stata数据导入

数据导入和导出之导入数据

一、从键盘键入数据（Entering Data From the Keyboard）

数量不大用手采集的数据，推荐通过键盘输入这些数据。

1、第一步打开一个临时的电子数据表窗口（空组窗口）用以输入数据。为此，从主菜单选择Quick/Empty Group (Edit Series)，打开一个未命名的空组窗口。

2、第二步建立并命名序列。点击空组窗口右侧滚动条上向上箭头一次，在左列显示出第二obs标签。这第二个obs标签所在的行，就是我们可以键入和编辑多个序列名的地方。选中待输入第一个序列名的位置（即点击第二个obs的右侧的第一个单元），在工具条下的命令行键入第一个序列名并按ENTER。这个键入的序列名称从命令行消失，出现在第一个和第二个obs的右侧的第一个单元中，成为第一列待输入的序列名。它们下面的各个元格中出现NA编码，等待输入数据。

3、在后续列上重复选定键入序列名的操作一次就增加一个序列。 在空组中重命名序列，选择决定重命名的序列名，进行编辑并按回车。EViews提示对重命名进行确认。

4、点击相应的单元，键入数据。按回车后，光标进入下一个单元。根据使用者的偏好也可用光标键在电子数据表中定位。

5、完成数据输入

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

体测数据导入:第85行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第86行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第90行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第91行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第118行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第130行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第266行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第267行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第268行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第269行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第270行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第271行，第13列50米跑：值必须在5

调用用下面的方法可以将要素类从sde导出到shp或者mdb 或者从三个中的任意一个导出到另外一个。方法是：

///

调用用下面的方法可以将要素类从sde导出到shp或者mdb 或者从三个中的任意一个导出到另外一个。方法是：

///

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

体测数据导入:第85行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第86行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第90行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第91行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第118行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第130行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第266行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第267行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第268行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第269行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第270行，第13列50米跑：值必须在5.0~20.0范围内 体测数据导入:第271行，第13列50米跑：值必须在5

STATA 面板数据模型估计命令一览表

一、静态面板数据的STATA处理命令

（一）数据处理

输入数据

●tsset code year 该命令是将数据定义为“面板”形式 ●xtdes 该命令是了解面板数据结构

●summarize sq cpi unem g se5 ln 各变量的描述性统计（统计分析） ●gen lag_y=L.y /////// 产生一个滞后一期的新变量 gen F_y=F.y /////// 产生一个超前项的新变量 gen D_y=D.y /////// 产生一个一阶差分的新变量 gen D2_y=D2.y /////// 产生一个二阶差分的新变量

（二）模型的筛选和检验

●1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型） ●xtreg sq cpi unem g se5 ln,fe

对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。

●2、

STATA 面板数据模型估计命令一览表

一、静态面板数据的STATA处理命令

（一）数据处理

输入数据

●tsset code year 该命令是将数据定义为“面板”形式 ●xtdes 该命令是了解面板数据结构

●summarize sq cpi unem g se5 ln 各变量的描述性统计（统计分析） ●gen lag_y=L.y /////// 产生一个滞后一期的新变量 gen F_y=F.y /////// 产生一个超前项的新变量 gen D_y=D.y /////// 产生一个一阶差分的新变量 gen D2_y=D2.y /////// 产生一个二阶差分的新变量

（二）模型的筛选和检验

●1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型） ●xtreg sq cpi unem g se5 ln,fe

对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。

●2、

1

子程序名 返回值类型 公开 备注
通用Excel文件导入向导_打开并读入EXCEL文件 逻辑型
参数名 类型 参考 可空 数组 备注
参数_Excel文件 文本型
如果 (通用Excel文件导入向导_通用取EXCEL文件表名 (参数_Excel文件) ＝ 真)
如果 (Excel数据库连接.连接 (“DBQ=” ＋ 参数_Excel文件 ＋ “;Driver={Microsoft Excel Driver (*.xls)};”) ＝ 真)
返回 (Excel记录集.置连接 (Excel数据库连接))
否则
向导_编辑框_文件地址.内容 ＝ “”
返回 (假)
如果结束
否则
信息框 (“当前Excel文件的版本太低，请用Office2000或以上版本的Excel重新保存后再次尝试！”, #错误图标, 集_信息框标题)
返回 (假)
如果结束
子程序名 返回值类型 公开 备注
通用Excel文件导入向导_通用取EXCEL文件表名 逻辑型 核心代码！！！循环读出EXCEL数据表名，成功返回真！
参数名 类型 参考 可空 数组 备注
参数_EXCEL文件 文本型

变量名 类型 静态 数组 备注
部_数据库对象 对象

方法一（适用点多的情况）：

（From: http://tieba.http://www.wodefanwen.com//f?kz=609450631）

第一步先在EXCEL里输入坐标点

因为EXCEL在做一组数据的时候可以进行填充，省去你不必要的键盘输入，另外在必须手工输入的情况下，在EXCEL里编辑，也是方面核对和保存的。

XYZ值都输入完以后，存盘，一会再用。

然后找到

catia安装位置里的

\\intel_a\\code\\command\\GSD_PointSplineLoftFromExcel.xls 此文件中间会包含一些语句，你需要把你刚才输入过的坐标点， 复制粘贴到StartCurve和EndCurve中间，如下图 StartCurve

内容（刚才编辑好的坐标点） EndCurve

比如有100个坐标点，那么内容部分就是100行。

注意，一般GSD_PointSplineLoftFromExcel.xls这个文件里有三组StartCurve和EndCurve

你随便用一组即可，然后把其他的行删除掉。 他存有三组的意思是可以同时处理几批数据

回到catia，把文件创建好，把工作光标设定到几何图形集

STATA 面板数据模型估计命令一览表

一、静态面板数据的STATA处理命令

（一）数据处理

输入数据

●tsset code year 该命令是将数据定义为“面板”形式 ●xtdes 该命令是了解面板数据结构

●summarize sq cpi unem g se5 ln 各变量的描述性统计（统计分析） ●gen lag_y=L.y /////// 产生一个滞后一期的新变量 gen F_y=F.y /////// 产生一个超前项的新变量 gen D_y=D.y /////// 产生一个一阶差分的新变量 gen D2_y=D2.y /////// 产生一个二阶差分的新变量

（二）模型的筛选和检验

●1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型） ●xtreg sq cpi unem g se5 ln,fe

对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。

●2、