stata练习题

【习题】

1. 使用auto 数据，请使用两种方法在结果窗口列出所有观测值所有变量的值。

2. 请写出stata 的基本语法结构，并且解释其各个组成部分的含义。

3. 使用auto 数据，请使用三种方法对国内国外汽车价格进行描述性统计分析。

4. 使用nhanes2数据，利用倒数10个观测值估计模型height=a0+a1sex+a2race+a3age[提示：

该模型估计命令为reg]

5. 使用auto 数据，使用倒数50个观测值中属于国内的子数据集，估计模型price= a0+a1

weight +a2length[提示：该模型估计命令为reg]

6. 使用数据gxmpl3，生成变量dm ，使其当hincome>35000时等于1，不满足该条件时等于

0.

7. 使用数据gxmpl3，根据目前各变量的数值指出，其最优存储类型应为什么？请使用两种

方法将其改为最优存储类型。

8. 请问如果58代表的是以毫秒为单位的时间，那么在stata 中其对应的是哪一秒？如果其

代表的是以日为单位的时间，其对应的是哪一日？以周为单位，对应的是哪一周？以月为单位，对应的是哪一月？以季度为单位，对应的是哪一季度？以半年为单位，对应的是哪一半年？

9. 使用census 数据，使用两种方法生成一字符型变量region2，使该变量的值分别对应

region 中的NE ，N Cntrl, South, West ，根据这一变量，计算西部地区的平均离婚率；之后根据region 计算西部地区的平均离婚率。

10. 将数据census5同census12合并。

11. 检查如下do 文件，请问变量x 为字符型变量还是数值型变量，运行这一结果之后，x 的

值是？

12. 检查如下do 文件，指出其中的错误，并且修改。最后请使用两种方法将此数据集修改

最有效的存储类型。

13. 运行如程序：clear; set obs 2; gen str24 x=”25”.请使用两种方法将变量x 的值生成为数值

型。

14. 请查看如果设定格式长度小于存储字符长度将会怎样？

stata上机实验操作

第六章第二题： 1. 建立完成的教育年数（ED ）对到最近大学的距离（Dist ）的回归： . reg ed dist, robust 斜率估计值是：-0.073 2. reg ed dist bytest female black hispanic incomehi ownhome dadcoll cue80 stwmfg80,robust Dist 对ED 的效应估计是：-0.032 3. 系数下降50%，存在很大差异，（1）中回归存在遗漏变量偏差 4. di e(r2_a)（可看到调整后的R2） 第一问中=0.0074 调整的2R =0.00718796 _cons 13.95586 .0378112 369.09 0.000 13.88172 14.02999 dist -.0733727 .0134334 -5.46 0.000 -.0997101 -.0470353 ed Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust Root MSE = 1.8074 R-squared = 0.0074 Prob > F = 0.0000 F( 1, 3794) = 29.83 Linear regression Number of obs = 3796 . reg ed dist , robust 2R

第二问中=0.2788 2R = 0.27693235 可以得到第二问中的拟合效果要优于第一问。 第二问中相似的原因：因为n 很大。 5. Dadcoll 父亲有没有念过大学： 系数为正（0.6961324）衡量父亲念过大学的学生接受的教育年数平均比其父亲没有年过大学的学生多。 .0232052 -.0517777 1）原因：这些参数在一定程度上构成了上大学的机会成本。 2）它们的系数估计值的符号应该如此。当Stwmfg80增加时，放弃的工资增加，所以大学入学率降低了；因而Stwmfg80的系数对应为负。 而当Cue80增加时，人们会发现找工作很困难，这降低上大学的机会成本，所以平均的大学入学率就会增加；因而Cue80的系数对应为正。 7.带入计算即可（14.75） 8.同7.（14.69） 第七章第二题 1. . reg course_eval beauty,robust 95%置信区间见上表。 2. 2R _cons 3.998272 .0253493 157.73 0.000 3.948458 4.048087 beauty .1330014 .0323189 4.12 0.000 .0694908 .1965121 course_eval Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust Root MSE = .54545 R-squared = 0.0357 Prob > F = 0.0000 F( 1, 461) = 16.94 Linear regression Number of obs = 463

Stata操作入门

Stata软件基本操作和数据分析入门 第一讲Stata操作入门 张文彤赵耐青 第一节概况 Stata最初由美国计算机资源中心（Computer Resource Center）研制，现在为Stata公司的产品，其最新版本为7.0版。它操作灵活、简单、易学易用，是一个非常有特色的统计分析软件，现在已越来越受到人们的重视和欢迎，并且和SAS、SPSS一起，被称为新的三大权威统计软件。 Stata最为突出的特点是短小精悍、功能强大，其最新的7.0版整个系统只有10M左右，但已经包含了全部的统计分析、数据管理和绘图等功能，尤其是他的统计分析功能极为全面，比起1G以上大小的SAS系统也毫不逊色。另外，由于Stata在分析时是将数据全部读入内存，在计算全部完成后才和磁盘交换数据，因此运算速度极快。 由于Stata的用户群始终定位于专业统计分析人员，因此他的操作方式也别具一格，在Windows席卷天下的时代，他一直坚持使用命令行／程序操作方式，拒不推出菜单操作系统。但是，Stata的命令语句极为简洁明快，而且在统计分析命令的设置上又非常有条理，它将相同类型的统计模型均归在同一个命令族下，而不同命令族又可以使用相同功能的选项，这使得用户学习时极易上手。更为令人叹服的是，Stata语句在简洁的同时又拥有着极高的灵活性，用户可以充分发挥自己的聪明才智，熟练应用各种技巧，真正做到随心所欲。

除了操作方式简洁外，Stata的用户接口在其他方面也做得非常简洁，数据格式简单，分析结果输出简洁明快，易于阅读，这一切都使得Stata成为非常适合于进行统计教学的统计软件。 Stata的另一个特点是他的许多高级统计模块均是编程人员用其宏语言写成的程序文件（ADO文件），这些文件可以自行修改、添加和下载。用户可随时到Stata网站寻找并下载最新的升级文件。事实上，Stata的这一特点使得他始终处于统计分析方法发展的最前沿，用户几乎总是能很快找到最新统计算法的Stata程序版本，而这也使得Stata自身成了几大统计软件中升级最多、最频繁的一个。 由于以上特点，Stata已经在科研、教育领域得到了广泛应用，WHO的研究人员现在也把Stata作为主要的统计分析工作软件。 第二节Stata操作入门 一、Stata的界面 图1即为Stata 7.0启动后的界面，除了Windows版本的软件都有的菜单栏、工具栏，状态栏等外，Stata的界面主要是由四个窗口构成，分述如下： 1．结果窗口：位于界面右上部，软件运行中的所有信息，如所执行的命令、执行结果和出错信息等均在这里列出。窗口中会使用不同的颜色区分不同的文本，如白色表示命令，红色表示错误信息。 2．命令窗口：位于结果窗口下方，相当于DOS软件中的命令行，此处用于键入需要执行的命令，回车后即开始执行，相应的结果则会在结果窗口中显示出来。

Stata实验指导书.doc-武汉理工大学

实验指导书 武汉理工大学政治与行政学院 2013年4月

实验一STATA基本介绍 实验目的 掌握什么是STATA？该软件具有什么功能？熟悉STATA菜单各项的含义，数据输入、存储以及数据运算与处理等。 实验内容 1.什么是STATA 2.STATA的菜单 3.数据输入与保存 4、数据文件的合并与汇总 5.数据编辑整理 6.变量重新赋值 7.数据的运算与新变量的生成 8.数据的排序 9.数据分组 基本步骤 当打开STATA后，展现在我们面前的界面如下： 菜单栏共有11个选项，常用的有以下8个选项： 1．文件：文件管理菜单，有关文件的调入、存储、显示和打印等； 2．编辑：编辑菜单，有关文本内容的选择、拷贝、剪贴、寻找和替换等； 3．显示：显示菜单，有关状况栏、工具条、网格线是否显示，以及数据显示的字体类型、大小等设置； 4．数据：数据管理菜单，有关数据变量定义、数据格式选定、观察对象的选择、排序、加权、数据文件的转换、连接、汇总等； 5．转换：数据转换处理菜单，有关数值的计算、重新赋值、缺失值替代等；

6．分析：统计菜单，有关一系列统计方法的应用； 7．图形：作图菜单，有关统计图的制作； 8．使用程序：用户选项菜单，有关命令解释、字体选择、文件信息、定义输出标题、窗口设计等； 实验报告 自己草拟10名学生的序号、姓名、统计学成绩、管理学成绩、每天学习时间特征资料。（以自己的姓名作为第一号，并以自己的名字设为文件名）要求： （1）添加性别数据特征； 粘贴处 （2）按统计学成绩由高到低排序； 粘贴处

（3）按统计学成绩数量标志进行等距分组，并进行汇总统计。 粘贴处 （4）计算生成统计学与管理学两科的总成绩与平均成绩两个变量。 粘贴处

5分钟速学stata面板数据回归(初学者超实用!)

5分钟速学stata面板数据回归（超实用！） 第一步：编辑数据。 面板数据的回归，比如该回归模型为：Y it=β0+β1X1it+β2X2it+β3X3it+εt，在stata中进行回归，需要先将各个变量的数据逐个编辑好，该模型中共有Y X1 X2 X3三个变量，那么先从Y的数据开始编辑，将变量Y的面板数据编辑到stata软件中，较方便的做法是，将excel的数据直接复制到stata软件的数据编辑框中，而excel中的数据需要如下图编辑： 从数据的第二行开始选中20个样本数据，如图：

直接复制粘贴至stata中的data editor中，如图: 第二步：格式调整。 首先，请将代表样本的var1Y变量数据是选20个省份5年的数据为样本，那么口令为rename var1 province 。例如：本例中的Y变量数据编辑接下来需要输入口令为reshape long var,i(province) 其中，var代表的是所有的年份（var2,var3,var4,var5,var6），转化后格式如图： 转化成功后，继续重命名，其中_j这里代表原始表中的年份，var代表该变量的名称

例如，我们编辑的是Y变量的数据，所以口令3和口令4的输入如下： 口令3：rename _j year 口令4：rename var taxi （注：taxi就是Y变量，我们用taxi表示Y） 命名完，数据编辑框如下图所示。 第三步：排序。 例如，本例中的Y变量（taxi），是20个省份和5年的面板数据， 那么口令4为sort province year （虽意思是将province按升序排列，然后再根据排好的province数列排year这一列升序排列。然很多时候在执行sort之前，数据已经符合排序要求了，但为以防万一，请务必执行此操作） 第三步：保存。

Stata上机实验笔记

Stata上机实验 Stata 统计软件包是目前世界上最著名的统计软件之一，国外将Stata与SAS、SPSS 一起被并称为三大权威软件。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，几乎可以完成全部复杂的统计分析工作。 Stata有什么优势？ 1。Stata 的命令语句极为简洁明快，易学易记。 2。强大的帮助信息。 本地帮助 Help 命令名 在线帮助Findit 命令名 3。始终处于计量经济学和统计学的最前沿。许多Stata 程序员会针对计量经济学发展编写一些最新的程序（ADO 文件）， Stata提供了严谨、简练而灵活的程序语句，用户可以编写自己的命令和函数，同时可随时到Stata 网站寻找并下载最新的升级文件。下载后可以直接使用，也可以自行修改、添加功能。（例如当前流行的面板单位根和面板门限数据，均可以安装下载使用） 不同版本对样本容量、变量个数、矩阵阶数、宏的字符长度等有着不同的限制。以SE版为例，其最大变量个数为32767，最大字符长度为244字节，最大矩阵阶数为11000（即11000 11000）。Stata默认值为：最大变量个数为5000，最大矩阵阶数为400，最大内存为10兆。如果用户需要更多的内存或者更多的变量，可以在命令栏输入如下命令进行扩展。 set maxvar 5000 <最大变量个数5000个。> set memory 50m <占内存50兆。> 最重要的有三类文件 1。文件名.dta 数据文件 2。文件名.do 命令文件 3。文件名.ado 程序文件 如果不加改变，安装时Stata会将系统程序安装到： C：\Program file\stata10 中。 将所用系统自带的一些系统数据、应用程序、帮助文件安装到 C：\Program file\stata10\ado\base 中 将所有升级程序安装到： C：\Program file\stata10\ado\update 中 1。所有的系统自带数据可以利用sysuse命令打开。 2。Use命令只能打开 C:\data 或者 D:\data 中的数据。 3。如果需要打开其他文件夹的数据，必须改变目录（例如，将自己的数据放入D:\abc） cd "D:\abc” 或者直接 file------open 特别注意：1。Stata的命令区分大小写。

stata处理面板数据及修正命令集合

步骤一：导入数据 原始表如下， 数据请以时间（1998，1999，2000，2001??）为横轴，样本名（北京，天津，河北??）为纵轴 将中文地名替换为数字。 注意：表中不能有中文字符，否则会出现错误。面板数据中不能有空值。 去除年份的一行，将其余部分复制到stata的data editor中，或保存为csv格式。 打开stata，调用数据。 方法一：直接复制到data editor中。 方法二：使用口令：insheet using??文件路径 调用例如：insheet using? C:\STUDY\paper\taxi.csv 其中csv格式可用excel的“另存为”导出 步骤二：调整格式 首先请将代表样本的var1重命名 口令：rename var1?样本名 例如：rename var1 province ?也可直接在var1处双击，在弹出的窗口中修改: 接下来将数据转化为面板数据的格式 口令：reshape long var, i(样本名) 例如：reshape long var, i(province) 其中var代表的是所有的年份（var2,var3,var4??） 转化成功后继续重命名，其中_j 这里代表原始表中的年份，var代表该变量的名称 口令例如： rename _j year rename var taxi

也可直接在需要修改的名称处双击，在弹出的窗口中修改 步骤三：排序 口令：sort?变量名 例如：sort province year 意思为将province按升序排列，然后再根据排好的province数列排year这一列 最后，保存。 至此，一个变量的前期数据处理就完成了，请如法炮制的处理所有的变量，也就是说每个变量都做一个dta文件。在处理新变量前请使用 口令：clear 将stata重置 步骤四：合并数据 任意打开一个处理过的变量的dta文件作为基础表（推荐使用因变量的dta文件，这里使用so2作为因变量） 口令：?merge?样本名时间?using?文件路径 例如：merge province year using C:\STUDY\paper\taxi.dta ?意思是将taxi的数据添加到so2的数据表中 然后使用 口令：tab _merge 然后使用 口令：drop _merge 将数据表中的_merge一列去掉， 接着重新使用 口令：sort?样本名时间 例如：sort province year 为新生成的表排序。 如法炮制，将所有的变量都添加到基础表中，

stata 1 数据录入

数据录入 在Stata中读入数据可以有三种方式：直接从键盘输入、打开已有数据文件和拷贝、粘贴方式交互数据。 （1）从键盘输入数据 在Stata中可以使用命令行方式直接建立数据集，首先使用input命令制定相应的变量名称，然后一次录入数据，最后使用end语句表明数据录入结束。 例1 在某实验中得到如下数据，请在Stata中建立数据集。 观测数据 X 1 3 5 7 9 Y 2 4 6 8 10 解：此处需要建立两个变量X、Y，分别录入相应数值，Stata中的操作如下，其中划线部分为操作者输入部分。 . drop _all . input x y x y 1. 1 2 2. 3 4 3. 5 6 4. 7 8 5. 9 10 6. end （2）用stata的数据编辑工具 ①进入数据编辑器 进入stata界面，在命令栏键入edit或在stata的window下拉菜单中单击data editor或点击编辑图标(注意：是浏览图标，点击后只能浏览，不能编辑)即可进入stata数据编辑器。（stata界面如下图）

②数据编辑 在空白处输入数据。注：键入数据后要按Enter 在第一列输入数据后，Stata第一列自动命名为var1；在第二列输入数据后，第二列自动命名为var2……依次类推。在输入数据后，双击纵格顶端的变量名栏(如：Var1或Var2处)，可以更改变量名，并可以在label栏中注释变量名的 含义,点击4所示）。仍沿用上例，双击观察值所在列顶端的变量名栏，更改变量名为x，并在label栏中注明“7岁男童身高（cm）”。数据输 入完毕后，单击即可退出编辑器。 ○3指令解释 Preserve：保存已经输入的数据，相当于Word里的Save功能。 Rrstore：撤销所有未保存的数据。 Sort：按某一列数据排序。（注：需先选中某列数据） 《：将某列数据移到左边一列。 》：将某列数据移到右边一列。 Hide：隐藏某列数据。（注：需先选中某列数据） Delete：删除数据。 （3）从Excel中导出数据 首先将EXCEL中的A1-6～D1-6全部24个单元格选中，并复制；然后切换到Stata，选择菜单Window Data Editor，打开数据编辑窗口；点右键选择Paste，相应的数据就会被直接粘贴如数据编辑窗口中，并且变量名、记录数、变量格式等均会被自动正确设置。

STATA面板数据模型操作命令

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 εαβit ++=x y it i it 固定效应模型 μβit +=x y it it εαμit +=it it 随机效应模型 （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、检验时间效应（混合效应还是随机效应）（检验方法：LM统计量） （原假设：使用OLS混合模型） ●qui xtreg sq cpi unem g se5 ln,re (加上“qui”之后第一幅图将不会呈现) xttest0

可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见，随机效应模型也优于混合OLS模型。 ●3、检验固定效应模型or随机效应模型（检验方法：Hausman检验） 原假设：使用随机效应模型（个体效应与解释变量无关） 通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FE or RE的优劣，这需要进行接下来的检验，如下： Step1：估计固定效应模型，存储估计结果 Step2：估计随机效应模型，存储估计结果 Step3：进行Hausman检验 ●qui xtreg sq cpi unem g se5 ln,fe est store fe qui xtreg sq cpi unem g se5 ln,re est store re hausman fe (或者更优的是hausman fe,sigmamore/ sigmaless) 可以看出，hausman检验的P值为0.0000，拒绝了原假设，认为随机效应模型的基本假设得不到满足。此时，需要采用工具变量法和是使用固定效应模型。

Stata面板数据分析

5分钟搞定Stata面板数据分析 简易教程 步骤一：导入数据 原始表如下， 数据请以时间（1998，1999，2000，2001??）为横轴，样本名（北京，天津，河北??）为纵轴 将中文地名替换为数字。

注意：表中不能有中文字符，否则会出现错误。面板数据中不能有空值。 去除年份的一行，将其余部分复制到stata的data editor中，或保存为csv格式。

打开stata，调用数据。 方法一：直接复制到data editor中。 方法二：使用口令：insheet using 文件路径 调用例如：insheet using C:\STUDY\paper\taxi.csv 其中csv格式可用excel的“另存为”导出 如图：

步骤二：调整格式 首先请将代表样本的var1重命名 口令：rename var1 样本名 例如：rename var1 province 也可直接在var1处双击，在弹出的窗口中修改:

接下来将数据转化为面板数据的格式 口令：reshape long var, i(样本名) 例如：reshape long var, i(province) 其中var代表的是所有的年份（var2,var3,var4??） 转化后的格式如图： 转化成功后继续重命名，其中_j 这里代表原始表中的年份，var代表该变量的名称口令例如： rename _j year rename var taxi 也可直接在需要修改的名称处双击，在弹出的窗口中修改 如图：

步骤三：排序 口令：sort 变量名 例如：sort province year 意思为将province按升序排列，然后再根据排好的province数列排year这一列如图：

STATA面板数据模型操作命令讲解

S T A T A 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 εαβit ++=x y it i it 固定效应模型 εαμit +=it it 随机效应模型 （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= αi αi αi εit ~e it ~1-t e i ，8858.0~=θ5.0-~=θ验：是否存在门槛效应 混合面板： reg is lfr lfr2 hc open psra tp gr,vce(cluster sf) 固定效应、随机效应模型 xtreg is lfr lfr2 hc open psra tp gr,fe est store fe xtreg is lfr lfr2 hc open psra tp gr,re est store re hausman fe 两步系统GMM 模型 xtdpdsys rlt plf1 nai efd op ew ig ,lags(1) maxldep(2) twostep artests(2) 注：rlt 为被解释变量，“plf1 nai efd op ew ig ”为解释变量和控制变量； maxldep(2)表示使用被解释变量的两个滞后值为工具变量；pre （）表示以某一个变量为前定解释变量；endogenous （）表示以某一个变量为内生解释变量。 自相关检验：estat abond

stata数据整理常用命令

Stata常用指令 解释 set more off set virtual on 把虚拟内存打开 di exp(3.567) = display Browse the data tabmiss x1 x2 (findit tabmiss) 显示MV的freq与比例 browse var1 var2 (if ….) Look like editor window, but cannot edit listblck in 1/10, repeat(1) (findit listblck) list, 但将版面精缩 repeat(1/n) => 前1(n)个重复出现after row 2 (findit univar) univar chinese math science, boxplot , by(gender) onehdr univar math, by(gender) onehdr boxplot onescal univar (=sum) 但增加q25, midian, q75的呈现get a table with one header onescale才能相比较 Summary Statistics & Tables sum we can use if : eg. (if crime==1) Summarize all variables (mean, SD, freqency) tab x1, sort miss (sort=按照distribution排列; miss=列出MV distribution as well) tab=tabulate ta x1 x2, chi2 miss , nof column (no frequency / column percentage) , row (row percentage) , all (all available statistics) , exact (Fisher’s exact test) Chi2=Pearson chi-square test of independence ta maage_group, plot tab1 x1 x2 x3 x4 = tab x1 / tab x2……. tab2 x1 x2 x3 x4 tab all possible two-way.. ta paedu, sum(crime) By levels of paedu, summarize crime tabstat score, stats(mean sd n max min…) by (subject) median, p10, p25, iqr, q… iqr=interquaritile range=p75-p25 q=quartiles= if we specify p25 p50 p75 table x1 x2, contents(mean y1 median y2) Also min, max….etc…..

stata数据分析

合肥学院 《计量经济与实证分析》实验报告 题目：地区财政收入影响因素 学生姓名：朱盈超学号：1313101023 系别：管理系专业：财务管理 提交时间：2015年11 地区财政收入影响因素 一、实验目的 研究地区财政收入影响的因素有哪些，判断这些因素是否存在多重共线性，并提出解决 二、实验内容 1.用软件计算回归结果 2.根据回归结果判断是否存在多重共线性，提出解决多从共线性的方法

3.判断是否存在其他未被纳入模型的因素 三、实验过程与结论 第一步：构建模型 以财政收入为被解释变量，固定资产投资总额、工业总产值、农林牧渔总产值、社会消费品零售总额以及地区总人口为解释变量建立线性回归模型。 Y=β0 + β1*X1 + β2*X2 + β3*X3 + β4*X4 + β5*X5 + u 其中： Y----财政收入 X1----固定资产投资总额 X2----工业总产值 X3----农林牧渔总产值 X4----社会消费品零售总额 X5----地区总人口 β0、β1、β2、β3、β4、β5----表示待定系数 u----表示随机误差项 第二步：利用stata软件计算回归结果，结果如下： F值71.68, R-square 0.9348 5个变量由T值看均没有通过显著性检验，R平方很大，所以可能存在多重共线性这时的模型方程为Y=96.867+0.665X1-0.0015X2-0.3639X3+0.277X4+0.0345X5+u 第二步进行多重共线性的检验

判断VIF值大小 从结果看出vif=14.83大于10，所以存在多重共线性。下面开始采取补救措施 进行主成分分析 多重共线性检验修正

计量经济学stata上机命令整理

计量经济学上机命令整理 实验一 edit 打开数据编辑器 browse 打开数据浏览器 rename 对变量重新命名 label save describe 对数据集简要描述 sort 排序例如：list in -10/-1 list 显示变量的数值 Generate 缩小：gen 生成新的变量后面可以接if条件句 Replace 替换append 覆盖 Summarize 缩写：su 总结后面可以接if条件句 实验二 twoway (scatter y x)(connected ey_x x) 在该散点图上，做出条件均值点 sc y x||lfit y x 画出线图和散点图 Reg y x 做出回归 Rename ** y **指原变量名用于修改变量名字 graph twoway scatter y x 画出y x 的二维散点图 Line y x 做出y x 的线条图 egen Ey_x=mean(y),by(x) 求在同一x水平下，求y的均值 实验三 Regress y x1 x2 ........做多元回归 Precict e,re 预测方差 Sort e 按照方差排序 Cor y x 测试y与x的相关程度 Pwcorr y x 也是测试y与x的相关程度 Set obs 90 （90为任意一个数字），增加一个或者多个样本值 Replace x=980 in 90 为第90个样本值赋值（980为任意一个数字） Predict yhat 预测y的估计值 Display invttail(n,p) n为自由度；p为概率（一般为0.025）。用来求t分布的t 值 Display ttail(n,t）知道t值求T

Stata 数据分析

Stata 是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式。新版本的STATA采用最具亲和力的窗口接口，使用者自行建立程序时，软件能提供具有直接命令式的语法。Stata提供完整的使用手册，包含统计样本建立、解释、模型与语法、文献等超过一万余页的出版品。[1] 除了之外，Stata软件可以透过网络实时更新每天的最新功能，更可以得知世界各地的使用者对于STATA公司提出的问题与解决之道。使用者也可以透过 Stata Journal 获得许许多多的相关讯息以及书籍介绍等。另外一个获取庞大资源的管道就是Statalist，它是一个独立的listserver，每月交替提供使用者超过1000个讯息以及50个程序。参见“”、“[2]”、“[3]”、“[4]”等。 编辑本段Stata 的统计功能 Stata 的统计功能很强，除了传统的统计分析方法外，还收集了近 20 年发展起来的新方法，如 Cox 比例风险回归，指数与 Weibull 回归，多类结果与有序结果的 logistic 回归， Poisson 回归，负二项回归及广义负二项回归，随机效应模型等。具体说， Stata 具有如下统计分析能力：数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。 分类资料的一般分析：参数估计，列联表分析 ( 列联系数，确切概 率 ) ，流行病学表格分析等。 等级资料的一般分析：秩变换，秩和检验，秩相关等 相关与回归分析：简单相关，偏相关，典型相关，以及多达数十种的回归分析方法，如多元线性回归，逐步回归，加权回归，稳键回归，二阶段回归，百分位数 ( 中位数 ) 回归，残差分析、强影响点分析，曲线拟合，随机效应的线性回归模型等。 其他方法：质量控制，整群抽样的设计效率，诊断试验评价， kappa 等。 编辑本段Stata 的作图功能 Stata 的作图模块，主要提供如下八种基本图形的制作 : 直方图(histogram) ，条形图 (bar), 百分条图 (oneway) ，百分圆图 (pie) ，散点图 (twoway) ，散点图矩阵(matrix) ，星形图 (star) ，分位数图。这些图形的巧妙应用，可以满足绝大多数用户的统计作图要求。在有些非绘图命令中，也提供了专门绘制某种图形的功能，如在生存分析中，提供了绘制生存曲线图，回归分析中提供了残差图等。