stata命令大全(全)之欧阳歌谷创编

合集下载

STATA常用命令大全

STATA 常用命令大全调整变量格式：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。

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）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。

（完整word版）stata命令语句

（完整word版）stata命令语句stata学习心得（网络版存盘）2009-03-25 18:06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“-”表示左对齐合并数据：use "C:\Documents and Settings\xks\桌面\2006.dta", clear merge 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", clear merge 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。

stata命令大全(全)Word版

*********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<1992drop 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reshape logy,i(id) j(year)**追加数据（用于面板数据和时间序列）xtset id year*或者xtdestsappend,add(5) /表示在每个省份再追加5年，用于面板数据/tsset*或者tsdes.tsappend,add(8) /表示追加8年，用于时间序列/*方差分解，比如三个变量Y,X,Z都是面板格式的数据，且满足Y=X+Z，求方差var(Y),协方差Cov(X,Y)和Cov（Z,Y）bysort year:corr Y X Z,cov**生产虚拟变量*生成年份虚拟变量tab year,gen(yr)*生成省份虚拟变量tab id,gen(dum)**生成滞后项和差分项xtset id yeargen ylag=l.y /*产生一阶滞后项)，同样可产生二阶滞后项*/ gen ylag2=L2.ygen dy=D.y /*产生差分项*/*求出各省2000年以前的open inv的平均增长率collapse (mean) open inv if year<2000,by(id)变量排序，当变量太多，按规律排列。

完整word版,stata命令大全(全),推荐文档

*********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。

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。

Stata统计分析命令之欧阳歌谷创编

Stata统计分析常用命令汇总欧阳歌谷（2021.02.01）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：stata 11.0，在命令窗口输入“findit winsor”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：winsor var1, gen(new var) p(0.01)或者在命令窗口中输入：ssc install winsor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：/judson.caskey/data.html，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：winsorizeJ var1var2var3,suffix(w)即可，这样会生成三个新变量，var1w var2w var3w，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：winsorizeJ var 1 var2 var3,suffix(w) cuts(5 95)。

3、Excel中的极端值处理：（略）winsor2 命令使用说明简介：winsor2 winsorize or trim (if trim option is specified) the variables in varlist at particular percentiles specified by option cuts(# #). In defult, new variables will be generated with a suffix "_w" or "_tr", which can be changed by specifying suffix() option. The replace option replaces the variables with their winsorized or trimmed ones.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。

(完整word版)stata命令语句.docx

stata学习心得（网络版存盘）2009-03-25 18:06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“- ”表示左对齐合并数据：桌面 \2006.dta", clear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桌面 \2006.dta", clear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。

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，其余删除在观测案例中随机选取50 个样本，其余删除查看与编辑数据：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）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：clearmerge 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。

stata命令大全(全)

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。

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<1992drop 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reshape logy,i(id) j(year)**追加数据（用于面板数据和时间序列）xtset id year *或者 xtdestsappend,add(5) /表示在每个省份再追加5年，用于面板数据/tsset *或者 tsdes.tsappend,add(8) /表示追加8年，用于时间序列/*方差分解，比如三个变量Y,X,Z都是面板格式的数据，且满足Y=X+Z，求方差var(Y),协方差Cov(X,Y)和Cov（Z,Y）bysort year:corr Y X Z,cov**生产虚拟变量 *生成年份虚拟变量 tab year,gen(yr) *生成省份虚拟变量 tab id,gen(dum)**生成滞后项和差分项 xtset id yeargen ylag=l.y /*产生一阶滞后项)，同样可产生二阶滞后项*/ gen ylag2=L2.ygen dy=D.y /*产生差分项*/*求出各省2000年以前的open inv的平均增长率 collapse (mean) open inv if year<2000,by(id)变量排序，当变量太多，按规律排列。

stata命令大全(全)10491.pptx

*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)
2
xtset id year_new
* 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。
* --------------------------------1
学海无涯
* -------- 一、常用的数据处理与作图 ----------* ---------------------------------
dis e(sigma_u)^2 / (e(sigma_u)^2 + e(sigma_e)^2)
* * 个体效应是否显著？ * F(28, 373) = 338.86 H0: a1 = a2 = a3 = a4 = a29 * Prob > F = 0.0000 表明，固定效应高度显著
*---如何得到调整后的 R2,即 adj-R2 ？ ereturn list reg logy h inv gov open dum*
*******-------画图------* *散点图+线性拟合直线 twoway (scatter logy h) (lfit logy h)
*散点图+二次拟合曲线 twoway (scatter logy h) (qfit logy h)
*散点图+线性拟合直线+置信区间 twoway (scatter logy h) (lfit logy h) (lfitci logy h)

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。

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<1992drop 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reshape logy,i(id) j(year)**追加数据（用于面板数据和时间序列）xtset id year*或者xtdestsappend,add(5) /表示在每个省份再追加5年，用于面板数据/tsset*或者tsdes.tsappend,add(8) /表示追加8年，用于时间序列/*方差分解，比如三个变量Y,X,Z都是面板格式的数据，且满足Y=X+Z，求方差var(Y),协方差Cov(X,Y)和Cov（Z,Y）bysort year:corr Y X Z,cov**生产虚拟变量*生成年份虚拟变量tab year,gen(yr)*生成省份虚拟变量tab id,gen(dum)**生成滞后项和差分项xtset id yeargen ylag=l.y /*产生一阶滞后项)，同样可产生二阶滞后项*/gen ylag2=L2.ygen dy=D.y /*产生差分项*/*求出各省2000年以前的open inv的平均增长率collapse (mean) open inv if year<2000,by(id)变量排序，当变量太多，按规律排列。

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。

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<1992drop 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reshape logy,i(id) j(year)**追加数据（用于面板数据和时间序列）xtset id year*或者xtdestsappend,add(5) /表示在每个省份再追加5年，用于面板数据/tsset*或者tsdes.tsappend,add(8) /表示追加8年，用于时间序列/*方差分解，比如三个变量Y,X,Z都是面板格式的数据，且满足Y=X+Z，求方差var(Y),协方差Cov(X,Y)和Cov（Z,Y）bysort year:corr Y X Z,cov**生产虚拟变量*生成年份虚拟变量tab year,gen(yr)*生成省份虚拟变量tab id,gen(dum)**生成滞后项和差分项xtset id yeargen ylag=l.y /*产生一阶滞后项)，同样可产生二阶滞后项*/gen ylag2=L2.ygen dy=D.y /*产生差分项*/*求出各省2000年以前的open inv的平均增长率collapse (mean) open inv if year<2000,by(id)变量排序，当变量太多，按规律排列。

Stata学习笔记之欧阳道创编

以下命令均采用小写字母Chapter 1 stata入门1.1打开数据use "D:\Stata9\auto.dta", clear 用use命令打开数据sysuse auto，clear auto 为系统数据 sysuse为打开系统数据的命令1.2获取帮助Help summarize summarize为需要获取帮助对象可以改为其他的需要帮助的对象Findit summarize，net寻找网络帮助 summarize为需要获取帮助对象Search summarize ，net 寻找网络帮助 summarize为需要获取帮助对象显示结果Display 5+91.3描述统计（summarize 可简写成sum）Use atuo，clearSummarize price 描述price的观察值个数、平均值、标准差、最小值、最大值Sum weight summarize可简写成sumSum weight price 同时完成上面两步1.4绘图Scatter price weight scatter 为绘制散点图命令Line price weight ，sort line 为绘制折线图命令，sort 为排序，绘制折线图前需要先排序1.5生成新的数据（generate 可简写成gen）ClearSet obs 1000 设置观测值的组数Gen x=_n _n 为观察值得序号Gen y=x+1001.6控制结果输出显示List n1.7设置屏幕滚动Set more off 先设置此项则显示时，屏幕不停止Set more on 先设置此项则显示时，会使显示停止1.8清除内存中原有内容clear1.9设置文件存取路径（cd）Cd d:\stata d:\stata为路径1.10如果想知道当前路径下有哪些文件，可以用dir 命令来列示.dir1.11假设你想在D 盘的根目录下创建一个新的文件夹mydata 来存放数据文件，命令为mkdir。

STATA最常用命令大全

statasave命令FileSave As例1. 表1.为某一降压药临床试验数据，试从键盘输入Stata，并保存为Stata格式文件。

STATA数据库的维护排序SORT 变量名1 变量名2 ……变量更名rename 原变量名新变量名STATA数据库的维护删除变量或记录drop x1 x2 /* 删除变量x1和x2drop x1-x5 /* 删除数据库中介于x1和x5间的所有变量(包括x1和x5)drop if x<0 /* 删去x1<0的所有记录drop in 10/12 /* 删去第10~12个记录drop if x==. /* 删去x为缺失值的所有记录drop if x==.|y==. /* 删去x或y之一为缺失值的所有记录drop if x==.&y==. /* 删去x和y同时为缺失值的所有记录drop _all /* 删掉数据库中所有变量和数据STATA的变量赋值用generate产生新变量generate 新变量＝表达式generate bh=_n /* 将数据库的内部编号赋给变量bh。

generate group=int((_n-1)/5)+1 /* 按当前数据库的顺序，依次产生5个1，5个2，5个3……。

直到数据库结束。

generate block=mod(_n,6) /* 按当前数据库的顺序，依次产生1,2,3,4,5,0。

generate y=log(x) if x>0 /* 产生新变量y，其值为所有x>0的对数值log(x)，当x<=0时，用缺失值代替。

egen产生新变量set obs 12egen a=seq() /*产生1到N的自然数egen b=seq(),b(3) /*产生一个序列，每个元素重复＃次egen c=seq(),to(4) /*产生多个序列，每个序列从1到＃egen d=seq(),f(4)t(6) /*产生多个序列，每个序列从#1到＃2encode 字符变量名，gen(新数值变量名)作用：将字符型变量转化为数值变量。

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。

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<1992drop 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reshape logy,i(id) j(year)**追加数据（用于面板数据和时间序列）xtset id year*或者xtdestsappend,add(5) /表示在每个省份再追加5年，用于面板数据/tsset*或者tsdes.tsappend,add(8) /表示追加8年，用于时间序列/*方差分解，比如三个变量Y,X,Z都是面板格式的数据，且满足Y=X+Z，求方差var(Y),协方差Cov(X,Y)和Cov（Z,Y）bysort year:corr Y X Z,cov**生产虚拟变量*生成年份虚拟变量tab year,gen(yr)*生成省份虚拟变量tab id,gen(dum)**生成滞后项和差分项xtset id yeargen ylag=l.y /*产生一阶滞后项)，同样可产生二阶滞后项*/gen ylag2=L2.ygen dy=D.y /*产生差分项*/*求出各省2000年以前的open inv的平均增长率collapse (mean) open inv if year<2000,by(id)变量排序，当变量太多，按规律排列。

stata 命令列表

xiSubject Table of ContentsThis is the complete contents for all of the Reference manuals.Getting Started[GS]Getting Started manual..................Getting Started with Stata for Macintosh [GS]Getting Started manual......................Getting Started with Stata for Unix [GS]Getting Started manual...................Getting Started with Stata for Windows [U]User’s Guide,Chapter2...................Resources for learning and using Stata [R]help...................................................Obtain online help Data manipulation and managementBasic data commands[R]describe........................Describe contents of data in memory or on disk [R]display.......................................Substitute for a hand calculator [R]drop......................................Eliminate variables or observations [R]edit......................................Edit and list data using Data Editor [R]egen................................................Extensions to generate [R]generate.................................Create or change contents of variable [R]list................................................List values of variables [R]memory.........................................Memory size considerations [R]obs............................Increase the number of observations in a dataset [R]sort............................................................Sort data Functions and expressions[U]User’s Guide,Chapter16............................Functions and expressions [R]egen................................................Extensions to generate [R]functions.......................................................Functions Dates[U]User’s Guide,Section15.5.3....................................Date formats [U]User’s Guide,mands for dealing with dates [R]functions.......................................................Functions Inputting and saving data[U]User’s Guide,mands to input data [R]edit......................................Edit and list data using Data Editor [R]inﬁle...............................Quick reference for reading data into Stata [R]insheet.........................Read ASCII(text)data created by a spreadsheet [R]inﬁle(free format)..........................Read unformatted ASCII(text)data [R]inﬁx(ﬁxed format).......................Read ASCII(text)data inﬁxed format [R]inﬁle(ﬁxed format).........Read ASCII(text)data inﬁxed format with a dictionary [R]input.............................................Enter data from keyboard [R]odbc..........................................Load data from ODBC sources [R]outﬁle............................................Write ASCII-format dataset [R]outsheet......................................Write spreadsheet-style dataset [R]save.................................................Save and use datasetsxii[R]e shipped dataset [R]e dataset from web Combining data[U]User’s Guide,mands for combining data [R]append...................................................Append datasets [R]merge.....................................................Merge datasets [R]joinby............................Form all pairwise combinations within groups Reshaping datasets[R]collapse.................................Make dataset of means,medians,etc.[R]contract........................................Make dataset of frequencies [R]press data in memory [R]cross..........................Form every pairwise combination of two datasets [R]expand..............................................Duplicate observations [R]ﬁllin................................................Rectangularize dataset [R]obs.............................Increase the number of observations in dataset [R]reshape..........................Convert data from wide to long and vice versa [R]separate...........................................Create separate variables [R]stack..........................................................Stack data [R]statsby.........................Collect statistics for a command across a by list [R]xpose..................................Interchange observations and variables Labeling,display formats,and notes[U]User’s Guide,Section15.5............Formats:controlling how data are displayed [U]User’s Guide,Section15.6....................Dataset,variable,and value labels [R]format.......................................Specify variable display format [R]bel manipulation [R]bel utilities [R]notes..................................................Place notes in data Changing and renaming variables[U]User’s Guide,mands for dealing with categorical variables [R]destring...................................Change string variables to numeric [R]encode..............................Encode string into numeric and vice versa [R]generate.................................Create or change contents of variable [R]mvencode.................Change missing to coded missing value and vice versa [R]order...........................................Reorder variables in dataset [R]recode..........................................Recode categorical variable [R]rename...................................................Rename variable [R]split.........................................Split string variables into parts Examining data[R]pare two datasets [R]codebook....................Produce a codebook describing the contents of data [R]pare two variables [R]count.........................Count observations satisfying speciﬁed condition [R]duplicates.............................Detect and delete duplicate observations [R]gsort.........................................Ascending and descending sort [R]inspect........................Display simple summary of data’s characteristicsxiii [R]isid.............................................Check for unique identiﬁers [R]pctile...................................Create variable containing percentiles [ST]stdes............................................Describe survival-time data [R]summarize..............................................Summary statistics [SVY]svytab..............................................Tables for survey data [R]table...........................................Tables of summary statistics [P]tabdisp.....................................................Display tables [R]tabstat....................................Display table of summary statistics [R]tabsum..........................One-and two-way tables of summary statistics [R]tabulate...............................One-and two-way tables of frequencies [XT]xtdes...........................................Describe pattern of xt data Miscellaneous data commands[R]corr2data...................Create a dataset with a speciﬁed correlation structure [R]drawnorm............................Draw a sample from a normal distribution [R]icd9...............................ICD-9-CM diagnostic and procedures codes [R]ipolate................................Linearly interpolate(extrapolate)values [R]range..............................Numerical ranges,derivatives,and integrals [R]sample...............................................Draw random sample UtilitiesBasic utilities[U]User’s Guide,Chapter8..................Stata’s online help and search facilities [U]User’s Guide,Chapter18.........................Printing and preserving output [U]User’s Guide,Chapter19...........................................Do-ﬁles [R]about...........................Display information about my version of Stata [R]by...............................Repeat Stata command on subsets of the data [R]copyright......................................Display copyright information [R]do...........................................Execute commands from aﬁle [R]doedit.......................................Edit do-ﬁles and other textﬁles [R]exit............................................................Exit Stata [R]help...................................................Obtain online help [R]level............................................Set default conﬁdence level [R]log....................................Echo copy of session toﬁle or device [R]obs.............................Increase the number of observations in dataset [R]#review.........................................Review previous commands [R]search...........................................Search Stata documentation [R]translate.............................................Print and translate logs [R]view...................................................Viewﬁles and logs Error messages[U]User’s Guide,Chapter11.......................Error messages and return codes [R]error messages................................Error messages and return codes [P]error..................................Display generic error message and exit [P]rmsg.....................................................Return messages Saved results[U]User’s Guide,Section16.6................Accessing results from Stata commands [U]User’s Guide,Section21.8..........Accessing results calculated by other programsxiv[U]User’s Guide,Section21.9....Accessing results calculated by estimation commands [U]User’s Guide,Section21.10....................................Saving results [P]creturn...............................................Return c-class values [R]estimates.........................................Manage estimation results [P]return.................................................Return saved results [R]saved results.................................................Saved results Internet[U]User’s Guide,ing the Internet to keep up to date [R]checksum.........................................Calculate checksum ofﬁle [R]net.......................Install and manage user-written additions from the net [R]net search.............................Search Internet for installable packages [R]mands to control Internet connections [R]news....................................................Report Stata news [R]sj...............................Stata Journal and STB installation instructions [R]ssc...................................Install and uninstall packages from SSC [R]update......................................................Update Stata Data types and memory[U]User’s Guide,Chapter7............................Setting the size of memory [U]User’s Guide,Section15.2.2............................Numeric storage types [U]User’s Guide,Section15.4.4..............................String storage types [U]User’s Guide,Section16.10......................Precision and problems therein [U]User’s Guide,mands for dealing with strings [R]press data in memory [R]data types....................................Quick reference for data types [R]limits............................................Quick reference for limits [R]matsize.......................Set the maximum number of variables in a model [R]memory.........................................Memory size considerations [R]missing values..............................Quick reference for missing values [R]recast.......................................Change storage type of variable Advanced utilities[R]assert.................................................Verify truth of claim [R]cd.......................................................Change directory [R]checksum.........................................Calculate checksum ofﬁle [R]copy............................................Copyﬁle from disk or URL [R]unch dialog [P]dialogs................................................Dialog programming [R]dir.....................................................Displayﬁlenames [P]discard...................................Drop automatically loaded programs [R]erase.....................................................Erase a diskﬁle [P]hexdump..................................Display hexadecimal report onﬁle [R]mkdir....................................................Create directory [R]more...............................................The—more—message [R]query............................................Display system parameters [P]quietly............................Quietly and noisily perform Stata command [R]set....................................Quick reference for system parameters [R]shell....................................Temporarily invoke operating system [P]smcl......................................Stata markup and control language [P]sysdir................................................Set system directoriesxv [R]type...............................................Display contents ofﬁles [R]which.............................Display location and version for an ado-ﬁleGraphics[G]Graphics manual.............................Stata Graphics Reference Manual[R]boxcox.........................................Box–Cox regression models [TS]corrgram....................................................Correlogram [TS]cumsp......................................Cumulative spectral distribution [R]cumul..............................................Cumulative distribution [R]cusum..............................Cusum plots and tests for binary variables [R]diagnostic plots.................................Distributional diagnostic plots [R]parative scatterplots [R]factor.....................................................Factor analysis [R]grmeanby.....................Graph means and medians by categorical variables [R]histogram....................Histograms for continuous and categorical variables [R]kdensity..................................Univariate kernel density estimation [R]lowess.................................................Lowess smoothing [ST]ltable...........................................Life tables for survival data [R]lv....................................................Letter-value displays [R]mkspline.........................................Linear spline construction [R]pca............................................Principal component analysis [TS]pergram.....................................................Periodogram [R]qc...................................................Quality control charts [R]regression diagnostics.................................Regression diagnostics [R]roc............................Receiver-Operating-Characteristic(ROC)analysis [R]serrbar.......................................Graph standard error bar chart [R]smooth..........................................Robust nonlinear smoother [R]spikeplot........................................Spike plots and rootograms [ST]stphplot.........Graphical assessment of the Cox proportional hazards assumption [ST]streg............Graph estimated survivor,hazard,and cumulative hazard functions [ST]sts graph.............Graph the survivor,hazard,and cumulative hazard functions [R]stem................................................Stem-and-leaf displays [TS]wntestb.......................Bartlett’s periodogram-based test for white noise [TS]xcorr..............................Cross-correlogram for bivariate time series StatisticsBasic statistics[R]egen................................................Extensions to generate [R]anova....................................Analysis of variance and covariance [R]bitest.............................................Binomial probability test [R]ci......................Conﬁdence intervals for means,proportions,and counts [R]correlate.....................Correlations(covariances)of variables or estimators [R]logistic.................................................Logistic regression [R]oneway........................................One-way analysis of variance [R]prtest...............................One-and two-sample tests of proportionsxvi[R]regress..................................................Linear regression [R]predict..................Obtain predictions,residuals,etc.after estimation[R]predictnl...Obtain nonlinear predictions,standard errors,etc.after estimation[R]regression diagnostics............................Regression diagnostics[R]test..............................Test linear hypotheses after estimation[R]testnl.........................Test nonlinear hypotheses after estimation [R]sampsi..................................Sample size and power determination [R]sdtest............................................Variance comparison tests [R]signrank........................................Sign,rank,and median tests [R]statsby.........................Collect statistics for a command across a by list [R]summarize..............................................Summary statistics [R]table...........................................Tables of summary statistics [R]tabstat....................................Display table of summary statistics [R]tabsum..........................One-and two-way tables of summary statistics [R]tabulate...............................One-and two-way tables of frequencies [R]ttest................................................Mean comparison tests ANOV A and related[U]User’s Guide,Chapter29................Overview of Stata estimation commands [R]anova....................................Analysis of variance and covariance [R]rge one-way ANOV A,random effects,and reliability [R]manova........................Multivariate analysis of variance and covariance [R]oneway........................................One-way analysis of variance [R]pkcross.......................................Analyze crossover experiments [R]pkshape..........................Reshape(pharmacokinetic)Latin square data Linear regression and related maximum-likelihood regressions[U]User’s Guide,Chapter29................Overview of Stata estimation commands [U]User’s Guide,Chapter23...............Estimation and post-estimation commands [U]User’s Guide,Section23.14..................Obtaining robust variance estimates [R]estimation commands..................Quick reference for estimation commands [R]areg.........................Linear regression with a large dummy-variable set [R]cnsreg..........................................Constrained linear regression [R]eivreg..........................................Errors-in-variables regression [R]fracpoly.....................................Fractional polynomial regression [R]frontier...........................................Stochastic frontier models [R]glm..............................................Generalized linear models [R]heckman.........................................Heckman selection model [R]impute.......................................Impute data for missing values [R]ivreg................Instrumental variables and two-stage least squares regression [R]mfp...............................Multivariable fractional polynomial models [R]mvreg...............................................Multivariate regression [R]nbreg..........................................Negative binomial regression [TS]newey............................Regression with Newey–West standard errors [R]nl.................................................Nonlinear least squares [R]orthog........................Orthogonal variables and orthogonal polynomials [R]poisson.................................................Poisson regression [TS]prais..................Prais–Winsten regression and Cochrane–Orcutt regression [R]qreg...................................Quantile(including median)regression [R]reg3................Three-stage estimation for systems of simultaneous equationsxvii [R]regress..................................................Linear regression [R]regression diagnostics..................................Regression diagnostics [R]roc............................Receiver-Operating-Characteristic(ROC)analysis [R]rreg.....................................................Robust regression [ST]stcox....................................Fit Cox proportional hazards model [ST]streg.........................................Fit parametric survival models [R]sureg................................Zellner’s seemingly unrelated regression [SVY]svy estimators....................Estimation commands for complex survey data [R]sw..................................Stepwise maximum-likelihood estimation [R]tobit............................Tobit,censored-normal,and interval regression [R]treatreg.............................................Treatment effects model [R]truncreg...............................................Truncated regression [R]vwls........................................Variance-weighted least squares [XT]xtabond....................Arellano–Bond linear,dynamic panel-data estimator [XT]xtfrontier.............................Stochastic frontier models for panel data [XT]xtgee......................Fit population-averaged panel-data models using GEE [XT]xtgls........................................Fit panel-data models using GLS [XT]xtintreg..........................Random-effects interval data regression models [XT]xthtaylor................Hausman–Taylor estimator for error components models [XT]xtivreg.....Instrumental variables and two-stage least squares for panel-data models [XT]xtnbreg Fixed-effects,random-effects,and population-averaged negative binomial models [XT]xtpcse...........OLS or Prais–Winsten models with panel-corrected standard errors [XT]xtpoisson....Fixed-effects,random-effects,and population-averaged Poisson models [XT]xtrchh.............................Hildreth–Houck random coefﬁcients models [XT]xtreg...Fixed-,between-,and random-effects and population-averaged linear models [XT]xtregar.........Fixed-and random-effects linear models with an AR(1)disturbance [R]zip.........................Zero-inﬂated Poisson and negative binomial models Logistic and probit regression[U]User’s Guide,Chapter29................Overview of Stata estimation commands [U]User’s Guide,Chapter23...............Estimation and post-estimation commands [U]User’s Guide,Section23.14..................Obtaining robust variance estimates [R]biprobit............................................Bivariate probit models [R]clogit.............................Conditional(ﬁxed-effects)logistic regression [R]cloglog...................Maximum-likelihood complementary log-log estimation [R]constraint.........................................Deﬁne and list constraints [R]glogit......................................Logit and probit on grouped data [R]heckprob...................Maximum-likelihood probit estimation with selection [R]hetprob....................Maximum-likelihood heteroskedastic probit estimation [R]logistic.................................................Logistic regression [R]logit....................................Maximum-likelihood logit estimation [R]mlogit..........Maximum-likelihood multinomial(polytomous)logistic regression [R]nlogit.............................Maximum-likelihood nested logit estimation [R]ologit............................Maximum-likelihood ordered logit estimation [R]oprobit..........................Maximum-likelihood ordered probit estimation [R]probit..................................Maximum-likelihood probit estimation [R]rologit......................................Rank-ordered logistic regression [R]scobit............................Maximum-likelihood skewed logit estimation [SVY]svy estimators....................Estimation commands for complex survey data [R]sw..................................Stepwise maximum-likelihood estimation [XT]xtcloglog................Random-effects and population-averaged cloglog modelsxviii[XT]xtgee......................Fit population-averaged panel-data models using GEE [XT]xtlogit.........Fixed-effects,random-effects,and population-averaged logit models [XT]xtprobit..................Random-effects and population-averaged probit models Pharmacokinetic statistics[U]User’s Guide,Section29.18..............................Pharmacokinetic data [R]pk..................................Pharmacokinetic(biopharmaceutical)data [R]pkcollapse.......................Generate pharmacokinetic measurement dataset [R]pkcross.......................................Analyze crossover experiments [R]pkexamine................................Calculate pharmacokinetic measures [R]pkequiv........................................Perform bioequivalence tests [R]pkshape..........................Reshape(pharmacokinetic)Latin square data [R]pksumm....................................Summarize pharmacokinetic data Survival analysis[U]User’s Guide,Chapter29................Overview of Stata estimation commands [U]User’s Guide,Chapter23...............Estimation and post-estimation commands [U]User’s Guide,Section23.14..................Obtaining robust variance estimates [ST]ct.......................................................Count-time data [ST]ctset......................................Declare data to be count-time data [ST]cttost............................Convert count-time data to survival-time data [ST]ltable...........................................Life tables for survival data [ST]snapspan.............................Convert snapshot data to time-span data [ST]st......................................................Survival-time data [ST]st is............................Survival analysis subroutines for programmers [ST]stbase................................................Form baseline dataset [ST]stci...............Conﬁdence intervals for means and percentiles of survival time [ST]stcox....................................Fit Cox proportional hazards model [ST]stdes............................................Describe survival-time data [ST]stﬁll...........................Fill in by carrying forward values of covariates [ST]stgen.............................Generate variables reﬂecting entire histories [ST]stir........................................Report incidence-rate comparison [ST]stphplot.........Graphical assessment of the Cox proportional hazards assumption [ST]stptime.........................Calculate person-time,incidence rates,and SMR [ST]strate....................................Tabulate failure rates and rate ratios [ST]streg.........................................Fit parametric survival models [ST]sts......Generate,graph,list,and test the survivor and cumulative hazard functions [ST]sts generate.........................Create survivor,hazard,and other variables [ST]sts graph.................Graph the survivor and the cumulative hazard functions [ST]sts list....................List the survivor and the cumulative hazard functions [ST]sts test....................................Test equality of survivor functions [ST]stset....................................Declare data to be survival-time data [ST]stsplit.......................................Split and join time-span records [ST]stsum.........................................Summarize survival-time data [ST]sttocc..........................Convert survival-time data to case–control data [ST]sttoct............................Convert survival-time data to count-time data [ST]stvary..................................Report which variables vary over time [R]sw..................................Stepwise maximum-likelihood estimationxixTime series[U]User’s Guide,Section14.4.3...............................Time-series varlists [U]User’s Guide,Section15.5.4..............................Time-series formats [U]User’s Guide,Section16.8...............................Time-series operators [U]User’s Guide,Section27.3..................................Time-series dates [U]User’s Guide,Section29.12........................Models with time-series data [TS]time series...............................Introduction to time-series commands [TS]arch......Autoregressive conditional heteroskedasticity(ARCH)family of estimators [TS]arima.........................Autoregressive integrated moving average models [TS]corrgram....................................................Correlogram [TS]cumsp......................................Cumulative spectral distribution [TS]dfgls..........................................Perform DF-GLS unit-root test [TS]dfuller...........................Augmented Dickey–Fuller test for a unit root [TS]newey............................Regression with Newey–West standard errors [TS]pergram.....................................................Periodogram [TS]pperron....................................Phillips–Perron test for unit roots [TS]prais..................Prais–Winsten regression and Cochrane–Orcutt regression [TS]regression diagnostics.....................Regression diagnostics for time series [TS]tsappend...............................Add observations to time-series dataset [TS]tsreport.................Report time-series aspects of dataset or estimation sample [TS]tsrevar............................Time-series operator programming command [TS]tsset....................................Declare dataset to be time-series data [TS]tssmooth.......................Smooth and forecast univariate time-series data [TS]tssmooth dexponential..........................Double exponential smoothing [TS]tssmooth exponential..................................Exponential smoothing [TS]tssmooth hwinters.........................Holt–Winters nonseasonal smoothing [TS]tssmooth ma..........................................Moving-averageﬁlter [TS]tssmooth nl................................................Nonlinearﬁlter [TS]tssmooth shwinters...........................Holt–Winters seasonal smoothing [TS]var intro........................An introduction to vector autoregression models [TS]var...........................................Vector autoregression models [TS]var svar...............................Structural vector autoregression models [TS]varbasic..................Fit a simple V AR and graph impulse response functions [TS]varfcast pute dynamic forecasts of dependent variables after var or svar [TS]varfcast graph............Graph forecasts of dependent variables after var or svar [TS]vargranger..............Perform pairwise Granger causality tests after var or svar [TS]varirf.................................An introduction to the varirf commands [TS]varirf add...................Add V ARIRF results from one V ARIRFﬁle to another [TS]varirf cgraph......Make combined graphs of impulse response functions and FEVD s [TS]varirf create....Obtain impulse response functions and forecast error decompositions [TS]varirf ctable.......Make combined tables of impulse response functions and FEVD s [TS]varirf describe........................................Describe a V ARIRFﬁle [TS]varirf dir..................................List the V ARIRFﬁles in a directory [TS]varirf drop......................Drop V ARIRF results from the active V ARIRFﬁle [TS]varirf erase.............................................Erase a V ARIRFﬁle [TS]varirf graph.......................Graph impulse response functions and FEVD s [TS]varirf ograph...............Graph overlaid impulse response functions and FEVD s [TS]varirf rename..........................Rename a V ARIRF result in a V ARIRFﬁle [TS]varirf set.............................................Set active V ARIRFﬁle [TS]varirf table................Create tables of impulse response functions and FEVD s [TS]varlmar...........Obtain LM statistics for residual autocorrelation after var or svar。

(完整)stata命令总结,推荐文档

stata11常用命令注：JB统计量对应的p大于0.05，则表明非正态，这点跟sktest和swilk 检验刚好相反；dta为数据文件；gph为图文件；do为程序文件；注意stata要区别大小写；不得用作用户变量名：_all _n _N _skip _b _coef _cons _pi _pred _rc _weight doublefloat long int in if using with命令：读入数据一种方式input x y1 42 5.53 6.24 7.75 8.5endsu/summarise/sum x 或 su/summarise/sum x,d对分组的描述：sort groupby group:su x%%%%%tabstat economy,stats(max) %返回变量economy的最大值%%stats括号里可以是：mean，count(非缺失观测值个数)，sum(总和)，max，min，range，%% sd，var，cv(变易系数＝标准差/均值)，skewness，kurtosis，median，p1(1％分位%% 数，类似地有p10, p25, p50, p75, p95, p99)，iqr(interquantile range = p75 – p25)_all %描述全部_N 数据库中观察值的总个数。

_n 当前观察值的位置。

_pi 圆周率π的数值。

listgen/generate %产生数列egen wagemax=max(wage)clearuseby(分组变量)set more 1/0count %计数gsort +x (升序)gsort -x (降序)sort x 升序；并且其它变量顺序会跟着改变label var y "消费" %添加标签describe %描述数据文件的整体，包括观测总数，变量总数，生成日期，每个变量的存储类型(storage type)，标签(label)replace x5=2*y if x!=3 %替换变量值replace age = 25 in 107 %令第107个观测中age为25rename y2 u %改变变量名drop in 2 %删除全部变量的第2行drop if x==. 删去x为缺失值的所有记录keep if x<2 %保留小于2的数据，其余变量跟随x改变keep in 2/10 %保留第2-10个数keep x1-x5 %保留数据库中介于x1和x5间的所有变量 (包括x1和x5)，其余变量删除ci x1 x2,by(group) %算出置信区间,不过先前对group要先排序，即sort group；%by的意思逐个进行cii 12 3.816667 0.2710343, level(90) %已知均值，方差，计算90%的置信区间cii 10 2 %obs=10,mean=2,以二项分布形式，计算置信区间centile x,centile(2.5 25 50 75 97.5) %取分位数correlate/corr x y z %相关系数pwcorr x y,sig %给出原假设r=0的命令%如果变量非服从正态分布，则spearman x yregress/reg mean year %回归方程建立 reg y x,noconstant %无常数项predict meanhat %预测拟合值predict e,residual %得到残差estat hettest % 异方差检验dwstat % Durbin-Watson自相关检验vif % 方差膨胀因子logit y x1 x2 x3 (y取0或1，是被解释变量，x1-x3是被解释变量) %logit 回归probit y x1 x2 x3 (y取0或1，是被解释变量，x1-x3是被解释变量) %probit 回归tobit y x1 x2 x3 (y取值在0和1之间，是被解释变量，x1-x3是被解释变量) %tobit回归sktest e %残差正态性检验 p>0.05则接受原假设，即服从正态分布；%% sktest是基于变量的偏度和斜度(正态分布的偏度为0，斜度为3)swilk x %基于Shapiro-Wilk检验%%p值越小，越倾向于拒绝零假设，也就是变量越有可能不服从正态分布xi %生成虚拟变量tabulat gender,summ(math) %用gender指标对math进行分类，返回两类math 的mean、std、freqtabulate=tab %gen f=int((shengao-164)/3)*3+164 组距为3tabulate 变量名 [, generate(新变量) missing nofreq nolabel plot ] %%%%%generate(新变量) // 按分组变量产生哑变量nofreq // 不显示频数nolabel // 不显示数值标记plot // 显示各组频数图示missing // 包含缺失值cell // 显示各小组的构成比(小组之和为 1) column // 按栏显示各组之构成(各栏总计为 1)row // 按行显示各组之构成(各行总计为 1) %%%%%求和，求最小？mod(x,y) %求余数means %返回三种平均值di normprob(1.96)di invnorm(0.05)di binomial(20,5,0.5)di invbinomial(20,5,0.5)di tprob(10,2)di invt(10.0.05)di fprob(3,27,1)di invfprob(3,27,0.05)di chi2(3,5)di invchi2(3,0.05)stack x y z,into(e) %把三列合成一列xpose,clear %矩阵转置append using d:\0917.dta %把已打开的文件（x y z）跟0917里的（x y z）合并，是竖向合并，即观察值合并；merge using D:\0917.dta %把已打开的文件（x y z）跟0917里的（a b）合并，是横向合并，即变量合并；format x %9.2e %科学记数format x %9.2f %2位小数%产生随机数%1 产生20个在(0，1)区间上均匀分布的随机数uniform()set seed 100set obs 20gen r=uniform()list%clear 清除内存set seed 200 设置种子数为 200set obs 20 设置样本量为 20range no 1 20 建立编号 1 至 20gen r=uniform() 产生在(0,1)均匀分布的随机数gen group=1 设置分组变量 group 的初始值为 1sort r 对随机数从小到大排序replace group=2 in 11/20 设置最大的 10 个随机数所对应的记录为第2组，即：最小的10个随机数所对应的记录为第1组sort no 按照编号排序list 显示随机分组的结果也可以list if group==1和list no if group==1%2 产生10个服从正态分布N（100，6^2）的随机数invnorm(uniform())*sigma+u clear 清除内存set seed 200 设置种子数为 200set obs 10 设置样本量为 10 gen x=invnorm(uniform())*6+100 产生服从 N(100，6^2)的随机数list画图注意有些图前面要加histogram 直方图line 折线图scatter 散点图scatter y x,c(l) s(d) b2("(a)")graph twoway connected y x 连点图graph bar (sum) var2,over(var1) blabel(total) %条形图. graph bar p52 p72,by(d). graph bar p52 p72,over(d). graph bar p52 p72,by(d) stack. graph bar p52 p72,over(d) stack////////////数据如下%d p52 p72%1 163.2 27.4%2 72.5 83.6%3 57.2 178.2histogram x,bin(8) norm %画直方图，加正态分数线graph pie a b o ab if area==1,plabel(_all percent) %画饼图graph pie var2, over(var1) plabel(_all percent) %饼图graph pie p52 p72,by(d) %饼图graph box y1 %箱体图qnorm x %qq图lfit y x %回归直线graph matrix gender economy math 多变量散点图line yhat x||scatter y x,c(.l) s(O.) xline(12) yline(5.4) %线形图&散点图有一些通用的选项可以给图形“润色”：标题title(“string”) （string可为任意的字符串，下同）脚注note(“string”)横座标标题xtitle(“string”)纵座标标题ytitle(“sting”)横座标范围 xaxis(a,b) （a<b为两个数字，下同）纵座标范围 yaxis(a,b)插入文字 text （该命令既要指定插入文字的内容，也要指定插入的位置）插入图例 legend （该命令既要指定图例的内容，也要指定其位置）绘制散点图和线条的两个主要的选择项为：connect(c...c) //连接各散点的方式，c表示：或简写为c(c...c) . 不连接 (缺省值)l 用直线连接L 沿x方向只向前不向后直线连接m 计算中位数并用直线连接s 用三次平滑曲线连接J 以阶梯式直线条连接|| 用直线连接在同一纵向上的两点II 同 ||, 只是线的顶部和底部有一个短横Symbol(s...s) // 表示各散点的图形，s 表示：或简写为s(s...s) O 大圆圈 (缺省值)S 大方块T 大三角形o 小圆圈d 小菱形p 小加号. 小点i 无符号[varname] 用变量的取值代码表示[_n] 用点的记录号表示数学函数等都要与generate、replace、display一起使用，不能单独使用程序文件douse d:\0917.dtareg y xline y x,saving(d:\d4)按ctrl+D执行字符串操作函数：length(s) %长度函数，计算s的长度, 如，displength("ab")的结果是2substr(s,n1,n2) %子串函数，获得从s的n1个字符开始的n2个字符组成的字符串,disp substr("abcdef",2,3)的结果是"bcd"string(n) %将数值n转换成字符串函数，如，dispstring(41)+"f"的结果是"41f"real(s) %将字符串s转换成数值函数，如，dispreal("5.2")+1的结果是6.2upper(s) %转换成大写字母函数，如，disp upper("this")的结果是"THIS"lower(s) %转换成小写字母函数，如disp lower("THIS")的结果是"this"index(s1,s2) %子串位置函数，计算s2在s1中第一次出现的起始位置, 如果s2不在s1中, 则结果为0。

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。

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<1992drop 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reshape logy,i(id) j(year)**追加数据（用于面板数据和时间序列）xtset id year*或者xtdestsappend,add(5) /表示在每个省份再追加5年，用于面板数据/tsset*或者tsdes.tsappend,add(8) /表示追加8年，用于时间序列/*方差分解，比如三个变量Y,X,Z都是面板格式的数据，且满足Y=X+Z，求方差var(Y),协方差Cov(X,Y)和Cov（Z,Y）bysort year:corr Y X Z,cov**生产虚拟变量*生成年份虚拟变量tab year,gen(yr)*生成省份虚拟变量tab id,gen(dum)**生成滞后项和差分项xtset id yeargen ylag=l.y /*产生一阶滞后项)，同样可产生二阶滞后项*/gen ylag2=L2.ygen dy=D.y /*产生差分项*/*求出各省2000年以前的open inv的平均增长率collapse (mean) open inv if year<2000,by(id)变量排序，当变量太多，按规律排列。

(完整word版)Stata命令整理

Stata 命令语句格式：[by varlist:] command [varlist] [=exp] [if exp] [in range] [weight] [, options]1、[by varlist:]*如果需要分别知道国产车和进口车的价格和重量，可以采用分类操作来求得，sort foreign //按国产车和进口车排序. by foreign: sum price weight*更简略的方式是把两个命令用一个组合命令来写。

. by foreign, sort: sum price weight如果不想从小到大排序，而是从大到小排序，其命令为gsort。

. sort - price //按价格从高到低排序. sort foreign -price /*先把国产车都排在前，进口车排在后面，然后在国产车内再按价格从大小到排序，在进口车内部，也按从大到小排序*/2、[=exp]赋值运算. gen nprice=price+10 //生成新变量nprice，其值为price+10/*上面的命令generate(略写为gen) 生成一个新的变量，新变量的变量名为nprice,新的价格在原价格的基础上均增加了10 元。

. replace nprice=nprice-10 /*命令replace 则直接改变原变量的赋值，nprice 调减后与price 变量取值相等*/3、[if exp]条件表达式. list make price if foreign==0*只查看价格超过1 万元的进口车（同时满足两个条件），则. list make price if foreign==1 & price>10000*查看价格超过1 万元或者进口车（两个条件任满足一个）. list make price if foreign==1 | price>100004、[in range]范围筛选sum price in 1/5注意“1/5”中，斜杠不是除号，而是从1 到 5 的意思，即1，2，3，4，5。

stata命令大全(全)之欧阳歌谷创作

*********面板数据计量分析与软件实现*********欧阳歌谷（2021.02.01）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（DIDGMM,SYSGMM）* 5.面板随机前沿模型* 6.面板协整分析（FMOLS,DOLS）*** 说明：15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CD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<1992drop 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reshape logy,i(id) j(year)**追加数据（用于面板数据和时间序列）xtset id year*或者xtdestsappend,add(5) /表示在每个省份再追加5年，用于面板数据/ tsset*或者tsdes.tsappend,add(8) /表示追加8年，用于时间序列/*方差分解，比如三个变量Y,X,Z都是面板格式的数据，且满足Y=X+Z，求方差var(Y),协方差Cov(X,Y)和Cov（Z,Y）bysort year:corr Y X Z,cov**生产虚拟变量*生成年份虚拟变量tab year,gen(yr)*生成省份虚拟变量tab id,gen(dum)**生成滞后项和差分项xtset id yeargen ylag=l.y /*产生一阶滞后项)，同样可产生二阶滞后项*/ gen ylag2=L2.ygen dy=D.y /*产生差分项*/*求出各省2000年以前的open inv的平均增长率collapse (mean) open inv if year<2000,by(id)变量排序，当变量太多，按规律排列。

必须记住的Stata常用命令之欧阳歌谷创编

必须记住的常用命令
欧阳歌谷（2021.02.01）
请记住下面这些常用的基本命令。

记住这些命令之后，当不知其具体用法时，可以用help来寻求帮助。

必须记住的常有命令
需求帮助
•help 帮助
•net search 网络帮助
•search 网络寻求帮助
进入某路径
•cd
设定内存
•set memory 20m 设置STATA的内存空间为20m
打开和保存数据
•clear 清空内存数据
•use 打开STATA格式的数据文件
•compress 将内存中的数据压缩
•save 保存内存中的数据
导入数据
•input 录入数据
•edit 编辑数据
•infile 导入数据
•infix 导入数据
•insheet 导入数据
重整数据
•append 将有相同结果的数据纵向拼接（观察值拼接）
•merge 将两个数据文件横向拼接
•xpose 数据转置
•reshape
•generate 生成新的数据
•egen 生成新的数据
•rename 变量重命令
•drop 删除变量或观察值。

时间序列模型分析的各种stata命令之欧阳家百创编

时间序列模型欧阳家百（2021.03.07）结构模型虽然有助于人们理解变量之间的影响关系，但模型的预测精度比较低。

在一些大规模的联立方程中，情况更是如此。

而早期的单变量时间序列模型有较少的参数却可以得到非常精确的预测，因此随着Box and Jenkins(1984)等奠基性的研究，时间序列方法得到迅速发展。

从单变量时间序列到多元时间序列模型，从平稳过程到非平稳过程，时间序列分析方法被广泛应用于经济、气象和过程控制等领域。

本章将介绍如下时间序列分析方法，ARIMA模型、ARCH族模型、VAR模型、VEC模型、单位根检验及协整检验等。

一、基本命令1.1时间序列数据的处理1)声明时间序列：tsset 命令use gnp96.dta, clearlist in 1/20gen Lgnp = L.gnptsset datelist in 1/20gen Lgnp = L.gnp2)检查是否有断点：tsreport, reportuse gnp96.dta, cleartsset datetsreport, reportdrop in 10/10list in 1/12tsreport, reporttsreport, report list /*列出存在断点的样本信息*/3)填充缺漏值：tsfilltsfilltsreport, report listlist in 1/124)追加样本：tsappenduse gnp96.dta, cleartsset datelist in -10/-1sumtsappend , add(5) /*追加5个观察值*/list in -10/-1sum5)应用：样本外预测: predictreg gnp96 L.gnp96predict gnp_hatlist in -10/-16)清除时间标识: tsset, cleartsset, clear1.2变量的生成与处理1)滞后项、超前项和差分项 help tsvarlistuse gnp96.dta, cleartsset dategen Lgnp = L.gnp96 /*一阶滞后*/gen L2gnp = L2.gnp96gen Fgnp = F.gnp96/*一阶超前*/gen F2gnp = F2.gnp96gen Dgnp = D.gnp96 /*一阶差分*/gen D2gnp = D2.gnp96list in 1/10list in -10/-12)产生增长率变量: 对数差分gen lngnp = ln(gnp96)gen growth = D.lngnpgen growth2 = (gnp96-L.gnp96)/L.gnp96gen diff = growth - growth2 /*表明对数差分和变量的增长率差别很小*/list date gnp96 lngnp growth* diff in 1/101.3日期的处理日期的格式 help tsfmt基本时点：整数数值，如 -3, -2, -1, 0, 1, 2, 3 ....1960年1月1日，取值为 0；1）使用use B6_tsset.dta, cleartsset t, dailylistuse B6_tsset.dta, cleartsset t, weeklylist2)指定起始时点cap drop monthgenerate month = m(1990-1) + _n - 1format month %tmlist t month in 1/20cap drop yeargen year = y(1952) + _n - 1format year %tylist t year in 1/203）自己设定不同的显示格式日期的显示格式 %d (%td) 定义如下：%[-][t]d<描述特定的显示格式>具体项目释义：“<描述特定的显示格式>”中可包含如下字母或字符c y m l nd j h q w _ . , : - / ' !cC Y M L ND J W定义如下：c and C 世纪值(个位数不附加/附加0)y and Y 不含世纪值的年份(个位数不附加/附加0)m 三个英文字母的月份简写(第一个字母大写)M 英文字母拼写的月份(第一个字母大写)n and N 数字月份(个位数不附加/附加0)d and D 一个月中的第几日(个位数不附加/附加0)j and J 一年中的第几日(个位数不附加/附加0)h 一年中的第几半年 (1 or 2)q 一年中的第几季度 (1, 2, 3, or 4)w and W 一年中的第几周(个位数不附加/附加0)_ display a blank (空格). display a period(句号), display a comma(逗号): display a colon(冒号)- display a dash (短线)/ display a slash(斜线)' display a close single quote(右引号)!c display character c (code !! to display an exclamation point)样式1：Format Sample date in format -----------------------------------%td 07jul1948%tdM_d,_CY July 7, 1948 %tdY/M/D 48/07/11%tdM-D-CY 07-11-1948%tqCY.q 1999.2%tqCY:q 1992:2%twCY,_w 2010, 48-----------------------------------样式2：Format Sample date in format ----------------------------------%d 11jul1948%dDlCY 11jul1948%dDlY 11jul48%dM_d,_CY July 11, 1948 %dd_M_CY 11 July 1948 %dN/D/Y 07/11/48%dD/N/Y 11/07/48%dY/N/D 48/07/11%dN-D-CY 07-11-1948----------------------------------clearset obs 100gen t = _n + d(13feb1978)list t in 1/5format t %dCY-N-D /*1978-02-14*/ list t in 1/5format t %dcy_n_d /*1978 2 14*/list t in 1/5use B6_tsset, clearlisttsset t, format(%twCY-m)list4）一个实例：生成连续的时间变量 use e1920.dta, clearlist year month in 1/30sort year monthgen time = _ntsset timelist year month time in 1/30generate newmonth = m(1920-1) + time - 1 tsset newmonth, monthlylist year month time newmonth in 1/30 1.4图解时间序列 1）例1： clearset seed 13579113sim_arma ar2, ar(0.7 0.2) nobs(200) sim_arma ma2, ma(0.7 0.2) tsset _ttsline ar2 ma2* 亦可采用 twoway line 命令绘制，但较为繁琐 twoway line ar2 ma2 _t 2）例2：增加文字标注 sysuse tsline2, clear tsset daytsline calories, ttick(28nov2002 25dec2002, tpos(in)) /// ttext(3470 28nov2002 "thanks" ///3470 25dec2002 "x-mas", orient(vert)) 3）例3：增加两条纵向的标示线 sysuse tsline2, clear tsset daytsline calories, tline(28nov2002 25dec2002) * 或采用 twoway line 命令 local d1 = d(28nov2002) local d2 = d(25dec2002)line calories day, xline(`d1' `d2') 4）例4：改变标签tsline calories, tlabel(, format(%tdmd)) ttitle("Date (2002)") tsline calories, tlabel(, format(%td))二、ARIMA 模型和SARMIA 模型ARIMA 模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的来近似描述这个序列。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

*********面板数据计量分析与软件实现*********欧阳歌谷（2021.02.01）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。

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<1992drop 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reshape logy,i(id) j(year)**追加数据（用于面板数据和时间序列）xtset id year*或者xtdestsappend,add(5) /表示在每个省份再追加5年，用于面板数据/ tsset*或者tsdes.tsappend,add(8) /表示追加8年，用于时间序列/*方差分解，比如三个变量Y,X,Z都是面板格式的数据，且满足Y=X+Z，求方差var(Y),协方差Cov(X,Y)和Cov（Z,Y）bysort year:corr Y X Z,cov**生产虚拟变量*生成年份虚拟变量tab year,gen(yr)*生成省份虚拟变量tab id,gen(dum)**生成滞后项和差分项xtset id yeargen ylag=l.y /*产生一阶滞后项)，同样可产生二阶滞后项*/gen ylag2=L2.ygen dy=D.y /*产生差分项*/*求出各省2000年以前的open inv的平均增长率collapse (mean) open inv if year<2000,by(id)变量排序，当变量太多，按规律排列。

可用命令aorder或者order fdi open insti*-----------------* 二、静态面板模型*-----------------*--------- 简介 -----------* 面板数据的结构(兼具截面资料和时间序列资料的特征)use product.dta, clearbrowsextset id yearxtdes* ---------------------------------* -------- 固定效应模型 -----------* ---------------------------------* 实质上就是在传统的线性回归模型中加入 N-1 个虚拟变量，* 使得每个截面都有自己的截距项，* 截距项的不同反映了个体的某些不随时间改变的特征** 例如： lny = a_i + b1*lnK + b2*lnL + e_it* 考虑中国29个省份的C-D生产函数*******-------画图------**散点图+线性拟合直线twoway (scatter logy h) (lfit logy h)*散点图+二次拟合曲线twoway (scatter logy h) (qfit logy h)*散点图+线性拟合直线+置信区间twoway (scatter logy h) (lfit logy h) (lfitci logy h)*按不同个体画出散点图和拟合线，可以以做出fe vs re的初判断* twoway (scatter logy h if id<4) (lfit logy h if id<4) (lfit logy h ifid==1) (lfit logy h if id==2) (lfit logy h if id==3)*按不同个体画散点图,so beautiful!!!*graph twoway scatter logy h if id==1 || scatter logy h ifid==2,msymbol(Sh) || scatter logy h if id==3,msymbol(T) || scatter logy h if id==4,msymbol(d) || , legend(position(11) ring(0) label(1 "北京") label(2 "天津") label(3 "河北") label(4 "山西"))**每个省份logy与h的散点图，并将各个图形合并twoway scatter logy h,by(id) ylabel(,format(%3.0f))xlabel(,format(%3.0f))*每个个体的时间趋势图*xtline h if id<11,overlay legend(on)* 一个例子：中国29个省份的C-D生产函数的估计tab id, gen(dum)list* 回归分析reg logy logk logl dum*,est store m_olsxtreg logy logk logl, feest store m_feest table m_ols m_fe, b(%6.3f) star(0.1 0.05 0.01)* Wald 检验test logk=logl=0test logk=logl* stata的估计方法解析* 目的：如果截面的个数非常多，那么采用虚拟变量的方式运算量过大* 因此，要寻求合理的方式去除掉个体效应* 因为，我们关注的是 x 的系数，而非每个截面的截距项* 处理方法：** y_it = u_i + x_it*b + e_it (1)* ym_i = u_i + xm_i*b + em_i (2) 组内平均* ym = um + xm*b + em (3)样本平均* (1) - (2), 可得：* (y_it - ym_i) = (x_it - xm_i)*b + (e_it - em_i) （4） /*within estimator*/* (4)+(3), 可得：* (y_it-ym_i+ym) = um + (x_it-xm_i+xm)*b + (e_it-em_i+em)* 可重新表示为：* Y_it = a_0 + X_it*b + E_it* 对该模型执行 OLS 估计，即可得到 b 的无偏估计量**stata后台操作，揭开fe估计的神秘面纱！！！egen y_meanw = mean(logy), by(id) /*个体内部平均*/egen y_mean = mean(logy) /*样本平均*/egen k_meanw = mean(logk), by(id)egen k_mean = mean(logk)egen l_meanw = mean(logl), by(id)egen l_mean = mean(logl)gen dyw = logy - y_meanwgen dkw = logk - k_meanwgen dlw=logl-l_meanwreg dyw dkw dlw,noconsest store m_statagen dy = logy - y_meanw + y_meangen dk = logk - k_meanw +k_meangen dl=logl-l_meanw+l_meanreg dy dk dlest store m_stataest table m_*, b(%6.3f) star(0.1 0.05 0.01)* 解读 xtreg,fe 的估计结果xtreg logy h inv gov open,fe*-- R^2* y_it = a_0 + x_it*b_o + e_it (1) pooled OLS* y_it = u_i + x_it*b_w + e_it (2) within estimator* ym_i = a_0 + xm_i*b_b + em_i (3) between estimator** --> R-sq: within 模型(2)对应的R2，是一个真正意义上的R2* --> R-sq: between corr{xm_i*b_w,ym_i}^2* --> R-sq: overall corr{x_it*b_w,y_it}^2**-- F(4,373) = 855.93检验除常数项外其他解释变量的联合显著性***-- corr(u_i, Xb) = -0.2347**-- sigma_u, sigma_e, rho* rho = sigma_u^2 / (sigma_u^2 + sigma_e^2)dis e(sigma_u)^2 / (e(sigma_u)^2 + e(sigma_e)^2)** 个体效应是否显著？* F(28, 373) = 338.86 H0: a1 = a2 = a3 = a4 = a29* Prob > F = 0.0000 表明，固定效应高度显著*---如何得到调整后的 R2,即 adj-R2 ？ereturn listreg logy h inv gov open dum**---拟合值和残差* y_it = u_i + x_it*b + e_it* predict newvar, [option]/*xb xb, fitted values; the defaultstdp calculate standard error of the fitted valuesue u_i + e_it, the combined residualxbu xb + u_i, prediction including effectu u_i, the fixed- or random-error componente e_it, the overall error component */xtreg logy logk logl, fepredict y_hatpredict a , upredict res,epredict cres, uegen ares = a + reslist ares cres in 1/10* ---------------------------------* ---------- 随机效应模型 ---------* ---------------------------------* y_it = x_it*b + (a_i + u_it)* = x_it*b + v_it* 基本思想：将随机干扰项分成两种* 一种是不随时间改变的，即个体效应 a_i* 另一种是随时间改变的，即通常意义上的干扰项 u_it * 估计方法：FGLS* Var(v_it) = sigma_a^2 + sigma_u^2* Cov(v_it,v_is) = sigma_a^2* Cov(v_it,v_js) = 0* 利用Pooled OLS，Within Estimator, Between Estimator* 可以估计出sigma_a^2和sigma_u^2,进而采用GLS或FGLS* Re估计量是Fe估计量和Be估计量的加权平均* yr_it = y_it - theta*ym_i* xr_it = x_it - theta*xm_i* theta = 1 - sigma_u / sqrt[(T*sigma_a^2 + sigma_u^2)]* 解读 xtreg,re 的估计结果use product.dta, clearxtreg logy logk logl, re*-- R2* --> R-sq: within corr{(x_it-xm_i)*b_r, y_it-ym_i}^2* --> R-sq: between corr{xm_i*b_r,ym_i}^2* --> R-sq: overall corr{x_it*b_r,y_it}^2* 上述R2都不是真正意义上的R2，因为Re模型采用的是GLS估计。