Stata统计分析命令.docx
- 文档编号:959745
- 上传时间:2022-10-14
- 格式:DOCX
- 页数:14
- 大小:95.42KB
Stata统计分析命令.docx
《Stata统计分析命令.docx》由会员分享,可在线阅读,更多相关《Stata统计分析命令.docx(14页珍藏版)》请在冰豆网上搜索。
Stata统计分析命令
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:
stata11.0,在命令窗口输入“finditwinsor”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:
winsorvar1,gen(newvar)p(0.01)
或者在命令窗口中输入:
sscinstallwinsor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:
,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:
winsorizeJvar1var2var3,suffix(w)即可,这样会生成三个新变量,var1wvar2wvar3w,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:
winsorizeJvar1var2var3,suffix(w)cuts(595)。
3、Excel中的极端值处理:
(略)
winsor2命令使用说明
简介:
winsor2winsorizeortrim(iftrimoptionisspecified)thevariablesinvarlistatparticularpercentilesspecifiedbyoptioncuts(##).Indefult,newvariableswillbegeneratedwithasuffix"_w"or"_tr",whichcanbechangedbyspecifyingsuffix()option.Thereplaceoptionreplacesthevariableswiththeirwinsorizedortrimmedones.
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:
*-winsorat(p1p99),getnewvariable"wage_w"
.sysusenlsw88,clear
.winsor2wage
*-left-trimmingat2thpercentile
.winsor2wage,cuts(2100)trim
*-winsorvariablesby(industrysouth),overwritetheoldvariables
.winsor2wagehours,replaceby(industrysouth)
使用方法:
1.请将winsor2.ado和winsor2.sthlp放置于stata12\ado\base\w文件夹下;
2.输入helpwinsor2可以查看帮助文件;
二、描述性统计
1、summarize
命令格式:
su、sum或者summarize[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][,options]
options选项:
stat(statname)表示设定所需要的统计量
col(stat)或c(s)表示将结果报表转置
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:
tabstat[varlist],stat(countmeansdmedianminmaxrange)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)wordreplace:
sum
用tabstat做的描述性统计:
logout,save(miaoshutongji)wordreplace:
tabstat[varlist],stat(countmeansdmedianminmaxrange)col(stat)
分组描述:
bysortvar:
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:
spearman[varlist],stats(rhop)
3、在Stata中,命令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:
pwcorr[varlist],sig
5、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:
corrtbl[varlist],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Excel中
例如:
logout,save(mytable)wordreplace:
pwcorr_apricempgrep78headroomtrunk,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)depvarindepvars[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:
hettest
2、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,则不能排除异方差的可能,上图中P值等于0.4584>0.05,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-R2),如果要查看调整后的R2,再输入命令:
die(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:
swregdepvarindepvar,pr(0.05)
2、对于含二次项的,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:
sumvar
genvar1=var-r(mean)
genvar2=var^2
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0.4717>0.05,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PartialR2。
4、估计方法
stata里面有这么几个2sls,2slssmal、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】
webusehsng2
*Fitaregressionvia2SLS,requestingsmall-samplestatistics
ivregress2slsrentpcturban(hsngval=faminciregion),small
*FitaregressionusingtheLIMLestimator
ivregresslimlrentpcturban(hsngval=faminciregion)
*FitaregressionviaGMMusingthedefaultheteroskedasticity-robustweightmatrix
ivregressgmmrentpcturban(hsngval=faminciregion)
*FitaregressionviaGMMusingaheteroskedasticity-robustweightmatrix,requestingnonrobuststandarderrors
ivregressgmmrentpcturban(hsngval=faminciregion),vce(unadjusted)
*检验
estatafirststage,allforcenonrobust\\\可以查看第一阶段F值,已经partialR2
estatoverid\\\查看是否过度识别
estatendogenous\\\查看是否异方差
regress2slsrentpcturbanhsngval
eststorem1
ivregress2slsrentpcturban(hsngval=faminciregion)
eststorem2
hausmanm1m2\\\内生检验
八、线性方程组的回归分析
命令格式:
sureg(depvar1varlist1)(depvar2varlist2)…(depvarNvarlistN)[if][in][weigh]
九、联立方程组
命令格式:
reg3(depvar1varlist1)(depvar2varlist2)…(depvarNvarlistN)[if][in][weigh]
十、面板数据的固定效应和随机效应
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Stata 统计分析 命令
![提示](https://static.bdocx.com/images/bang_tan.gif)