=1 if X1=0corr x1 x2 x3（做 x1、 x2、 x3的相關(guān)系數(shù)表）swilk x1 x2 x3（用 Shapiro-Wilk W test對(duì) x1、 x2、 x3進(jìn)行正太性分析）sktest x1 x2 x3 （對(duì) x1、 x2、 x3 進(jìn)行正太性分析，可以求出峰度和偏度）ttest x1=x2 （對(duì) x1、x2 的均值是否相等進(jìn)行T 檢驗(yàn)）ttest x1,by(x2) unequal （按 x2的分組方式對(duì)x1 進(jìn)行 T 檢驗(yàn)，假設(shè)方差不齊性）sdtest x1=x2（方差齊性檢驗(yàn)）s

28、dtest x1 ，by(x2) （按 x2的分組方式對(duì)x1 進(jìn)行方差齊性檢驗(yàn)）聚類分析：cluster kmeans y x1 x2 x3, k(3) 依據(jù) y 、x1、 x2、 x3，將樣本分為 n 類，聚類的核為隨機(jī)選取cluster kmeans y x1 x2 x3, k(3) measure(L1) start(everykth) start 用于確定聚類的核， everykth 表示將通過(guò)構(gòu)造三組樣本獲得聚類核：構(gòu)造方法為將樣本 id 為 1、1+3 、1+32、 1+3 3分為一組、將樣本id 為 2、2+3 、 2+32、 2+3 3分為第二組，以此類推，將這三組的均值作為聚

29、類的核；measure 用 于計(jì)算相似性和相異性的方法，L1 表示采用歐式距離的絕對(duì)值，也直接可采用歐式距離 （L2 ）和歐式距離的平方 （L2squared ）。PS ：這個(gè)方法 所得的結(jié)果與 SPSS 所得結(jié)果相同。sort c1 c2 （對(duì) c1 和 c2by c1 c2 ：reg y x1 x2 x3兩個(gè)分類變量排序）（在 c1、 c2 的各個(gè)水平上分別進(jìn)行回歸）bysort c1 c2：reg y x1 x2 x3 if c3=1（逗號(hào)前面相當(dāng)于將上面兩步驟合一，既排序又回歸， 逗號(hào)后面的 “ if c3=1”表示只有在c3=1的情況下才進(jìn)行回歸）stepwise, pr(.2):

30、reg y x1 x2 x3(使用 Backward selection，去除 P 值大于時(shí)變量 )stepwise, pe(.2): reg y x1 x2 x3(使用 forward selection ，去除 P 值小于時(shí)變量 )stepwise, pr(.2) pe(.01):reg y x1 x2 x3（使用 backward-stepwise selection，取 P 值在和之間的變量）stepwise, pe(.2) forward: reg y x1 x2 x3（使用 forward-stepwise selection）reg y x1 x2 x3predict Yhat,

31、xbpredict u,residpredict ustd,stdr（獲得殘差的標(biāo)準(zhǔn)誤）predict std,stdp（獲得 y 估計(jì)值的標(biāo)準(zhǔn)誤）predict stdf,stdf（獲得 y 預(yù)測(cè)值的標(biāo)準(zhǔn)誤）predict e,e(1,12)（獲得 y 在 1到 12之間的估計(jì)值）predict p,pr(1 ， 12)（獲得 y 在 1 到 12 之間的概率）predict rstu,rstudent（獲得 student的 t 值）predict lerg,leverage（獲得杠桿值）predict ckd,cooksd（獲得 cooksd ）reg y x1 x2 x3 c1 c2a

32、djust x1 x2 x3，se（使得變量x1、 x2 和 x3 等于其均值，求 y 的預(yù)測(cè)值和標(biāo)準(zhǔn)誤）adjust x1 x2 x3，stdf ci （使得變量 x1、 x2 和 x3 等于其均值，求 y 的預(yù)測(cè)值，預(yù)測(cè)標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1 x2,by(c1) seci（控制變量x1 、 x2，亦即取它們的均值，在分類變量c1 的不同水平上求y 預(yù)測(cè)值，標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1 x2 x3,by(c1) stdf ci （控制變量x1、x2、x3，亦即取它們的均值，在分類變量c1 的不同水平上求y 預(yù)測(cè)值，預(yù)測(cè)標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1 x2,by(c

33、1 c2) se ci （控制變量x1、 x2，在分類變量c1 、c2的不同水平上求y 的預(yù)測(cè)值，標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1 x2 x3,by(c1 c2) stdf ci （控制變量 x1、x2、x3，在分類變量c1、c2 的不同水平上求 y 的預(yù)測(cè)值，預(yù)測(cè)標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1=a x2=b x3=c， se ci （當(dāng) x1=a 、 x2=b 、 x3=c 時(shí)，求 y 的預(yù)測(cè)值、標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1=a x2=b x3=c， by(c1) se ci（當(dāng) x1=a 、 x2=b 、 x3=c 時(shí)，在分類變量c1 的不同水平上，求y 的預(yù)測(cè)值、標(biāo)準(zhǔn)誤

34、和置信區(qū)間）adjust x1=a x2=b c1=1， by(c1) se ci（當(dāng) x1=a 、x2=b ，并假設(shè)所有的樣本均為c1=1 ，求在分類變量 c1的不同水平上，因?yàn)樽兞縳3 的均值不同，而導(dǎo)致的y 的不同的預(yù)測(cè)值 ）mvreg Y1 Y2 : X1 X2 X3 （多元回歸）mvreg y1 y2 y3: x1 x3 x3（多元回歸分析， y1 y2 y3為因變量， x1 x3 x3 為自變量）以下命令只有在進(jìn)行了mvreg 之后才能進(jìn)行test y1 （測(cè)試對(duì) y1 的回歸系數(shù)聯(lián)合為0 ）test y1: x1 x2 （測(cè)試對(duì)y1 的回歸中 x1、 x2 的系數(shù)為 0）test

35、 x1 x2 x3（測(cè)試在所有的回歸中，x1、 x2、x3 的系數(shù)均為0）test y1=y2（對(duì) y1 的回歸和對(duì) y2 的回歸系數(shù)相等）test y1=y2: x1 x2 x3, mtest （對(duì) y1 和 y2 的回歸中， 分別測(cè)試x1、x2、x3 的系數(shù)是否相等，若沒(méi)有mtest這個(gè)命令，則測(cè)試他們的聯(lián)和統(tǒng)計(jì)）test y1=y2=y3 （三個(gè)回歸的系數(shù)是否相等，可加mtest 以分別測(cè)試）test y1=y2=y3: x1 x2（測(cè)試三個(gè)回歸中的 x1、x2是否相等，可加mtest ）est 命令的用法：（1 ）儲(chǔ)存回歸結(jié)果：reg y x1 x2 x3 （不限于reg，也可儲(chǔ)存iv

36、reg 、mvreg 、reg3 ）est store A（2 ）重現(xiàn)回歸結(jié)果：est replay A（3 ）對(duì)回歸結(jié)果進(jìn)行進(jìn)一步分析est for A:sum （對(duì) A 回歸結(jié)果中的各個(gè)變量運(yùn)行sum 命令）異方差問(wèn)題：獲得穩(wěn)健性標(biāo)準(zhǔn)誤reg y x1 x2 x3 if c1=1（當(dāng)分類變量c1=1 時(shí)，進(jìn)行reg y x1 x2 x3,robust（回歸后顯示各個(gè)自變量的異方差estat vif （回歸之后獲得VIF ）estat hettest,mtest（異方差檢驗(yàn)）y 和諸 x 的回歸）-穩(wěn)健性標(biāo)準(zhǔn)誤）異方差檢驗(yàn)的套路：（ 1 ）Breusch-pagan 法：reg y x1 x

37、2 x3predict u,residgen usq=u2reg usq x1 x2 x3求 F 值display R/(1-R)*n2/n1（n1display Ftail()表示分子除數(shù)，n2表示分母除數(shù)）求 LM值display R*n （n 表示總樣本量）display chi2tail()（ 2 ）white 法：reg y x1 x2 x3predict u,residgen usq=u2predict ygen ysq=y2reg usq y ysq求 F 值display R/(1-R)*n2/n1（n1display Ftail()表示分子除數(shù)，n2表示分母除數(shù)）求 LM值d

38、isplay R*n （n 表示總樣本量）display chi2tail()（3 ）必要補(bǔ)充F 值和 LM 值轉(zhuǎn)換為 P 值的命令：display Ftail(n1,n2,a)（利用 F 值求 p 值， n1 表示分子除數(shù)，n2 表示分母除數(shù)，display chi2tail(n3,b)（利用 LM 值求 p 值， n3 表示自由度的損失量，一般等于異方差的糾正 WLS （ weighted least square estimator）a 為 F 值） n1 ，b 為 LM值）（1 ）基本思路：reg y x1 x2 x3 aw=x1（將 x1 作為異方差的來(lái)源，對(duì)方程進(jìn)行修正）上式相當(dāng)于

39、：reg y/(x1 1/(x1 x1/(x1 x2/(x1 x3/(x1,noconstant（2 ）糾正異方差的常用套路（構(gòu)造h 值）reg y x1 x2 x3predict u,residgen usq=u2gen logusq=log(usq)reg logusq x1 x2 x3predict ggen h=exp(g)reg y x1 x2 x3 aw=1/h異方差 hausman檢驗(yàn)：reg y x1 x2 x3est store A （將上述回歸結(jié)果儲(chǔ)存到reg y x1 x2 x3 aw=1/hest store Bhausman A BA 中）當(dāng)因變量為對(duì)數(shù)形式時(shí)（log

40、(y) ）如何預(yù)測(cè)yreg logy x1 x2 x3predict kgen m=exp(k)reg y m,noconstantm 的系數(shù)為iy 的預(yù)測(cè)值=i exp(k)方差分析：一元方差分析anova y g1 / g1|g2 /（ g*表示不同分類變量，計(jì)算g1和交互項(xiàng)/ g1|g2 /這兩種分類的y 值是否存在組內(nèi)差異）anova y d1 d2 d1*d2（d* 表示虛擬變量，計(jì)算d1 、d2 和 d1*d2 的這三種分類的anova y d1 d2 x1 d2*x1, continuous(x1)（x*表示連續(xù)的控制變量）y 值是否有組內(nèi)差異）多元方差分析webuse jawm

41、anova y1 y2 y3 = gender fracture gender*fracture（按性別、是否骨折及二者的交互項(xiàng)對(duì)y1、 y2 和y3進(jìn)行方差分析）manova y1 = gender fracture gender*fracture（相當(dāng)于一元方差分析，以y1 為因變量）webuse nobetweengen mycons = 1manova test1 test2 test3 = mycons, noconstantmat c = (1,0,-1 0,1,-1)manovatest mycons, ytransform(c)進(jìn)行多元回歸的方法：多元回歸分析：（與mvreg相

42、同）foreach vname in y1 y2 y3 （確定 y 變量組 vname ）reg vname x1 x2 x3（將y 變量組中的各個(gè)變量與諸x 變量進(jìn)行回歸分析，注意vname的標(biāo)點(diǎn)符號(hào)）上式等價(jià)于：mvreg y1 y2 y3 = x1 x2 x3reg3命令：（1 ）簡(jiǎn)單用法：reg3 (y1 = x1 x2 x3) (y2 = x1 x3 x4) (y3 = x1 x2 x5)測(cè)試 y1 coefs = 0test y1測(cè)試不同回歸中相同變量的系數(shù)：test y1=y2=y3, commontest (y1=y2) (y1=y3), common constant（con

43、stant表示包含截距項(xiàng)）（2 ）用 reg3 進(jìn)行 2SLSreg3 (y1 = y2 x1 x2) (y2 = y1 x4),2sls（2 ）用 reg3 進(jìn)行 OLSreg3 (y1 = y2 x1 x2) (y2 = y1 x4),ols對(duì)兩個(gè)回歸結(jié)果進(jìn)行hausman檢驗(yàn)：reg3 (y1=x1 x2 x3)(y2=y1 x4),2slsest store twoslsreg3 (y1=x1 x2 x3)(y2=y1 x4),olsest store olshausman twosls ols,equations(1:1)（對(duì)兩次回歸中的方程1，即 “ y1=x1 x2 x3 進(jìn)”行 hausman 檢驗(yàn)）hausman twosls ols,equations(2:2)（對(duì)兩次回歸中的方程2，即 “ y2=y1 x4 進(jìn)”行 hausman 檢驗(yàn)）hausman twosls ols,alleqs（對(duì)所有方程一起進(jìn)行檢驗(yàn)）檢驗(yàn)忽略變量（模型的RESET ）：reg y x1 x2 x3estat ovtest滯后變量的制取對(duì)變量 y 滯后一期：gen y_l1=y_n-1滯后兩期：