Stata分析

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winsorize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：winsoriz

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winsorize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：winsoriz

stata回归分析完整步骤——吐血推荐

****下载连乘函数prod,方法为:findit dm71 sort stkcd date //对公司和日期排序 gen r1=1+r //r为实际公司的股票收益率 gen r2=1+r_yq //r_yq为公司的预期股票收益率

egen r3=prod(r1),by(stkcd date) //求每个公司事件日的累计复合收益率 egen r4=prod(r2),by(stkcd date) //求每个公司事件日的累计预期的复合收益率 gen r=r4-r3

capture clear （清空内存中的数据）

capture log close （关闭所有打开的日志文件） set mem 128m （设置用于stata使用的内存容量）

set more off （关闭more选项。如果打开该选项，那么结果分屏输出，即一次只输出一屏结果。你按空格键后再输出下一屏，直到全部输完。如果关闭则中间不停，一次全部输出。） set matsize 4000 （设置矩阵的最大阶数。我用的是不是太大了？） cd D: （进入数据所在的盘符和文件夹。和dos的命令行很相似。）

log using （文件名）.lo

stata回归分析完整步骤——吐血推荐

****下载连乘函数prod,方法为:findit dm71 sort stkcd date //对公司和日期排序 gen r1=1+r //r为实际公司的股票收益率 gen r2=1+r_yq //r_yq为公司的预期股票收益率

egen r3=prod(r1),by(stkcd date) //求每个公司事件日的累计复合收益率 egen r4=prod(r2),by(stkcd date) //求每个公司事件日的累计预期的复合收益率 gen r=r4-r3

capture clear （清空内存中的数据）

capture log close （关闭所有打开的日志文件） set mem 128m （设置用于stata使用的内存容量）

set more off （关闭more选项。如果打开该选项，那么结果分屏输出，即一次只输出一屏结果。你按空格键后再输出下一屏，直到全部输完。如果关闭则中间不停，一次全部输出。） set matsize 4000 （设置矩阵的最大阶数。我用的是不是太大了？） cd D: （进入数据所在的盘符和文件夹。和dos的命令行很相似。）

log using （文件名）.lo

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

在此处利用两个简单的回归分析案例让初学者学会使用STATA进行回归分析。

STATA版本：11.0

案例1：

某实验得到如下数据

x y

对x y 进行回归分析。

第一步：输入数据（原始方法）

1 4

2

3

4

5

5.5 6.2 7.7 8.5

1.在命令窗口 输入 input x y /有空格 2.回车

得到：

1

3.再输入：

1 4 2 5.5 3 6.2 4 7.7 5 8.5 end

4.输入list 得到

5.输入 reg y x 得到回归结果

回归结果：

y?3.02?1.12x

T= (15.15) (12.32) R2=0.98

解释一下：

SS是平方和，它所在列的三个数值分别为回归误差平方和（SSE）、残差平方和（SSR）及总体平方和（SST），即分别为Model、Residual和Total相对应的数值。 df（degree of freedom）为自由度。

MS为SS与df的比值，与SS对应，SS是平方和，MS是均方，是指单位自由度的平方和。

coef.表明系数的，因为该因素t检验的P值是0.0

第13章 因子分析

因子分析始于1904年Chars Spearman对学生成绩的分析，在经济领域有着极为广泛的用途。在多个变量的变化过程中，除了一些特定因素之外，还受到一些共同因素的影响。因此，每个变量可以拆分成两部分，一是共同因素，二是特殊因素。这些共同因素称为公因子，特殊因素称为特殊因子。因子分析即是提出多个变量的公共影响因子的一种多元统计方法，它是主成分分析的推广。

因子分析主要解决两类问题：一是寻求基本结构，简化观察系统。给定一组变量或观察数据，是否存在一个子集，特别是一个加权子集，来解释整个问题，即将为数众多的变量减少为几个新的因子，以再现它们之间的内在联系。二是用于分类，将变量或样本进行分类，根据因子得分值，在因子轴所构成的空间中进行分类处理。

p个变量X的因子模型表达式为：

X＝f?'?e

f称为公因子，?称为因子载荷。X的相关系数矩阵分解为：

?????'??

对于未旋转的因子，??1。?称为特殊度，即每个变量中不属于共性的部分。

13.1 因子估计

Stata可以通过变量进行因子分析，也可以通过矩阵进行。命令为factor或factormat。

webuse bg2,clear describe

factor bg2cos

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