1、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：stata 11.0，在命令窗口输入“findit winsor”后，系统弹出一个窗口，安装 winsor 模块安装好模块之后，就可以调用 winsor 命令，命令格式：winsor var1, gen(new var) p(0.01)或者在命令窗口中输入：ssc install winsor 安装 winsor 命令。winsor 命令不能进行批量处理。2、批量进行 w
2、insorize 极端值处理：打开链接：http:/personal.anderson.ucla.edu/judson.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：winsorizeJ var1var2var3,suffix(w)即可，这样会生成三个新变量，var1w var2w var3w，而且默认的是上下 1%winsorize。如果要修改分位点，则写成如下格式： winsorizeJ var 1 var2 var3,suffix(w) cuts(5 95)。3、 Excel 中的极端值处理：（
3、略）winsor2 命令使用说明简介：winsor2 winsorize or trim (if trim option is specified) the variables in varlist at particular percentiles specified by option cuts(# #). In defult, new variables will be generated with a suffix “_w“ or “_tr“, which can be changed by specifying suffix() option. The replace option
4、replaces the variables with their winsorized or trimmed ones. 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；(3) 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：*- winsor at (p1 p99), get new variable “wage_w“. sysuse nlsw88, clear. winsor2 wage*- left-trimmi
5、ng at 2th percentile. winsor2 wage, cuts(2 100) trim*- winsor variables by (industry south), overwrite the old variables. winsor2 wage hours, replace by(industry south)使用方法: 1. 请将 winsor2.ado 和 winsor2.sthlp 放置于 stata12adobasew 文件夹下；2. 输入 help winsor2 可以查看帮助文件；二、描述性统计1、 summarize命令格式：su、sum 或者 summa
6、rize varlist if in weight ,options如果 summarize 或 sum 后不加任何变量，则默认对数据中的所有变量进行描述统计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 ,optionsoptions 选项：stat(statname) 表示设定所需要的统计量col(stat)或 c(s)表示将结
7、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# ：#%百分位数例如：tabstatvarlist,stat(count mean sd median min max range) 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) word replace:
8、sum用 tabstat 做的描述性统计： logout, save(miaoshutongji) word replace:tabstat varlist ,stat(count mean sd median min max range) col(stat)分组描述：bysort var:三、相关性分析（一）相关性分析1、 Pearson 相关系数命令格式：correlate（简写：cor 或 corr）varlist if in weight ,options 2、 spearman 相关系数命令格式：spearmanvarlist, stats(rho p)3、在 Stata 中，命令
9、corr 用于计算一组变量间的协方差或相关系数矩阵；4、命令 pwcorr 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： pwcorrvarlist ,sig5、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： corrtblvarlist ,corrvars (varlist)输出结果中，上三角为 Spearman 相关系数和显著水平，下三角为 Pearson 系数和显著水平。（二）输出相关系数表到 word 或 E
10、xcel 中例如：logout, save(mytable) word replace: pwcorr_a price mpg rep78 headroom trunk, star1(0.01) star5(0.05) star10(0.1)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）depvar indepvars 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：hettest2、判断异方差的标准：看 P 值的大小来判断，如果 P 值小于 0.05，则
11、不能排除异方差的可能，上图中 P 值等于0.45840.05，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“,r ”或者“,robust”即可。经异方差处理后的回归不显示调整后的 R2（adj-R 2） ，如果要查看调整后的 R2，再输入命令：di e(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：sw reg depvar indepvar, pr(0.05)2、对于含二
12、次项的，使用“ 对中”的方法，既可以保留二次项，又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：sum vargen var1=var-r(mean)gen var2=var2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（内生性是指自变量与误差项之间有关系）1、内生性的检验：ovtest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可能，上图中 P 值等于0.47170.05，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内生性的三个来源：测量误差、遗漏变量和双向因果。1、变
13、量的内生性。这个是没有办法单独检验的。当有合适工具变量时候，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 Partial R2。4、估计方法stata 里面有这么几个 2sls，2sls smal、liml 、gmm，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】webuse hsng2*Fit a regression via 2SLS, requ
14、esting small-sample statisticsivregress 2sls rent pcturban (hsngval = faminc iregion), small*Fit a regression using the LIML estimatorivregress liml rent pcturban (hsngval = faminc iregion)*Fit a regression via GMM using the default heteroskedasticity-robust weight matrixivregress gmm rent pcturban
15、(hsngval = faminc iregion)*Fit a regression via GMM using a heteroskedasticity-robust weight matrix, requesting nonrobust standard errorsivregress gmm rent pcturban (hsngval = faminc iregion), vce(unadjusted)*检验estata firststage ,all forcenonrobust 可以查看第一阶段 F 值，已经 partial R2estat overid 查看是否过度识别 est
16、at endogenous 查看是否异方差regress 2sls rent pcturban hsngvalest store m1ivregress 2sls rent pcturban (hsngval = faminc iregion)est store m2hausman m1 m2 内生检验八、线性方程组的回归分析命令格式：sureg(depvar1 varlist1)(depvar2 varlist2)(depvarN varlistN) if in weigh九、联立方程组命令格式：reg3 (depvar1 varlist1)(depvar2 varlist2)(depvar
17、N varlistN) 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：xtreg depvar indepvars if in ,feFE_options随机效应命令格式：xtreg depvar indepvars if in ,reFE_optionshausman 检验固定效应还是随机效应？【例子】xtreg y var1 var2 var3，feest store fextreg y var1 var2 var3，reest store rehausman fe re,sigmamorehausman fe re,sigmaless*sigmamo
18、re 利用有效估计量方差，即 re*sigmaless 利用一致估计量方差，即 fe十一：Stata 回归结果的导出1、在命令窗口中输入：ssc install esttab，安装命令 esttab 2、 reg 回归3、 esttab using filename.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 0.001，0.01 和 0.05，若要改成 0.01，0.05 和 0.1，则输出 esttab m1 m2 using aaa.rtf, star
19、(* 0.10 * 0.05 * 0.01)。4、批量输出回归结果：每运行一个 regression，存起来：est store m1。m1 是你要改的，第一个 model 所以我叫 m1，第二个的话指令就变成 est store m2，依次类推，最后运行指令：esttab m1 m2 . using test.rtf。esttab m11111 using aaaaa.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：ssc install outreg2
20、use auto,clearvarlistest store m1outreg2 m1 using test.doc,replace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：duplicates drop varlist ,force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：duplicates drop company_id event_date ,force十三、均值 t 检验命令格式：ttest CAR1 = CAR2, unpaired十四、中位数 Z 检验（非参数 Wilcoxon 秩和检验）命令格式：ranksu
21、m var, by(groupvar)groupvar 为分组变量十五、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。help meantab /这个最好用sysuse nlsw88, clearmeantab collgrad wage hours ttl_exp tenure, /over(union) tstat diff noncells 另有一个李春涛老师编写的命令，可以直接标注星号：findit ttable /多变量，两组差异十六、删除有缺失值
22、的样本egen mis = rowmiss(_all)drop if mis条件语句：cond 例如：cond(missing(x), ., cond(x2,50,70) returns . if x is missing, returns 50 if x 2, and returns 70 if x2十七、中心化处理与标准化处理1、安装命令：findit center2、中心化：center varlist （注：生成的新变量默认加前置 ”c_”，可一次对多个变量进行处理）或：center var, g (newvar) （注：只能对一个变量进行中心化，并生成给定名称的新变量）3、标准化：c
23、enter varlist, 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）drop var1-var100 （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】ssc install genicvsysuse auto,cleargenicv length weight f
24、oreign /会生成 4 个交叉项，所有可能情况，并且有 labelreg price length weight length_weight*如果不愿意生成，直接用reg price c.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bys id:g n=_ncount if n=1二十一、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，Using the Kaiser (1974)
25、 characterization of KMO values,0.00 to 0.49 unacceptable0.50 to 0.59 miserable0.60 to 0.69 mediocre0.70 to 0.79 middling0.80 to 0.89 meritorious0.90 to 1.00 marvelousSMC 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estat kmoestat smc确定是否需要进行主成分分析。如果有些 KMO 或者 SMC 值太小，则要考虑
26、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：pca varlist （不清楚就 help pca）2、例如，对 Y 的 5 各指标执行了命令 pca y1 y2 y3 y4 y5 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 predict y1 y2 y3 y4 y5,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 y1, 别 y2、y3、y4、y5 都没生成呢答：直接“predict y
27、1-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 rotate4、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：然后改成这样的数据形式是：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，X1、X2 为自
28、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在 stata 中输入命令：reshape long Y X1 X2,i(id) j(year)回车即可，变为：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 位的代码，在变回字符型后在前面补够不足 6 位的 0。方法：format variable %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
29、：replace x=substr(“000000“+x,-6,6)2、将一个 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“1.10e”而不是我想要的“11010”g y=substr(string(x,“%12.0f“),1,5)3、将字符型转化为数值型命令为：destring var,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：destring varlist, gen(newvarlist) ign
30、ore(“$ ,%”)二十四、分组均分四组：sort varxtile prop=var, nq(x) （括号中的 x 代表分成的 group 数）例如：sort insto_maxtile prop=insto_ma, nq(4)/ 以 insto_ma 的四分位点分成四组sort prop insto_msdegen stdI=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 predict e ,r排列组合计算 ：di comb(3,2),di comb(4,2)6,324C取整：
31、1.ceil(x)，returns the unique integer n such that n-1 x =n. returns x (not “.”) if x is missing, meaning that ceil(.a) = .a2.floor(x),returns the unique integer n such that n= x n + 1, returns x (not “.”) if x is missing, meaning that floor(.a) = .a3.int(x), returns the integer obtained by truncating x toward 0; thus, int(5.2) = 5，int(-5.8) =-5， returns x (not “.”) if x is missing, meaning that int(.a) = .a。One way to obtain the closest integer to x is int(x+sign(x)/2), which simplifies to int(x+0.5) for x 0. However, use of the round() function is preferred
