Stata学习笔记和国贸理论总结

Stata学习笔记

一、认识数据

（一）向stata中导入txt、csv格式的数据

1．这两种数据可以用文本文档打开，新建记事本，然后将相应文档拖入记事本即可打开数据，复制

2．按下stata中的edit按钮，右键选择paste special

3．*.xls/*.xlsx数据仅能用Excel打开，不可用记事本打开，打开后会出现乱码，也不要保存，否则就恢复不了。逗号分隔的数据常为csv数据。

（二）网页数据

网页上的表格只要能选中的，都能复制到excel中；网页数据的下载可以通过百度“国家数据”进行搜索、下载

二、Do-file 和 log文件

打开stata后，第一步就要do-file，记录步骤和历史记录，方便日后查看。Stata处理中保留的三种文件：原始数据 (*.dta)，记录处理步骤 (*.do)，以及处理的历史记录 (*.smcl)。

三、导入Stata

Stata不识别带有中文的变量，如果导入的数据第一行有中文就没法导入。但是对于列来说不会出现这个问题，不分析即可（Stata不分析字符串，红色文本显示；被分析的数据，黑色显示）；第一行是英文变量名，选择“Treat first row as variable names”

在导入新数据的时候，需要清空原有数据，clear命令。

导入空格分隔数据：复制——Stata中选择edit按钮或输入相应命令——右键选择paste special——并选择，确定；导入Excel中数据，复制粘贴即可；逗号分隔数据，选择paste special后点击comma，然后确定。

Stata数据格式为 *.dta，导入后统一使用此格式。

四、基本操作（几个命令）

（一）use auto，clear 。在清空原有数据的同时，导入新的auto数据。

（二）browse 。浏览数据。

（三）describe 和 list。查看数据，describe 和 list 使用list命令能使我们根据自己的需要选择数据（例如其与in/if语句的结合使用）。

（四）Scatter。作图命令，scatter 散点图（scatter price mpg ）

（五）Summarize。描述统计，常写作sum/su，求变量的个数、平均值、标准差、最小值和最大值。

（六）generate。生成数据，简写为gen。

（七）replace。修改数据，命令 replace 该命令不推荐使用，一般不会改变原始数据的。剔除缺失值、异常值, 或者批量修改数据均可以通过 replace 命令加上条件语句实现.

（八）Tabstat 。描述性统计，tabstat 变量列表，statistics(统计量列表)

（九）Rename 。对变量更名，rename 旧变量名新变量名。一次只能对一个变量名重命名。

（十）Order 。对变量排序，order变量列表[，选项]

（十一）Sort/gsort 。对观测值排序，sort 变量列表；gsort [+/-]变量，注意，方括号可有可无。Sort是升序排序，当第一个变量出现相同时，才会对第二个变量排序，否则是不会管后面的变量的排序的；gsort（general sort）即可升也可降，视+和-而定。为了保证数据的原始性，为了最后恢复数据排序，一般在排序前，生成新的变量num，最后对num排序就可以恢复。

（十二）Keep/drop 。保留/删除变量或数据，keep/drop 变量列表；keep/drop 条件。注意：请不要随意删除变量或数据，因为可以使用if条件句！（对行改变）每一次只能使用keep 和drop 中的一个命令。

（十三）Count 。按条件对观测值计数，count [条件]，方括号可有可无，直接输入条件。

（十四）Recode 。批量修改观测值，recode 变量列表（规则），括号必须有。规则如下：#=#，比如3=1，值为3的全改为1；#/#=#，比如min/3000=0，3000以下全为0。如果加generate，则会生成新的变量。规则为：recode 变量列表 (规则)（规则）, gen (新变量)。

（十五）Encode/decode。字符串与数值转换，encode变量，generate（新

变量）。将stata不能识别的红色字符串改为数值，而且必须生成新变量，即generate（新变量）不能省。Decode是将label 的数值转换为字符串变量，也必须生成新变量，即generate（新变量）不能省。

（十六）Display。显示字符串/变量值，display 字符串或变量或表达式。By/bysort 分组地重复执行某一命令：by 变量列表；bysort变量列表。By后面一般是一个类别的变量。一般在命令前加by 变量列表：就可以，冒号后的命令碧血是完整的。此命令实际是先按变量列表分组，然后再执行后面的命令。Egen 生成新变量：egen 新变量= 函数表达式。Generate 新变量= sum（变量）是逐个加总，egen 新变量= sum（变量）是求和。

（十七）Forvalues/ Forrach。循环命令，Forvalues 有规律的循环，Forrach 任意循环。

（十八）Reshape。面板数据的变换，reshape long 变量列表, i(样本变量名) j(时间变量名)； reshape wide 变量列表, i(样本变量名) j(时间变量名)

（十九）merge。横向拼接，merge 拼接形式变量列表using 被拼接数据集。merge 命令是用于横向拼接, 即为了增加变量。拼接形式有1:1、1:m、m:1 和m:m 四种。“1”方是需要复制多份, 并与“m”方拼接的; 而“m”方的记录数是不会增加的。变量列表是在拼接时, 用于识别拼接记录的; 一般是两数据集的共同变量. 可以是一个, 也可以是多个. 比如要把学生的考试成绩(变量为姓名、考试科目、成绩) 和学生学号(变量为姓名、学号) , 那么姓名就是这里用于识别的变量。被拼接数据集只支持*.dta 格式数据。若被拼接数据集的名称中包含空格, 请将其置于英文状态下的引号内。若被拼接数据集不在Stata 当前路径下, 请在数据集名称前加上路径, 支持放在英文状态下的引号内。

（二十）append 。纵向拼接，append using 一个或多个数据集。append 命令是用于纵向拼接, 即为了增加样本或观测值。此命令支持多个*.dta 文件拼接, 多个数据集需用空格隔开。

（二十一）Duplicates。删除重复数据，duplicates report 变量列表，报告是否有重复。duplicates list 变量列表，列出重复的；duplicates tag 变量列表,generate(新变量)，报告重复的，并生成新变量；duplicates drop 变