Stata操作入门(中文)

第一讲Stata操作入门

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。

3．命令回顾窗口

即review窗口，位于界面左上方，所有执行过的命令会依次在该窗口中列出，单击后命令即被自动拷贝到命令窗口中；如果需要重复执行，用鼠标双击相应的命令即可。

4．变量名窗口

位于界面左下方，列出当前数据及中的所有变量名称。

除以上四个默认打开的窗口外，在Stata中还有数据编辑窗口、程序文件编辑窗口、帮助窗口、绘

图窗口、Log窗口等，如果需要使用，可以用Window或Help菜单将其打开。

二、数据的录入与储存

Stata为用户提供了简捷，但是非常完善的数据接口，熟悉它的用法是使用Stata的第一步，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。

(2)用Stata的数据编辑工具

②数据编辑

Stata 数据编辑器界面：此时进入了数据全屏幕编辑状态。

图3

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,点击确认（如图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，单击键确认所输数据，按关闭键即可退出编辑器。

数据输入完毕后，单击认所输数据，按关闭键即可退出编辑器。

(3)拷贝、粘贴方式交互数据

Stata的数据编辑窗口是一个简单的电子表格，可以使用拷贝、粘贴方式直接和EXCEL等软件交互数据，在数据量不大时，这种方式操作极为方便。

例2 现在EXCEL中已录入了三个变量，共五条记录，格式见下图，请将数据读入Stata。

解：首先将EXCEL中的A1－C6全部18个单元格选中，选择菜单编辑è复制，将数据拷贝到剪贴板上；

然后切换到Stata，选择菜单Window->Data Editor，打开数据编辑窗口；再选择Edit->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，见图6和图7。

(4)打开已有的数据文件

Stata能够直接打开的数据文件只能是自身专用格式或者以符号分隔的纯文本格式，后者第一行可以是变

量名，分述如下：

①点击图标，然后选择路径和文件名，可以打开Stata专用格式的数据文件，并且扩展名为.dta。

②打开Dta数据文件：该格式文件是Stata的专用格式数据文件，也使用use命令即可打开，例如要打开

，则命令为：

数据文件“C:\data1.dta”

. use c:\data1

即扩展名可以省略，如果Stata中已经修改或者建立了数据集，则需要使用clear选项清除原有数据，命

令为：

. use c:\data1 , clear

②读入文本格式数据：需要使用insheet命令实现，例如需要读入已建立好的文本格式数据文件

“C:d ata1.txt”

，则命令为：

. insheet using c:\data1.txt

该命令会自动识别第一行是否为变量名，以及变量列间的分隔符是tab、逗号还是其他字符。如果Stata 中已经修改或者建立了数据集，则需要使用clear选项清除原有数据，命令为：

. insheet using c:\data1.txt , clear

(5)数据文件的保存

为了方便以后重复使用，输入Stata的数据应存盘。Stata实际上只能将数据存为自身专用的数据格式或

者纯文本格式，分述如下：

①点击图标，然后选择路径和文件名，点击。

②存为dta格式：可以直接使用文件菜单，也可以使用save命令操作，如欲将上面建立的数据文件存

入“C:”中，文件名为Data1.dta，则命令为：

. save c:\data1

file c:\data1.dta saved

该指令将在C盘根目录建立一个名为“data1.dta”

的Stata数据文件，后缀dta可以在命令中省略，会被自

动添加。该文件只能在Stata中用use命令打开。如所指定的文件已经存在，则该命令将给出如下信息：file c:\data1.dta already exists，告诉用户在该目标盘及子目录中已有相同的文件名存在。如欲覆盖已有文件，则加选择项replace。命令及结果如下：

. save c:\data1.dta , replace

file c:\data1.dta saved

3．存为文本格式：需要使用outsheet命令实现，该命令的基本格式如下。

outsheet [变量名列表] using 文件名[, nonames replace ]

其中变量名列表如果省略，则将全部变量存入指定文件。如欲将上面建立的数据文件存入文本文件

中，则命令为：

“C:d ata1.txt”

. outsheet using c:\data1.txt

此时建立的文件data1.txt第一行为变量名，第2-6行为变量值。变量列间用Tab键分隔。如果不希望在

第一行存储变量名，则可以使用nonames选项。如果文件已经存在，则需要使用replace选项。

第二讲统计描述入门

例调查某市1998年110名19岁男性青年的身高/cm资料如下，计算均数、标准差、中位数、百分位数和频数表。

Stata数据结构(读者可以把数据直接粘贴到Stata的Edit窗口)

在介绍统计分析命令之前，先介绍打开一个保存统计分析结果的文件操作：

计算样本的均数、标准差、最大值和最小值

命令1：su 变量名(可以多个变量：即：su 变量名1 变量名2 …　变量名m)命令2：su 变量名,d (可以多个变量:即：su 变量名 1 变量名 2 …　变量名m,d)本例命令su x

本例命令. su x,d

计算百分位数还可以用专用命令centile。

centile 变量名(可以多个变量)，centile(要计算的百分位数) 例如计算P2.5，P97.5等centile 变量名,centile(2.5 97.5)

本例计算P2.5，P97.5，P50，P25，P75。

本例命令. centile x,centile(2.5 25 50 75 97.5)

制作频数表，组距为2，从164开始，

gen f=int((x-164)/2)*2+164 其中int( )表示取整数

tab f 频数汇总和频率计算

作频数图

命令graph 变量,bin(#) norm

其中#表示频数图的组数;norm表示画一条相应的正态曲线(可以不要)本例命令为graph x,bin(8) norm

为了使坐标更清楚地在图上显示，可以输入下列命令

graph x,bin(8) xlabel norm ylabel

图形可以从Stata中复制到word中来，操作如下：

然后到Word中粘贴和编辑，便可以得到所需要的图形。

计算几何均数可以用means 变量名(可以多个变量：即:means 变量1 …变量m) means x

Arithmetic(算术均数) Geometric(几何均数) 调和均数(Harmonic)

作Pie图描述构成比：每一类的频数用一个变量表示，命令：

graph 各类频数变量名,pie

例：下列有2个地区的血型频数分布数据，请用Pie描述：

第1地区血型构成比的Pie图的命令和图

graph a b o ab if area==1,pie

注意逻辑表达式中if area==1是两个等号。

第2地区血型构成比的Pie图的命令和图

graph a b o ab if area==2,pie

两个地区合并后的血型构成比的Pie图的命令和图

正态性检验. swilk 变量名 1 变量名 2 …　变量名m

在上例中的110名19岁男性青年的身高资料正态性检验如下： . swilk x

无效假设H0：资料服从正态分布

备选假设H1：资料不服从正态分布

设α=0.05 (样本比较大时，α取0.05，样本很小时，α取0.1)因此可以认为资料近似服从正态分布。

计量资料统计描述的主要策略小结

若资料近似正态分布，则用均数±标准差描述

若资料偏态分布(频数图明显不对称)，则用中位数(P25——P75)描述

P25——P75称为四分位数范围(Inter-quartile range,IQR)

但在一些临床试验资料统计分析时，往往给出样本均数、标准差、中位数、四分位数范围、最小值和最大值，但对结果的主要解释按照上述策略进行进行。

第三讲概率分布和抽样分布

概率分布累积函数

1. 标准正态分布累积函数norm(X)

2. t分布右侧累积函数ttail(df，X) ，其中df是自由度

3. χ2分布累积函数chi2(df，X) ，其中df是自由度

4. χ2分布右侧累积函数chi2tail(df，X) ，其中df是自由度

5. F分布累积函数F(df1，df2，X)，df1为分子自由度，df2为分母自由度

6. F分布右侧累积函数F(df1，df2，X)，df1为分子自由度，df2为分母自由度

累积函数的计算使用

产生随机数

计算机所产生的随机数是通过一串很长的序列数模拟随机数，故称为伪随机数，在实际应用这些随

机数时，这些随机数一般都能具有真实随机数的所有概率性质和统计性质，因此可以产生许许多多的

序列伪随机数，一个序列的第一个随机数对应一个数，这个数称为种子数(seed)，因此可以利用种子

数，使随机数重复实现。

设置种子数的命令为set seed 数。

每次设置同一种子数，则产生的随机

序列是相同的。

产生(0,1)区间上的均匀分布的随机数uniform()

例如产生种子数为100的20个在(0,1)区间上的均匀分布的随机数，则操作如下：

clear 清除内存

set seed 100 设置种子数为100

set obs 20 设置样本量为20

gen r=uniform() 产生20个在(0，1)区间上均匀分布的随机数。

list 显示这些随机数

结果如下

利用均匀分布随机数进行随机分组：

例：某实验要把20只大鼠随机分为2组，每组10只，请制定随机分组方案和措施。

第一步、把20只大鼠编号，1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，17，18，19，20。并且标明。

第二步、用Stata软件制定随机分组方案，操作如下：

结果如下：

教学应用：考察样本均数的分布。

由于个体变异的原因，样本均数的抽样误差(其定义为样本均数与总体均数的差值)是不可避免的，并且样本均数的抽样误差是呈随机变化的。对于一次抽样而言，无法考察样本均数的抽样误差的

规律性，但当大量地重复抽样，计算每次抽样的样本均数，考察样本均数的随机分布规律性和统计特征。举例如下：

利用计算机模拟产生100000个服从正态分布N(100,6 2)的样本，样本量分别为n =4，n =9，n =16，n=36，每个样本计算样本均数。这里关键处是要清楚什么是样本量(每次抽样所观察的对象个数，也

就是每个样本的个体数n)、什么是样本个数(指抽样的次数)，现以n =4为例，一条记录存放一个样本，样本量n =4，也就是每个样本的第1个数据放在第1列，第2个数据放在第2列，第3个数据放在第3列，第4个数据放在第4列，因此第1行是第一个样本，第2行是第2个样本，第100000行是第100000个样本，计算样本均数放在第5列，因此共有100000个样本均数。具体操作如下：

现共有100000个样本，每个样本计算一个样本均数，因此有100000个样本均数，现在把一个样本均数视为一个数据，把100000个样本均数视为一个样本量为100000的新样本(这个样本里有100000个)，计算这100000个的平均值和标准差：得到：

这100000个的平均值＝99.98388非常接近总体均数μ=100

这100000个的标准差＝3.002225 (理论上可以证明样本均数的总体均数与样本所

在的总体的总体均数相同，样本均数的标准差=)

再考察这100000个的频数图

graph mean,bin(50) xlabel ylabel norm

可以发现正态分布的样本均数仍呈正态分布，峰的位置在μ＝100。再考察这100000个的百分位数

可以发现理论上的百分位数与模拟数据的百分位数非常接近。可以证明：样本量越大，这种的误差小的可能性越大。

由于在实际研究中，只有一个样本，因此只有一个样本均数，无法如模拟数据一样计算样本均数的

标准差，但是一个样本的数据可以计算样本的标准差S近似σ，利用样本均数的标准差关

STATA面板数据模型操作命令要点

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 ε αμit +=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。

Stata12软件的基本设定(设置)

Stata12 软件的基本设定 如果你已经安装了stata12，请直接跳到（6）。 （ 1）将StataSE12.1绿色版.7z解压到D盘根目录，即D:\stata12（注意：是D:\stata12，而 非D:\stata12 \stata12，另外， stata12 是小写）。 （下载地址： https://www.sodocs.net/doc/3f4802929.html,/share/link?shareid=2683949182&uk=3523563089） （2）打开stata12：双击图1中带有蓝色阴影的图标即可。1 图 1stata12 放置界面 （3）关于更新 A 、首次打开 stata12，会弹出对话框，询问你是否需要更新。如果不需要更新，请按下 图进行设定： 图 2首次打开stata12 时的更新设定B（、为了节省时间，这一步可以跳过，对于一般用户而言，更新与否不会影响你的使 用效果）如需把stata12 更新到最新版本，请在command窗口中输入updateal l命令。更新过程大概需要几分钟到几十分钟不等。特别注意的是，更新完毕后，你一定要输入如下 命令，才算是真正完成了stata 的更新： updateswap。这个命令的作用是用新下载的文件覆盖 旧文件。忘记这一步，往往会导致你的stata 丢失变量或出现一些奇怪的现象。 1 你也可以右击这个图标，然后选择“附加到开始菜单”。这样 stata12 的 logo 就会出现在开始 菜单中，每次启动 stata12 就只需从“开始”菜单中单击这个 logo 即可。

（4）关于profile.do文件。每次启动stata12 时，它会自动执行D:\stata12 文件夹下的 profile.do文件，该文件中包含了一系列命令，用于设定stata所占用的内存，各种 文件路径的位置等信息。如果你是按照上述要求放置stata12 文件的，那么启动 stata12 后，屏幕上应该显示如下信息（否则你要检查文件名的拼写是否正确）：running stata12 profi le .do... （ 5）如果你的计算机分区中没有 D 盘，你也可以把stata12 放置于其他盘符下，但需要做一些微小的调整。这里以 F 盘为例，也可以是C， H， K 等其他盘 ①.将 stata12 解压后放置于 F 盘下，即F:\stata12 。注意： stata 是小写。 ②.修改 profile.do 文件，具体方法为 : Step1: 输入 doedit F:\stata12 \prof il e. do命令，打开 profile.do 文件； Step2:将第六行 中的 localD"D" 命令修改为 l ocal D"F"； Step3:保存 profile.do文件，退出stata12，然后重启即可。 ③.若上述设定无误，则在重新打开stata12 后，屏幕第一行会显示如下信息： running stata12profi le .d o... 同时，输入sysdir命令，屏幕上会呈现如下信息( 此时你才能正确使用外部命令)： .sy sdir STATA: F stata12 UPDATES: F stata12 \ado\updat BASE: F stata12 \ado\bas SIT E: F stata12 \ado\s it PLUS: F stata12 \ado\p PERSONAL: F stata12 \ado\personal PartII ：课件的使用方法 Q1. 如何打开课堂上使用的do 文档？ A：请将PX_aufe.rar压缩包解压到D:\stata12\ado\personal 文件夹中，即 D:\stata12\ado\personal\PX_aufe 。若希望练习第一讲中的相关操作，可依次执行如下命令：Step1：在STATA命令窗口中输入cdD:\stata12\ado\personal\PX_aufe命令，定义当前工作 路径（会显示在 STATA 屏幕左下角）； Step2：输入doedit xB01_Panel_Data命令，即可打开第一讲的讲义 xB01_Panel_Data.do 文件。当然，我们也可以通过点击菜单的方式完成 上述操作，步骤如下： Step1：在 STATA 主菜单中点击 “ Newdo-fileEditor ”图标； Step2：在第一步中弹出的“ Do-fileEditor”窗口中点击“O pen”图标，然后到D:\stata12\ado\personal\PX_aufe文件夹下，双击“ xB01_Panel_Data”文件即可打开之。 B：在练习之前，请先执行如下命令，以便进入第一讲所在目录，本讲中使用的所有数 据文件和相关文档都存放于该目录下。请选中下图中第 34-37 行的命令，点击菜单条中第二行中 带有蓝色阴影的按钮（ ExecuteSelection(do) ，快捷键为 Ctrl+D ）。

最新Stata软件基本操作和数据分析入门

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。

[推荐] stata基本操作汇总常用命令

[推荐] Stata基本操作汇总——常用命令 help和search都是查找帮助文件的命令，它们之间的 区别在于help用于查找精确的命令名，而search是模糊查找。 如果你知道某个命令的名字，并且想知道它的具体使用方法，只须在stata的命令行窗口中输入help空格加上这个名字。回车后结果屏幕上就会显示出这个命令的帮助文件的全部 内容。如果你想知道在stata下做某个估计或某种计算，而 不知道具体该如何实现，就需要用search命令了。使用的 方法和help类似，只须把准确的命令名改成某个关键词。回车后结果窗口会给出所有和这个关键词相关的帮助文件名 和链接列表。在列表中寻找最相关的内容，点击后在弹出的查看窗口中会给出相关的帮助文件。耐心寻找，反复实验，通常可以较快地找到你需要的内容.下面该正式处理数据了。我的处理数据经验是最好能用stata的do文件编辑器记下你做过的工作。因为很少有一项实证研究能够一次完成，所以，当你下次继续工作时。能够重复前面的工作是非常重要的。有时因为一些细小的不同，你会发现无法复制原先的结果了。这时如果有记录下以往工作的do文件将把你从地狱带到天堂。因为你不必一遍又一遍地试图重现做过的工作。在stata 窗口上部的工具栏中有个孤立的小按钮，把鼠标放上去会出

现“bring do-file editor to front”，点击它就会出现do文件编 辑器。 为了使do文件能够顺利工作，一般需要编辑do文件的“头”和“尾”。这里给出我使用的“头”和“尾”。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 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）.log,replace （打开日志文件，并更新。日志文件将记录下所有文件运行后给出的结果，如果你修改了文件内容，replace选项可以将其更新为最近运行的结果。）use （文件名）,clear （打开数据文件。）（文件内容）log close （关闭日志文件。）exit,clear （退出并清空内存中的数据。） 实证工作中往往接触的是原始数据。这些数据没有经过整理，有一些错漏和不统一的地方。比如，对某个变量的缺失观察值，有时会用点，有时会用-9，-99等来表示。回归时如果 使用这些观察，往往得出非常错误的结果。还有，在不同的数据文件中，相同变量有时使用的变量名不同，会给合并数

STATA实用教程

文档收集于互联网，已重新整理排版.word版本可编辑,有帮助欢迎下载支持. 第一章接触STATA 小而功能强大；数据存储在内存中，运算速度快；语法简单，结果易读；可编程?cd [direction] /*调整默认目录，当路径中存在空格时要加引号*/ ?set memory [number]/*内存设定，默认单位为KB，可自定MB*/ ?exit /*退出*/ 第二章STATA命令 [prefix:]command[varlist] [=exp.] [if exp.] [using filename] [in range] [weigh:] [, options] 命令前缀命令变量串表达式条件式使用文件个案范围权重选项?var | var#-var## | var* /*表示单变量、多变量、以var开头的变量*/ ?in # | in -# | in #/## /*表示第#个、倒数第#个、从第#到第##个变量*/ ?help commandname/*帮助*/ 第三章使用STATA数据文件 一、读取数据 ?use filename [, clear] /*读取全部数据，选项clear表示清空内存*/ ?use var1 var#using filename /*将数据部分变量读进内存*/ ?use in #/## using filename /*将数据部分个案读进内存*/ ?use if var==# using filename /*将数据特定个案读进内存*/ ?use filename if var==# /*同上*/ 二、数据的标签与注释 ?label data “text”/*标签用于对数据整体的说明,这是贴标签的命令*/ 1文档来源为:从网络收集整理.word版本可编辑.

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 中文教程

Stata介绍 作为流行的计量经济学软件，Stata的功能十分地全面和强大。可以毫不夸张地说，凡是成熟的计量经济学方法，在Stata中都可以找到相应的命令，而这些命令都有许多选项以适应不同的环境或满足不同的需要。即使是最详细的Stata手册，也难免有遗珠之憾，更何况本文仅是一个粗浅的介绍。掌握Stata最好的办法是在实践中学习：Stata 本身提供了非常强大的帮助系统，并且关于Stata的书籍和网络资源都不少。 本文拟根据如下顺序介绍Stata： 1．界面； 2．文件和数据； 3．语法和命令； 4．数据管理； 5．描述统计； 6．画图； 7．回归和回归分析； 8．常用命令。 第3和第4部分是最体现Stata灵活性的地方，也是应用Stata的基础。第5和第6部分介绍如何用Stata完成基本的统计功能。Stata的功能很多，比如回归，曲线拟合，生存分析，主成分分析，因子分析，聚类分析，时间序列分析等等。但回归无疑是其中最重要的功能。第7部分介绍如何用Stata作线性回归和Logistic回归。本文第2和第3部分包含了作者的观点，难免有偏颇之处。其余部分主要来自文献的归纳和总结。限于水平有限，错误在所难免，敬请原谅。

1．界面 图1 Stata界面 Stata有4个窗口： 1． Stata Command（右下）用于向Stata输入命令； 2． Stata Results（右上）用于显示运行结果； 3． Review（左上）记录使用过的命令； 4． Variables（左下）显示当前memory中的所有变量。 窗口上方是工具栏，其上的按钮依次为（从左到右）Open, Save, Print Graph/Print Log, Log Start/Stop/Suspend, Bring Log to Front, Bring Graph to Front, Do-file Editor, Data Editor, Data Browser, Clear –more- condition, Break。其中常用的有Open, Save, Do-file Editor, Data Editor和Data Browser（图1中已用圆圈标出）。它们的使用办法将在下文介绍。 工具栏上方是菜单栏。其中最常用的是Help菜单。 界面左下角显示了Stata的默认路径。Stata使用的数据文件一般存放在该路径下。

Stata操作入门(中文)

第一讲Stata操作入门 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。

STATA实用教程

S T A T A实用教程-CAL-FENGHAI.-(YICAI)-Company One1

第一章接触STATA 小而功能强大；数据存储在内存中，运算速度快；语法简单，结果易读；可编程cd [direction] /*调整默认目录，当路径中存在空格时要加引号*/ set memory [number] /*内存设定，默认单位为KB，可自定MB*/ exit /*退出*/ 第二章 STATA命令 [prefix:]command[varlist] [=exp.] [if exp.] [using filename] [in range] [weigh:] [, options]命令前缀命令变量串表达式条件式使用文件个案范围权重选项var | var#-var## | var* /*表示单变量、多变量、以var开头的变量*/ in # | in -# | in #/## /*表示第#个、倒数第#个、从第#到第##个变量*/ help commandname/*帮助*/ 第三章使用STATA数据文件 一、读取数据 use filename [, clear] /*读取全部数据，选项clear表示清空内存*/ use var1 var# using filename /*将数据部分变量读进内存*/ use in #/## using filename /*将数据部分个案读进内存*/ use if var==# using filename /*将数据特定个案读进内存*/ use filename if var==# /*同上*/ 二、数据的标签与注释 label data “text” /*标签用于对数据整体的说明,这是贴标签的命令*/ notes：“text” /*注释用于记录操作过程，这是写注释的命令*/

stata入门教程

Stata 快速入门 1、Stata的窗口 ?在最上方有一排菜单，即“File Edit Data Graphics Statistics User Window Help”。?左上“Review”（历史窗口）：此窗口记录着自启动Stata以来执行过的命令。?右上“Variables”（变量窗口）：此窗口记录着目前Stata内存中的所有变量。?正上方“Results”（结果窗口）：此窗口显示执行Stata命令后的输出结果。 ?正下方“Command”（命令窗口）：在此窗口输入想要执行的Stata命令。 2、将数据导入Stata ?打开Stata软件后，点击Data Editor(Edit)图标（也可以点击菜单“Window”→“Data Editor”），即可打开一个类似Excel的空白表格。 ?用Excel打开文件“nerlove.xls”，复制文件中的所有数据，并粘贴到Data Editor 中。 ?导入数据的另一方法是，点击菜单“File”→“Import”，然后导入各种格式的数据。但这种方法有时不如直接从Excel表中粘贴数据来得方便直观。 3、变量窗口 ?关闭Data Editor后，即会看到右上方的“Variables”窗口出现了5个变量：?分别为tc（total cost，总成本），q（total output, 总产量），pl（price of labor，小时工资率），pf（price of fuel，燃料价格），与pk（user cost of capital，资本的租赁价格。 4、存为dta数据文件 ?此时，可以点击Save图标（也可以点击菜单“File”→“Save”），将数据存为Stata格式的文件（扩展名为dta），比如nerlove.dta。 ?以后就可以用Stata直接打开这个数据集了（不需要再从Excel表中粘贴过来）。 5、打开dta数据文件 打开的方式有三种： 1.点击Open图标（也可以点击菜单“File”→“Open”），然后寻找要打开的dta 文件的位置。 2.直接双击想要打开的dta文件 3.在命令窗口输入以下命令（假设文件在E盘的根目录）并回车（按Enter键）

Stata软件学习者应该收藏的学习资源

此软文主要面向讲师和做科研的人员，建议发布在此类人员关注的互动性强的网站 Stata软件学习者应该收藏的学习资源 ---- Stata牛人的学习笔记分享（转帖） 前言： 小弟小本，非统计专业科班出身，参加工作才知道原来学的统计知识不够用，在头儿的刺激下开始学习统计软件，计量知识薄弱，为了理清一堆模型，在各经济论坛潜水多时，水平没见涨，倒是收集了不少学习资料。这里转一篇Stata牛人前辈的笔记分享，供广大奋战在软件学习道路上的同学参考+瞻仰 正文如下： 我经常会被问到“Stata好学吗”、“我多长时间能学会Stata”，诸如此类的问题。诚然，相比于SPSS和Eviews等软件，Stata的门槛的确要高一些。然而，问题的关键并不在于Stata本身有多么难学，而在于你在统计和计量方面花费了多少时间，这与学习Stata所需的时间显著负相关。因此，我的回答往往会是：“哦，这个不好说，如果……，其实很简单……”。 相比于十年前，现在学习Stata的资料已经非常丰富了。虽说殊途同归，但不同的学习路径却存在着巨大的效率差异。对于初学者而言，我的建议是，首要的问题是知道“Stata能做什么”，继而才是“Stata如何做什么”。 第一个问题之所以重要，是因为从本质上讲，Stata只是我们完成统计分析的工具而已，因此，其基本平台是否宽广、是否有扩展潜力，以及它提供的分析工具是否能满足你的专业需求，都是你在选择Stata之前需要深入了解的。Stata User’s Guide（400页，中文）对这些问题做出了很好的解答，是一幅绝佳的导航图，能帮助你在短时间内了解Stata的基本架构、语法特征和核心功能。对于第二个问题，则有众多的资料可供参考： (1)网络资源 我精选了一些链接。值得一提的有如下几个： ●Stata官方网站。Stata公司提供的Web resources，涵盖了大量相关网络资源； 其FAQ则提供了各种常见问题的解答；Statalist则是一个类似于人大经济论坛 的免费的讨论区。加入Statalist的方法很简单，你只需要发送邮件至 majordomo@https://www.sodocs.net/doc/3f4802929.html,，邮件内容无需任何称谓，只需写上“subscribe Statalist”的字样即可。接到确认信息后，你便成为一名Statalist的成员了。当 然，即使不加入，你仍然可以浏览，但不能提问。 ●UCLA(加州大学洛杉矶分校)提供的网络教程。该网站提供的Data Management、

计量经济学stata操作指南

计量经济学stata操作（实验课） 第一章stata基本知识 1、stata窗口介绍 2、基本操作 （1）窗口锁定：Edit-preferences-general preferences-windowing-lock splitter （2）数据导入 （3）打开文件：use E:\example.dta,clear （4）日期数据导入： gen newvar=date(varname, “ymd”) format newvar %td 年度数据 gen newvar=monthly(varname, “ym”) format newvar %tm 月度数据 gen newvar=quarterly(varname, “yq”) format newvar %tq 季度数据 （5）变量标签 Label variable tc ` “total output” ’ （6）审视数据 describe list x1 x2 list x1 x2 in 1/5 list x1 x2 if q>=1000 drop if q>=1000 keep if q>=1000 （6）考察变量的统计特征 summarize x1 su x1 if q>=10000 su q,detail su tabulate x1 correlate x1 x2 x3 x4 x5 x6 （7）画图 histogram x1, width(1000) frequency kdensity x1 scatter x1 x2 twoway (scatter x1 x2) (lfit x1 x2) twoway (scatter x1 x2) (qfit x1 x2) （8）生成新变量 gen lnx1=log(x1) gen q2=q^2 gen lnx1lnx2=lnx1*lnx2 gen larg=(x1>=10000) rename larg large

Stata教程(免费)

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可以管理4800个记录×99个变量；对WINDOWS 95下的5.0版本，可根据计算机的配置情况设置变量数和记录数，如32M扩展内存的计算机，可处理2千万个数据。变量数和记录数可以互相交易（trade），即减少记录数可以增加变量数，减少变量数可以增加记录数。 2.可以将分组变量转换成指示变量(哑变量)，将字符串变量映射成数字代码。 3.可以对数据文件进行横向和纵向链接，可以将行数据转为列数据，或反之。 4.可以恢复、修改执行过的命令。 5.可以利用数值函数或字符串函数产生新变量。 6.可以从键盘或磁盘读入数据。 二、 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： 1.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。 2.分类资料的一般分析：参数估计，列联表分析( 2检验，列联系数，确切概率)，流行病学表格分 析等。 3.等级资料的一般分析：秩变换，秩和检验，秩相关等。 4.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。 5.危险度分析：条件和非条件的logistic回归，多类结果与有序结果的logistic回归，Probit回 归，及其他广义线性模型，随机效应的logistic回归，随机效应的Poisson回归，等。 6.生存分析：基线生存曲线的估计、相对危险度的估计，Kaplan-Meier生存曲线、寿命表分析，对 数秩检验，Mantel-Haenszel检验，Wilcoxon-Gehan检验，Cox比例风险模型，正态截尾及Tobit 回归，指数回归和Weibull回归，等。 7.其它方法：质量控制，整群抽样的设计效率，诊断试验评价，kappa，等。 三、 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

STATA高级视频教程简介(连玉君)

STATA高级视频教程简介 培训目的： STATA高级视频教程的目的是使学员熟练使用STATA进行实证分析工作，主要包括： (1) 掌握多种常用的估计方法（如普通最小二乘法、广义最小二乘法、非线性最小二乘法、最大似然估计、IV估计和GMM）； (2) 学会估计和分析时间序列和面板数据常用模型（如单位根检验、协整分析、VAR、固定效应模型、随机效应模型、动态面板模型、面板单位根检验和面板协整分析等等）； (3) 学会编写一个完整的STATA程序； (4) 学会应用STATA进行抽样和模拟分析，包括Bootstrap和Monte Carlo 模拟分析。 课程简介：（详见课程目录） STATA高级视频教程共9讲，共48个视频文件，总计50余个学时。 第1-5讲介绍计量经济学中最为常用的五种估计方法，包括：普通最小二乘法（OLS）、广义最小二乘法（GLS）、非线性最小二乘法（NLS）、最大似然法（MLE）和广义矩估计法（GMM）。 第6讲介绍时间序列模型，包括：ARIMA模型、VAR模型、单位根检验、协整分析、误差修正模型、GARCH模型。这些模型基本上涵盖了宏观时间序列、金融时间序列分析中的常用工具。 第7讲介绍面板数据模型，包括：固定效应模型、随机效应模型、异方差和序列相关、动态面板模型、面板随机系数模型、面板随机前沿模型、面板单位根检验、面板协整分析等。这些模型由浅入深，基本上涵盖了目前文献中使用的多数面板分析方法。 第8讲介绍STATA编程技巧，包括：输入项、输出项的设定，子程序、可分组执行、可重复执行等程序高级功能，以及帮助文件的编写方法。通过本讲的学习，学员将能够独立编写复杂的STATA程序，这些程序和STATA官方提供的程序完全一致。 第9讲介绍自抽样和模拟分析，包括：Bootstrap(自抽样)、组合检验(Permutation tests)、刀切法(Jackknife)和蒙特卡洛模拟。不同于传统的假设检验和统计推断方法，这些方法都是以计算机模拟和抽样为基础的，在最近十年

stata命令大全(全)

*********面板数据计量分析与软件实现********* 说明：以下do文件相当一部分内容来自于中山大学连玉君STATA教程，感谢他的贡献。本人做了一定的修改与筛选。 *----------面板数据模型 * 1.静态面板模型：FE 和RE * 2.模型选择：FE vs POLS, RE vs POLS, FE vs RE （pols混合最小二乘估计） * 3.异方差、序列相关和截面相关检验 * 4.动态面板模型（DID-GMM,SYS-GMM） * 5.面板随机前沿模型 * 6.面板协整分析（FMOLS,DOLS） *** 说明：1-5均用STATA软件实现， 6用GAUSS软件实现。 * 生产效率分析（尤其指TFP）：数据包络分析（DEA）与随机前沿分析（SFA） *** 说明：DEA由DEAP2.1软件实现，SFA由Frontier4.1实现，尤其后者，侧重于比较C-D与Translog 生产函数，一步法与两步法的区别。常应用于地区经济差异、FDI溢出效应（Spillovers Effect）、工业行业效率状况等。 * 空间计量分析：SLM模型与SEM模型 *说明：STATA与Matlab结合使用。常应用于空间溢出效应（R&D）、财政分权、地方政府公共行为等。* --------------------------------- * --------一、常用的数据处理与作图----------- * --------------------------------- * 指定面板格式 xtset id year （id为截面名称，year为时间名称） xtdes /*数据特征*/ xtsum logy h /*数据统计特征*/ sum logy h /*数据统计特征*/ *添加标签或更改变量名 label var h "人力资本" rename h hum *排序 sort id year /*是以STATA面板数据格式出现*/ sort year id /*是以DEA格式出现*/ *删除个别年份或省份 drop if year<1992 drop if id==2 /*注意用==*/ *如何得到连续year或id编号（当完成上述操作时，year或id就不连续，为形成panel格式，需要用egen命令） egen year_new=group(year) xtset id year_new **保留变量或保留观测值 keep inv /*删除变量*/ **或 keep if year==2000 **排序 sort id year /*是以STATA面板数据格式出现 sort year id /*是以DEA格式出现 **长数据和宽数据的转换 *长>>>宽数据 reshape wide logy,i(id) j(year) *宽>>>长数据

5分钟搞定Stata面板数据分析

【原创】5分钟搞定Stata面板数据分析简易教程ver2.0作者：张达 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：

STATA面板数据模型操作命令

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=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着。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着。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，将显着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。 （三）静态面板数据模型估计 ●1、固定效应模型估计 ●xtreg sq cpi unem g se5 ln,fe (如下图所示) 其中选项fe表明我们采用的是固定效应模型，表头部分的前两行呈现了模型的估计方法、界面变量的名称（id）、以及估计中使用的样本数目和个体的数目。第3行到第5行列示了模型的拟合优度、分为组内、组间和样本总体三个层面，通常情况下，关注的是组内（within），第6行和第7行分别列示了针对模型中所有非常数变量执行联合检验得到的F统计量和相应的P值，可以看出，参数整体上相当显着。 需要注意的是，表中最后一行列示了检验固定效应是否显着的F统计量和相应的P值。显然，本例中固定效应非常显着。 ●2、随机效应模型估计