stata软件

SPSS和STATA软件运行步骤

一、SPSS软件对镇级土地利用进行聚类分析过程

1、安装。把SPSS安装包复制到电脑中。 2、打开。找到安装包中的

应用程序，双击打开，即可运行SPSS。

3、运行软件。SPSS运行窗口打开后，有一个类似Excel表格的“数据编辑器”窗口，可以直接复制粘贴数据在SPSS中运行。同时还有一个“输出”的界面，这是方便在进行操作之后查看结果的。下面会说到。

4、复制数据。直接复制粘贴。注意从第一格开始复制数据就可以了。 5、修改变量名称。因为SPSS会自动把复制在“数据编辑器”中的变量命名，其命名方式是“VAR00001”，这在实际运行中不太方便，经常会出现运行不了的情况，因此需要自己更改变量名称。步骤：在数据编辑器中的左下角，可以看到

，点击“变量视图”，可以看到如下窗口：

，双击“名称”一列中的数值，

就可以按照自己的命名方式进行命名，需要注意的是，SPSS中的变量名称只能用英文和数字组成（与STATA不一样，STATA可以使用全英文的变量命名方式），因此一般是命名为name1、name2····即可， 6、进行数据分析。重新点击回“数据视图”。看到如Excel一样的窗口。点击“分析”一栏。可以看到下面有很多分析方法

.sysuse auto,clear 从内存中调一笔数据

.help sysuse 帮助菜单 help+其他单词 都弹出帮助菜单 .sysuse dir 出来的结果 ↓

.auto.dta census.dta fscstage1.dta network1.dta strepto.dta voter.dta autornd.dta cholesterol.dta gnp96.dta network1a.dta telomerase.dta xrcise4deprsn.dta bcg.dta citytemp.dta

haloperidol.dta nlsw88.dta tsline1.dta xtline1.dta bplong.dta citytemp4.dta lifeexp.dta nlswide1.dta tsline2.dta bpwide.dta educ99gdp.dta lubin97.dta pop2000.dta

uslifeexp.dta cancer.dta fleiss.dta magn

数据的描述

（一） 频数分布 tabulate a

tabulate a,missing(或者m) 将缺失值与其它数值同样对待，即显示缺失值的频数分布 tabulate a,nofreq 不输出频数

tabulate a,nolabel 不展示变量标签

tabulate a,plot 生成变量a的频数分布，同时生成一个简单的分布图形 by urban,sort:tabulate girl

tabulate age,nolabel missing plot

tab 后面最多两个变量

tab1 可接多个变量，但只能分别生成单个变量的频数分布 tab2 a b c 生成a与b，b与c，a和c的交叉频数表

tab girl enroll,chi2 column row miss nokey 两个变量的卡方（验证是否关联）；列变量百分比，行变量百分比，缺失变量百分比，压缩单元格内容的提示

（二） 变量的中央趋势与离散趋势 sum

sum age,detail

sort urban

by urban:sum height

（三） 其他方法

1. 使用table命令描述数据

Table urban,contents(mean height

Stata语句1 1.reg y x1 x2 predict xxx predict newvar, stdp predict aaa，re predict newvar, stdr predict newvar, xb 量的预测值。

predict newvar, residual test x1

值为回归报告中t值平方。test x1=x2 test x1*a=x2*b 系。

2.tab x1,gen(x1) gen fsize1=fize==1 则为零。下同。 gen fsize2=fsize==2 gen fsize3=fsize==3 gen fsize4=fsize==4 gen fsize5=fsize>=5 3.reg y x1 x2 x3,level(99) 返回先前回归中因变量的拟合值，xxx随意变量名。 预测拟合值的标准差

返回先前回归中因变量的残差， aaa为随意变量名。 预测残差的标准差

产生一个新变量其值为由上面回归方程计算的被解释变

产生一个新变量其值为由上面回归方程计算出的残差 检验

第一章 Stata 概貌

§1.1 Stata的功能、特点和背景

Stata是一个用于分析和管理数据的功能强大又小巧玲珑的实用统计分析软件，由美国计算机资源中心（Computer Resource Center）研制。从1985至1998的十四年时间里，已连续推出1.1，1.2，1.3，1.4，1.5，??及2.0，2.1，3.0，3.1，4.0，5.0，6.0等多个版本，通过不断更新和扩充，内容日趋完善。它同时具有数据管理软件、统计分析软件、绘图软件、矩阵计算软件和程序语言的特点，又在许多方面别具一格。Stata融汇了上述程序的优点，克服了各自的缺点，使其功能更加强大，操作更加灵活、简单，易学易用，越来越受到人们的重视和欢迎。

Stata的突出特点是只占用很少的磁盘空间，输出结果简洁，所选方法先进，内容较齐全，制作的图形十分精美，可直接被图形处理软件或字处理软件如WORD等直接调用。 一、 Stata的数据管理能力

1. Stata的数据管理空间受计算机的操作系统和计算机扩展内存的影响。对640k内存的微机，3.1

版本的Stata可以管理2400个记录×99个变量，并随计算机扩展内存的增加而增加；对4.0的WINDOWS版本，Stata可以

1.一般检验

假设系数为0， t比较大则拒绝假设，认为系数不为0. 假设系数为0，P比较小则拒绝假设，认为系数不为0. 假设方程不显著，F比较大则拒绝假设，认为方程显著。 2.小样本运用OLS进行估计的前提条件为：

（1）线性假定。即解释变量与被解释变量之间为线性关系。这一前提可以通过将非线性转换为线性方程来解决。

（2）严格外生性。即随机扰动项独立于所有解释变量：与解释变量之间所有时候都是正交关系，随机扰动项期望为0。(工具变量法解决)

（3）不存在严格的多重共线性。一般在现实数据中不会出现，但是设置过多的虚拟变量时，可能会出现这种现象。Stata可以自动剔除。

（4）扰动项为球型扰动项，即随即扰动项同方差，无自相关性。

3.大样本估计时，一般要求数据在30个以上就可以称为大样本了。大样本的前提是 （1）线性假定

（2）渐进独立的平稳过程

（3）前定解释变量，即解释变量与同期的扰动项正交。 （4）E（XiXit）为非退化矩阵。

（5）gt为鞅差分序列，且其协方差矩阵为非退化矩阵。

与小样本相比，其不需要严格的外生性和正太随机扰动项的要求。

4.命令

稳健标准差回归：reg y x1 x2 x3, rob

Stata 命令合集

一、简单操作 ①

Cd bak 定义根目录

Set memory 50m 设置软件使用内存

②编辑复制数据

Data——Data Editor——Data Editor（Edit） 一般选择第2个： Treat first row as variable names encode province,gen(id) 把字符转化成数值 ③打开已经保存的文件 clear

use mg mg表示文件名

④xtset 定义面板数据 （tsset定义时间序列数据） xtset province year

⑤统计量信息（原始数据的统计性描述） Sum ⑥取对数

单个变量：gen lnc=ln(c) gen lny=ln(y) gen lnmg=ln(mg) 所有变量：foreach v of varlist c-mg {

gen ln`v’=ln(`v’) 注意不是左边的`不是单引号 } c-mg为所有变量 ⑦单位根检验 xtunitroot llc lnc

(lnc为变量名称，llc为单位根检验方法) 一阶差分：gen dlnc=d.lnc ⑧相关系

1.一般检验

假设系数为0， t比较大则拒绝假设，认为系数不为0. 假设系数为0，P比较小则拒绝假设，认为系数不为0. 假设方程不显著，F比较大则拒绝假设，认为方程显著。 2.小样本运用OLS进行估计的前提条件为：

（1）线性假定。即解释变量与被解释变量之间为线性关系。这一前提可以通过将非线性转换为线性方程来解决。

（2）严格外生性。即随机扰动项独立于所有解释变量：与解释变量之间所有时候都是正交关系，随机扰动项期望为0。(工具变量法解决)

（3）不存在严格的多重共线性。一般在现实数据中不会出现，但是设置过多的虚拟变量时，可能会出现这种现象。Stata可以自动剔除。

（4）扰动项为球型扰动项，即随即扰动项同方差，无自相关性。

3.大样本估计时，一般要求数据在30个以上就可以称为大样本了。大样本的前提是 （1）线性假定

（2）渐进独立的平稳过程

（3）前定解释变量，即解释变量与同期的扰动项正交。 （4）E（XiXit）为非退化矩阵。

（5）gt为鞅差分序列，且其协方差矩阵为非退化矩阵。

与小样本相比，其不需要严格的外生性和正太随机扰动项的要求。

4.命令

稳健标准差回归：reg y x1 x2 x3, rob

经济数据的特点与类型。

1、横截面数据：多个经济个体的变量在同一时间点上的取值，如2012年中国各省的GDP 2、时间数列数据：指的是某个经济个体的变量在不同时点上的取值，如1978-2012年山东省每年的GDP

3、面板数据：多个经济个体的变量在不同时点上的取值，如1978-2012年中国各省的GDP

小样本OLS（最小二乘法）：单一方程线性回归最常见方法

条件：解释变量与扰动项正交、扰动项无自相关、同方差。 拟合优度：衡量线性回归模型对样本数据的拟合程度（R2），越高说明模型拟合程度越好。

单系数T检验：对回归方程扰动项的具体概率进行假设

显著性水平进行检验

F检验：整个回归方程是否显著 STATA操作简介：

如果数据中包含1949-10-01或1949/10/01的时间变量，导入stata后可能会被视为字符串，因此对于日度数据，可以使用命令gen newvar=date(varname,YMD),将其转换为整数日期变量，其中YMD说明原始数据的格式为年月日，如果原始数据的格式为月日年则使用MDY；对于月度数据则gen newvar=monthly(varname,YM)。

.describe：数据的概貌 .dro

第1章 Stata入门简介 .............................................. 3 1.1 Stata简介 ..................................................... 3 1.2 Stata的界面 ................................................... 4

1.2.1 Stata的菜单 ............................................. 4 1.2.2 Stata的工具栏 ........................................... 5 Stata菜单下方的如图1-3............................................. 5

1.2.1 Stata的窗口 ............................................. 6 第2章 Stata的基本操作 ............................................ 8 2.1 Stata数