1.STATA常用命令集-中文版

STATA 常用命令集一、调整变量格式：format x1 %10.3f ——将x1的列宽固定为10，小数点后取三位format x1 %10.3g ——将x1的列宽固定为10，有效数字取三位format x1 %10.3e ——将x1的列宽固定为10，采用科学计数法format x1 %10.3fc ——将x1的列宽固定为10，小数点后取三位，加入千分位分隔符format x1 %10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符format x1 %-10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符，加入“-”表示左对齐。

二、合并数据：use "C:\Documents and Settings\xks\桌面\2006.dta", clearmerge using "C:\Documents and Settings\xks\桌面\1999.dta"——将1999和2006的数据按照样本（observation）排列的自然顺序合并起来use "C:\Documents and Settings\xks\桌面\2006.dta", clearmerge id using "C:\Documents and Settings\xks\桌面\1999.dta" ,unique sort——将1999和2006的数据按照唯一的（unique）变量id来合并，在合并时对id进行排序（sort）建议采用第一种方法。

三、对样本进行随机筛选：sample 50在观测案例中随机选取50%的样本，其余删除sample 50,count在观测案例中随机选取50个样本，其余删除四、查看与编辑数据：browse x1 x2 if x3>3 （按所列变量与条件打开数据查看器）edit x1 x2 if x3>3 （按所列变量与条件打开数据编辑器）五、数据合并（merge）与扩展（append）merge表示样本量不变，但增加了一些新变量；append表示样本总量增加了，但变量数目不变。

one-to-one merge：数据源自stata tutorial中的exampw1和exampw2第一步：将exampw1按v001～v003这三个编码排序，并建立临时数据库tempw1clearuse "t:\statatut\exampw1.dta"su ——summarize的简写sort v001 v002 v003save tempw1第二步：对exampw2做同样的处理clearuse "t:\statatut\exampw2.dta"susort v001 v002 v003save tempw2第三步：使用tempw1数据库，将其与tempw2合并：clearuse tempw1merge v001 v002 v003 using tempw2第四步：查看合并后的数据状况：ta _merge ——tabulate _merge的简写su第五步：清理临时数据库，并删除_merge，以免日后合并新变量时出错erase tempw1.dtaerase tempw2.dtadrop _merge数据扩展append：数据源自stata tutorial中的fac19和newfacclearuse "t:\statatut\fac19.dta"ta regionappend using "t:\statatut\newfac"ta region合并后样本量增加，但变量数不变六、做图茎叶图：stem x1,line(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成两段来显示，前半段为0～4，后半段为5～9）stem x1,width(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成五段来显示，每个小树茎的组距为2）stem x1,round(100) （将x1除以100后再做x1的茎叶图）直方图采用auto数据库histogram mpg, discrete frequency normal xlabel(1(1)5)（discrete表示变量不连续，frequency表示显示频数，normal加入正太分布曲线，xlabel设定x轴，1和5为极端值，(1)为单位）histogram price, fraction norm（fraction表示y轴显示小数，除了frequency和fraction这两个选择之外，该命令可替换为“percent”百分比，和“density”密度；未加上discrete就表示将price当作连续变量来绘图）histogram price, percent by(foreign)（按照变量“foreign”的分类，将不同类样本的“price”绘制出来，两个图分左右排布）histogram mpg, discrete by(foreign, col(1))（按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，两个图分上下排布）histogram mpg, discrete percent by(foreign, total) norm（按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，同时绘出样本整体的“总”直方图）二变量图：graph twoway lfit price weight || scatter price weight（作出price和weight的回归线图——“lfit”，然后与price和weight的散点图相叠加）twoway scatter price weight,mlabel(make)（做price和weight的散点图，并在每个点上标注“make”，即厂商的取值）twoway scatter price weight || lfit price weight,by(foreign)（按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈左右分布）twoway scatter price weight || lfit price weight,by(foreign,col(1))（按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈上下分布）twoway scatter price weight [fweight= displacement],msymbol(oh)（画出price和weight的散点图，“msybol(oh)”表示每个点均为中空的圆圈，[fweight= displacement]表示每个点的大小与displacement的取值大小成比例）twoway connected y1 time,yaxis(1) || y2 time,yaxis(2)（画出y1和y2这两个变量的时间点线图，并将它们叠加在一个图中，左边“yaxis(1)”为y1的度量，右边“yaxis(2)”为y2的）twoway line y1 time,yaxis(1) || y2 time,yaxis(2)（与上图基本相同，就是没有点，只显示曲线）graph twoway scatter var1 var4 || scatter var2 var4 || scatter var3 var4（做三个点图的叠加）graph twoway line var1 var4 || line var2 var4 || line var3 var4（做三个线图的叠加）graph twoway connected var1 var4 || connected var2 var4 || connected var3 var4（叠加三个点线相连图）更多变量：graph matrix a b c y（画出一个散点图矩阵，显示各变量之间所有可能的两两相互散点图）graph matrix a b c d,half（生成散点图矩阵，只显示下半部分的三角形区域）用auto数据集：graph matrix price mpg weight length,half by( foreign,total col(1) )（根据foreign变量的不同类型绘制price等四个变量的散点图矩阵，要求绘出总图，并上下排列】=具）其他图形：graph box y,over(x) yline(.22)（对应x的每一个取值构建y的箱型图，并在y轴的0.22处划一条水平线）graph bar (mean) y,over(x)对应x的每一个取值，显示y的平均数的条形图。

括号中的“mean”也可换成median、sum、sd、p25、p75等graph bar a1 a2,over(b) stack（对应在b的每一个取值，显示a1和a2的条形图，a1和a2是叠放成一根条形柱。

若不写入“stack”，则a1和a2显示为两个并排的条形柱）graph dot (median)y,over(x)（画点图，沿着水平刻度，在x的每一个取值水平所对应的y的中位数上打点）qnorm x（画出一幅分位-正态标绘图）rchart a1 a2 a2（画出质量控制R图，显示a1到a3的取值范围）七、简单统计量的计算：ameans x（计算变量x的算术平均值、几何平均值和简单调和平均值，均显示样本量和置信区间）mean var1 [pweight = var2]（求取分组数据的平均值和标准误，var1为各组的赋值，var2为每组的频数）summarize y x1 x2,detail（可以获得各个变量的百分比数、最大最小值、样本量、平均数、标准差、方差、峰度、偏度）***注意***stata中summarize所计算出来的峰度skewness和偏度kurtosis有问题，与ECELL和SPSS有较大差异，建议不采用stata的结果。

summarize var1 [aweight = var2], detail（求取分组数据的统计量，var1为各组的赋值，var2为每组的频数）tabstat X1,stats(mean n q max min sd var cv)（计算变量X1的算术平均值、样本量、四分位线、最大最小值、标准差、方差和变异系数）概率分布的计算：（1）贝努利概率分布测试：webuse quickbitest quick==0.3,detail（假设每次得到成功案例…1‟的概率等于0.3，计算在变量quick所显示的二项分布情况下，各种累计概率和单个概率是多少）bitesti 10,3,0.5,detail（计算当每次成功的概率为0.5时，十次抽样中抽到三次成功案例的概率：低于或高于三次成功的累计概率和恰好三次成功概率）（2）泊松分布概率：display poisson(7,6).44971106（计算均值为7，成功案例小于等于6个的泊松概率）display poissonp(7,6).14900278（计算均值为7，成功案例恰好等于6个的泊松概率）display poissontail(7,6).69929172（计算均值为7，成功案例大于等于6个的泊松概率）（3）超几何分布概率：display hypergeometricp(10,3,4,2).3（计算在样本总量为10，成功案例为3的样本总体中，不重置地抽取4个样本，其中恰好有2个为成功案例的概率）display hypergeometric(10,3,4,2).96666667（计算在样本总量为10，成功案例为3的样本总体中，不重置地抽取4个样本，其中有小于或等于2个为成功案例的概率）八、检验极端值的步骤：常见命令：tabulate、stem、codebook、summarize、list、histogram、graph box、gragh matrixstep1.用codebook、summarize、histogram、graph boxs、graph matrix、stem看检验数据的总体情况：codebook y x1 x2summarize y x1 x2,detailhistogram x1,norm（正态直方图）graph box x1（箱图）graph matrix y x1 x2,half（画出各个变量的两两x-y图）stem x1（做x1的茎叶图）可以看出数据分布状况，尤其是最大、最小值step2.用tabulate、list细致寻找极端值tabulate code if x1==极端值（作出x1等于极端值时code的频数分布表，code表示地区、年份等序列变量，这样便可找出那些地区的数值出现了错误）list code if x1==极端值（直接列出x1等于极端值时code的值，当x1的错误过多时，不建议使用该命令）list in -20/l（l表示last one，-20表示倒数第20个样本，该命令列出了从倒数第20个到倒数第一个样本的各变量值）step3.用replace命令替换极端值replace x1=? if x1==极端值去除极端值：keep if y<1000drop if y>1000对数据排序：sort xgsort +x（对数据按x进行升序排列）gsort -x（对数据按x进行降序排列）gsort -x, generate(id) mfirst（对数据按x进行降序排列，缺失值排最前，生成反映位次的变量id）对变量进行排序：order y x3 x1 x2（将变量按照y、x3、x1、x2的顺序排列）生成新变量：gen logx1=log(x1)（得出x1的对数）gen x1`=exp(logx1)（将logx1反对数化）gen r61_100=1 if rank>=61&rank<=100（若rank在61与100之间，则新变量r61_100的取值为1，其他为缺失值）replace r61_100 if r61_100!=1（“!=”表示不等于，若r61_100取值不为1，则将r61_100替换为0，就是将上式中的缺失值替换为0）gen abs(x)（取x的绝对值）gen ceil(x)（取大于或等于x的最小整数）gen trunc(x)（取x的整数部分）gen round(x)（对x进行四舍五入）gen round(x,y)（以y为单位，对x进行四舍五入）gen sqrt(x)（取x的平方根）gen mod(x,y)（取x/y的余数）gen reldif(x,y)（取x与y的相对差异，即|x-y|/(|y|+1)）gen logit(x)（取ln[x/(1-x)]）gen x=autocode(x,n,xmin,xmax)（将x的值域，即xmax-xmin，分为等距的n份）gen x=cond(x1>x2,x1,x2)（若x1>x2成立，则取x1，若x1>x2不成立，则取x2）sort xgen gx=group(n)（将经过排序的变量x分为尽量等规模的n个组）egen zx1=std(x1)（得出x1的标准值，就是用(x1-avgx1)/sdx1）egen zx1=std(x1),m(0) s(1)（得出x1的标准分，标准分的平均值为0，标准差为1）egen sdx1=sd(x1)（得出x1的标准差）egen meanx1=mean(x1)（得出x1的平均值）egen maxx1=max(x1)（最大值）egen minx1=min(x1)（最小值）egen medx1=med(x1)（中数）egen modex1=mode(x1)（众数）egen totalx1=total(x1)（得出x1的总数）egen rowsd=sd(x1 x2 x3)（得出x1、x2和x3联合的标准差）egen rowmean=mean(x1 x2 x3)（得出x1、x2和x3联合的平均值）egen rowmax=max(x1 x2 x3)（联合最大值）egen rowmin=min(x1 x2 x3)（联合最小值）egen rowmed=med(x1 x2 x3)（联合中数）egen rowmode=mode(x1 x2 x3) （联合众数）egen rowtotal=total(x1 x2 x3)（联合总数）egen xrank=rank(x)（在不改变变量x各个值排序的情况下，获得反映x值大小排序的xrank）数据计算器display命令：display x[12]（显示x的第十二个观察值）display chi2(n,x)（自由度为n的累计卡方分布）display chi2tail(n,x)（自由度为n的反向累计卡方分布，chi2tail(n,x)=1-chi2(n,x)）display invchi2(n,p)（卡方分布的逆运算，若chi2(n,x)=p，那么invchi2(n,p)=x）display invchi2tail(n,p)（chi2tail的逆运算）display F(n1,n2,f)（分子、分母自由度分别为n1和n2的累计F分布）display Ftail(n1,n2,f)（分子、分母自由度分别为n1和n2的反向累计F分布）display invF(n1,n2,P)（F分布的逆运算，若F(n1,n2,f)=p，那么invF(n1,n2,p)=f）display invFtail(n1,n2,p)（Ftail的逆运算）display tden(n,t)（自由度为n的t分布）display ttail(n,t)（自由度为n的反向累计t分布）display invttail(n,p)（ttail的逆运算）八、给数据库和变量做标记：label data "~~~"（对现用的数据库做标记，"~~~"就是标记，可自行填写）label variable x "~~~"（对变量x做标记）label values x label1（赋予变量x一组标签:label1）label define label1 1 "a1" 2 "a2"（定义标签的具体内容：当x=1时，标记为a1，当x=2时，标记为a2）频数表：tabulate x1,sorttab1 x1-x7,sort（做x1到x7的频数表，并按照频数以降序显示行）table c1,c（n x1 mean x1 sd x1）（在分类变量c1的不同水平上列出x1的样本量和平均值）二维交互表：auto数据库：table rep78 foreign, c(n mpg mean mpg sd mpg median mpg) center row col（rep78，foreign均为分类变量，rep78为行变量，foreign为列变量，center表示结果显示在单元格中间，row表示计算行变量整体的统计量，col表示计算列变量整体的统计量）tabulate x1 x2,all（做x1和x2的二维交互表，要求显示独立性检验chi2、似然比卡方独立性检验lrchi2、对定序变量适用的等级相关系数gamma和taub、以及对名义变量适用的V）tabulate x1 x2,column chi2（做x1和x2的二维交互表，要求显示列百分比和行变量和列变量的独立性检验——零假设为变量之间独立无统计关系）tab2 x1-x7,all nofreq（对x1到x7这七个变量两两地做二维交互表，不显示频数：nofreq）三维交互表：by x3,sort:tabulate x1 x2,nofreq col chi2（同时进行x3的每一个取值内的x1和x2的二维交互表，不显示频数、显示列百分比和独立性检验）四维交互表：table x1 x2 x3,c(ferq mean x1 mean x2 mean x3) by(x4)tabstat X1 X2,by(X3) stats(mean n q max min sd var cv) col(stats)tabstat X1 X2,by(X3) stats(mean range q sd var cv p5 p95 median),[aw=X4]（以X4为权重求X1、X2的均值，标准差、方差等）ttest X1=1count if X1==0count if X1>=0gen X2=1 if X1>=0corr x1 x2 x3（做x1、x2、x3的相关系数表）swilk x1 x2 x3（用Shapiro-Wilk W test对x1、x2、x3进行正太性分析）sktest x1 x2 x3（对x1、x2、x3进行正太性分析，可以求出峰度和偏度）ttest x1=x2（对x1、x2的均值是否相等进行T检验）ttest x1,by(x2) unequal（按x2的分组方式对x1进行T检验，假设方差不齐性）sdtest x1=x2（方差齐性检验）sdtest x1，by(x2)（按x2的分组方式对x1进行方差齐性检验）九、聚类分析：cluster kmeans y x1 x2 x3, k(3)——依据y、x1、x2、x3，将样本分为n类，聚类的核为随机选取cluster kmeans y x1 x2 x3, k(3) measure(L1) start(everykth)—— "start"用于确定聚类的核，"everykth"表示将通过构造三组样本获得聚类核：构造方法为将样本id为1、1+3、1+3×2、1+3×3……分为一组、将样本id为2、2+3、2+3×2、2+3×3……分为第二组，以此类推，将这三组的均值作为聚类的核；"measure"用于计算相似性和相异性的方法，"L1"表示采用欧式距离的绝对值，也直接可采用欧式距离（L2）和欧式距离的平方（L2squared）。