stata命令大全超实用(全)

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)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。

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。

常用的27个Stata命令

常用的27个Stata命令【1】直接导入csv格式数据insheet using name.csv, clear【2】修改变量长度format var %20.2g【3】删除重复值sort var1 var2duplicatesdrop var1 var2, force【4】数据合并use data1, clearmerge m:m var1var2 using data2drop if _merge==2drop if _merge==1drop _merge【5】生成一期滞后项tsset stkcd accpergen newvarname=L.varname【6】将文字转化为数字变量genBigN=0replaceBigN=1 if strmatch(dadtunit,'普华永道*') 【7】删除有缺失值的记录egen mis=rowmiss(_all)drop if misdrop mis【8】行业划分clonevarsic2=indorder stkcd accper sic2replace sic2=substr(sic2,1,1) if substr(sic2,1,1)!=”C”replace sic2=substr(sic2,1,2) if substr(sic2,1,1)==”C”tabulate sic2 accper【9】日期只保留年份drop if substr( reptdt ,6,2)!='12'replace reptdt=substr(reptdt,1,4)gen accper=real(reptdt)【10】数据分列split date ,parse(-) destring ignor('-')【11】求两个日期之间的间隔天数g td=date(trading_date,'YMD')g ed=date(eventdate,'YMD')form td ed %tdg d=ed-td【12】生成行业、年份哑变量tab year, gen(year)tab industry, gen(industry)【13】对数据进行Winsorize处理findit winsor2winsor2 varname, replace cut(1 99)【14】描述性统计tabstat var1var2, stat(n min mean median p25 p75 max sd), if groupvar==0 or 1logout, save(name) word replace: tabstat var, stat(n min mean p50 max sd) col(stat)f(%9.2g)【15】两变量列联表tabulate var1 var2, row chi2 taub gamma【16】两样本间的均值T检验ttest var, by(groupvar)【17】两样本中位数Z检验ranksum var, by(groupvar)【18】Pearson/Spearman系数spearmanx*n matax=st_data(.,'x*')c=correlation(x)n=rows(c)b=strofreal(lowertriangle(c)uppertriangle(st_matrix('r(Rho)')),'%9.3f')p=st_matrix('r(P)')for (i=2; i<=n; i ) {for (j=1; j<=i-1; j ) {p[i,j]=2*ttail(rows(x)-2,abs(c[i,j]/sqrt((1-c[i,j]^2)/(rows(x)-2)))) b[i,j]=b[i,j] (p[i,j]<0.01?'***':(p[i,j]<0.05?'**':(p[i,j]<0.1?'*':''))) b[j,i]=b[j,i] (p[j,i]<0.01?'***':(p[j,i]<0.05?'**':(p[j,i]<0.1?'*':''))) }}c=editvalue(b, '2.000', '1')cend直接导出结果logout, save(pw) word replace:pwcorr_avars, star1(0.01) star5(0.05) star10(0.1)【19】按年度按中位数分组方法一bysort year: egen g=xtile(var), n(2)方法二bys accper: cumul icindex, g(g) eqlevelsof accper, local(id)display '`r(levels)''local cut1 = 1/2foreach x of local id {recode g (min/`cut1'=0)(`cut1'/max=1) if accper==`x'}分三组bys accper:cumul icindex, g(g) eqlevelsof accper, local(id)display '`r(levels)''local cut1 = 1/3local cut2 = 2/3foreach x of local id {recode g (min/`cut1'=1)(`cut1'/`cut2'=2)(`cut2'/max=3)if accper==`x'}【20】输出回归结果安装ssc install estout, replace单个回归regesttab using name.rtf, compress nogap r2 ar2 star(* 0.1 ** 0.05 *** 0.01)多个回归一起regest store m1regest store m2esttab m1 m2 using name.rtf, compress nogap r2 ar2 star(* 0.1 ** 0.05 *** 0.01)连续运行tobit模型结果导出：esttab m1 m2, b(%9.4f) t scalars(N ll Fchi2 type), using name.rtf, compress nogap连续运行OLS模型结果导出：esttab m1m2, b(%9.4f) tscalars(N r2 F p), using name.rtf, compress nogap【21】异方差检验及处理检验：怀特检验ssc install whitetstregestat imtest, white处理：“OLS 稳健标准差”reg y x1 x2 x3, robust【22】DW检验（序列相关性一阶）gen id=_ntsset idestat dwatson【23】多重共线性reg y x1 x2 x3vif【24】是否遗漏高次项例如，检验y对x的线性回归有没有遗漏高次项reg y xestat ovtest或者estat ovtest, rhs【25】逐步回归stepwise, pe(0.1): reg y x【26】Maddala(1983)两阶段处理效应模型treatreg yx1-xn, tr(z=w1-wm)two【27】Justified Jones Modelstatsby _b, by(ind accper)saving(*.dta,replace):reg yx, noconstantmerge m:m indaccper using *.dtagen yhat=y-_b*x◆◆◆◆精彩回顾点击上图查看：7-8月北京&广州Stata暑假研讨班| 第十一&十二届“高级计量经济学及stata应用”研讨班重磅发布！。

stata常用命令总结

Stata常用命令总结Stata是一种统计分析软件，广泛用于社会科学、经济学、生物医学等领域的数据分析。

它具有丰富的功能和灵活的数据处理能力，能够进行各种统计分析、数据可视化和模型建立。

本文将总结Stata的常用命令，包括重要观点、关键发现和进一步思考，帮助读者更好地理解和使用Stata。

一、数据导入和处理e命令：用于导入Stata数据文件（.dta）。

2.import命令：用于导入其他格式的数据文件（如Excel、CSV等）。

3.save命令：用于保存当前数据文件。

4.drop命令：用于删除变量或观察值。

5.keep命令：用于保留指定的变量或观察值。

重要观点：在数据导入和处理阶段，要注意数据的完整性和准确性。

需要检查数据的缺失值、异常值和数据类型，做好数据清洗和预处理工作。

二、数据描述和统计分析1.summarize命令：用于计算变量的描述性统计量，如均值、标准差、最大值、最小值等。

2.tabulate命令：用于制作交叉表和列联表。

3.correlate命令：用于计算变量之间的相关系数。

4.regress命令：用于进行线性回归分析。

5.logit命令：用于进行二分类的逻辑回归分析。

重要观点：在进行数据描述和统计分析时，要根据研究问题选择合适的方法和指标。

同时要注意解释统计结果的意义，避免过度解读和误导。

三、数据可视化1.histogram命令：用于绘制直方图。

2.scatter命令：用于绘制散点图。

3.twoway命令：用于绘制多种类型的图形，如线图、柱状图、饼图等。

4.graph export命令：用于将图形导出为图片文件。

重要观点：数据可视化是数据分析的重要手段，能够直观地展示数据的分布和关系。

在进行数据可视化时，要选择合适的图形类型和参数，使图形简洁明了，易于理解和解释。

四、面板数据分析1.xtset命令：用于设置面板数据的时间和单位。

2.xtreg命令：用于进行面板数据的固定效应或随机效应模型分析。

[实用参考]Stata命令大全

GGGGGGGGG面板数据计量分析与软件实现GGGGGGGGG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。

G----------面板数据模型G1.静态面板模型：FE和REG2.模型选择：FEvsPOLS,REvsPOLS,FEvsRE（pols混合最小二乘估计）G3.异方差、序列相关和截面相关检验G4.动态面板模型（DID-GMM,SPS-GMM）G5.面板随机前沿模型G6.面板协整分析（FMOLS,DOLS）GGG说明：1-5均用STATA软件实现，6用GAUSS软件实现。

G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）GGG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（SpilloversEffect）、工业行业效率状况等。

G空间计量分析：SLM模型与SEM模型G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。

G---------------------------------G--------一、常用的数据处理与作图-----------G---------------------------------G指定面板格式GtsetidPear（id为截面名称，Pear为时间名称）Gtdes/G数据特征G/GtsumlogPh/G数据统计特征G/sumlogPh/G数据统计特征G/G添加标签或更改变量名labelvarh"人力资本"renamehhumG排序sortidPear/G是以STATA面板数据格式出现G/sortPearid/G是以DEA格式出现G/G删除个别年份或省份dropifPear<1992dropifid==2/G注意用==G/G如何得到连续Pear或id编号（当完成上述操作时，Pear或id就不连续，为形成panel 格式，需要用egen命令）egenPear_new=group(Pear)GtsetidPear_newGG保留变量或保留观测值keepinv/G删除变量G/GG或keepifPear==20PPGG排序sortidPear/G是以STATA面板数据格式出现sortPearid/G是以DEA格式出现GG长数据和宽数据的转换G长>>>宽数据reshapewidelogP,i(id)j(Pear)G宽>>>长数据reshapelogP,i(id)j(Pear)GG追加数据（用于面板数据和时间序列）GtsetidPearG或者Gtdestsappend,add(5)/表示在每个省份再追加5年，用于面板数据/tssetG或者tsdes.tsappend,add(8)/表示追加8年，用于时间序列/G方差分解，比如三个变量P,G,Z都是面板格式的数据，且满足P=G+Z，求方差var(P),协方差Cov(G,P)和Cov（Z,P）bPsortPear:corrPGZ,covGG生产虚拟变量G生成年份虚拟变量tabPear,gen(Pr)G生成省份虚拟变量tabid,gen(dum)GG生成滞后项和差分项GtsetidPeargenPlag=l.P/G产生一阶滞后项)，同样可产生二阶滞后项G/genPlag2=L2.PgendP=D.P/G产生差分项G/G求出各省20PP年以前的openinv的平均增长率collapse(mean)openinvifPear<20PP,bP(id)变量排序，当变量太多，按规律排列。

stata最常用命令大全

statasave‎命令File&#6‎1672;Save ‎A s例1. 表1‎.为某一降压药临床试‎验数据，试从键盘输入‎S tata，并保存为‎S tata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‎r ename 原变量‎名新变量名STA‎T A数据库的维护删‎除变量或记录dro‎p x1 x2 ‎ /* ‎删除变量x1和x2‎d rop 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drop‎if 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genera‎t e产生新变量ge‎n erate 新变量‎＝表达式gener‎a te bh=_n ‎‎‎/* 将‎数据库的内部编号赋给‎变量bh。

gene‎r ate 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。

gene‎r ate 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。

‎e gen产生新变量‎s et obs 12‎egen a=se‎q() ‎ /*产生1到‎N的自然数egen‎b=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=s‎e q(),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文件相当一部分容来自于大学连玉君STATA教程，感他的贡献。

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。

stata命令大全超实用（全）

stata命令大全超实用（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<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常用命令100条

Stata常用命令100条数据管理设置工作路径：cd导入间隔符为制表符或逗号等格式的文本文件：insheet 导入固定列格式的文件：infix导入自由格式的文本文件：infile导入XML格式文件：xmluse更改变量的存储格式：recast建立新变量：generate或egen重命名变量rename变量排序：order删除变量或观测值：drop生成分类变量：recode字符串与数值变量间转换：destring或encode升序或降序排列：gsort升序排列：sort检查数据是否存在重复观测值：isid报告、标记或删除重复观测值：duplicates长数据与宽数据间转换：reshape生成变量的统计指标数据：collapse横向合并数据：merge纵向添加数据：append根据组内配对合并变量：joinby标量：scalar随机抽样：sample有放回的抽样：bsample从多元正态分布随机变量中抽样：drawnorm 生成特定相关结构的变量：corr2data统计制图直方图：histogram一般绘图命令：graph或twoway对称图：symplot分位数图：quantile正态分布分位数图：qmormQQ分位数图：qqplot标准化正态概率图：pnorm卡方概率图：pchi37条外部命令：传送门描述统计数据概要描述：summarize或describe生成汇总统计表：tabstat或tabulate相关性：correlate或pwcorr假设检验t检验：ttest方差检验：sdtest比率检验：prtest二项概率检验：bitestK-S检验：ksmirnov符号检验：signtestWilcoxon符号秩检验：signrankWilcoxon秩和检验：ranksumKruskal-Wallis：H检验：kwallis方差分析方差分析：anova单因素方差分析：oneway多元统计分析主成分分析：pca主成分散点图：loadingplot因子分析：factor因子旋转：rotate模型适切度检验：estat smc及estat anti及estat kmo 计算主成分得分或因子得分：predict碎石图：screeplot聚类分析：cluster典型相关分析：canon回归分析OLS线性回归：regress受约束的线性回归：cnsreg非线性最小二乘估计：nl多变量回归：mvreg似不相关回归：suregProbit回归：probitLogistic回归：logit定序probit模型：oprobit定序logit模型：ologit归并模型：cnregTobit模型：tobit多层线性模型：mixed泊松回归：poisson负二项回归：nbreg时间序列分析定义时间序列：tssetARIMA，ARMAX和其它动态回归模型：arima 自相关：ac偏自相关：pac预测：predict时间序列图：tsline蒙特卡罗模拟：simulateADF单位根检验：dfullerPP单位根检验pperronDF-GLS单位根检验：dfgls跨相关图：xcorr结构向量自回归模型：svar自回归条件异方差模型：arch门限回归：threg状态空间模型：sspace面板数据分析定义面板：xtset面板数据结构：xtdescribe面板OLS模型：xtreg面板GLS模型：xtgls面板GEE模型：xtgee面板probit模型：xtprobit面板logit模型：xtlogit差分GMM模型：xtabond系统GMM模型：xtdpdsysHausman检验：hausman似然比检验：lrtest空间计量从截面数据到空间面板：传送门。

stata常用命令总结

stata常用命令总结Stata是一种统计分析软件，常用于数据处理、数据分析和统计建模等领域。

以下是一些常用的Stata命令的总结：1. 数据加载与保存：- `use`：加载Stata数据文件。

- `import`：导入其他文件格式的数据。

- `save`：保存当前数据文件。

- `export`：将数据导出到其他文件格式。

2. 数据处理与变量操作：- `generate`：创建新变量。

- `replace`：替换变量值。

- `drop`：删除变量或观测。

- `rename`：重命名变量。

- `sort`：对数据进行排序。

- `merge`：合并数据集。

3. 描述性统计与数据分析：- `summarize`：计算变量的描述性统计量。

- `tabulate`：制表统计。

- `regress`：进行线性回归分析。

- `logit`：进行Logistic回归分析。

- `anova`：进行方差分析。

- `ttest`：进行双样本t检验。

4. 绘图与可视化：- `histogram`：绘制直方图。

- `scatter`：绘制散点图。

- `line`：绘制折线图。

- `boxplot`：绘制箱线图。

- `graph combine`：组合多个图形。

5. 循环与条件语句：- `forvalues`：进行循环操作。

- `if`：根据条件进行数据筛选。

- `foreach`：对变量进行循环操作。

这只是一些常用的Stata命令的总结，Stata还有很多其他强大的功能和命令。

你可以参考Stata官方文档或其他相关资源，深入了解更多命令和用法。

(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命令汇总

一、建立stata数据集（dataset）1、用键盘建立小型数据集①input 命令input str2sex age y x1-x3end②打开Data Editor，采用copy & paste方法二、数据管理1、显示当前数据（观测或变量）list sex y in 1/10２、变量排序sort三、描述统计1、tabulatetab sex2、histogram -- Histogramshistogram y3、summarize -- Summary statisticssum x14、tabstat -- Display table of summary statisticstabstat y x1, statistics(n mean sd var q)二、数据管理6、egen -- Extensions to generate三、单变量描述统计量——数字特征3、summarize -- Summary statistics常用描述量【Variable，Obs，Mean，Std. Dev.，Min，Max】summarize varlist基本描述量【Percentiles（1%、5%、10%、25%、50%、75%、90%、95%、99%），Smallest，Largest，Obs，Sum of Wgt.，Mean，Std. Dev.，Variance，Skewness，Kurtosis】summarize varlist, detail4、tabstat -- Display table of summary statistics分位数和分位数差tabstat varlist, statistics(min p1 p5 p10 q p90 p95 p99 max range iqr)矩描述量tabstat varlist, statistics(n sum mean sd variance cv skewness kurtosis semean)三、单变量描述统计量——数字特征1、summarizesummarize [varlist] [, options]2、tabstattabstat varlist[,statistics(statname [...])]三、描述统计8、原始数据图示法——茎叶图stem varname[,options]9、原始数据图示法——箱线图（盒须图）graph box yvars[,options]10、数字特征（描述统计量）示意图graph bar yvar [, options]一、建立stata数据集（dataset）2、读*.txt文件中的数据建立数据集insheet x1-x20using“K:\insdata\Data\Dayhugp20070903.txt”, clear二、数据管理3、generate——由数学函数生成新变量gen x1x2=x1*x2描述统计1、tabulate -- for one-way tables of frequenciestab sex2、单变量描述统计——连续分布直方图histogram x, start(#) w(#) freq addlabels单变量描述统计——数字型离散分布条形图histogram x, discrete freq addlabels gap(5)5、单变量描述统计——单项式单向次数分布表tab1varlist6、单变量描述统计——离散分布条形图twoway bar yvar xvar—— displays numeric (y,x) data as bars.Example:contract x, freq(xfreq)twoway bar xfreq x7、单变量描述统计——分类型离散分布条形图graph bar yvars, over( categories ) —— draws vertical bar charts. In a vertical bar chart, the y axis is numerical, and the x axis is categorical.Example:gen frequency=1graph bar (count)frequency, over(categories)8、单变量描述统计——离散分布饼图graph pie, over( varname)1、简单随机样本：设X是有密度f(x)的随机变量，若n个随机变量X1、X2、…、X n相互独立且有相同密度f(x)，则称X1、X2、…、X n是来自总体X的容量为n的简单随机样本，简称样本(sample)。

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<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20xx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。

* 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。

STATA常用命令总结(34个含使用示例)

STATA常用命令总结（34个含使用示例）1. sum：计算变量的简要统计信息，如均值、标准差等。

示例：sum variable2. tabulate：生成变量的频数表。

示例：tabulate variable3. describe：显示数据集的基本信息，如变量名和数据类型。

示例：describe dataset4. drop：删除数据集中的变量。

示例：drop variable5. keep：保留数据集中的变量，删除其他变量。

示例：keep variable6. rename：重命名变量。

示例：rename variable newname7. gen：根据已有变量生成新的变量。

示例：gen newvar = expression8. egen：根据已有变量生成新的变量，可以使用更复杂的函数和运算符。

示例：egen newvar = function(variable)9. recode：对变量的取值进行重新编码。

示例：recode variable (oldvalues= newvalues) 10. dropif：根据条件删除观测。

示例：dropif condition11. keepif：根据条件保留观测。

示例：keepif condition12. sort：对数据集按指定变量进行排序。

示例：sort variable13. merge：将两个数据集按照共享变量合并。

示例：merge 1:1 variable using dataset214. reshape：将数据从宽格式转换为长格式或反之。

示例：reshape long var, i(id) j(year)15. regress：进行线性回归分析。

示例：regress dependent_var independent_vars 16. logistic：进行逻辑回归分析。

示例：logistic dependent_var independent_vars 17. probit：进行Probit回归分析。

(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常用命令总结(34个含使用示例)

STATA常用命令总结（34个含使用示例）1. clear：清空当前工作空间中的数据。

示例：clear2. use：加载数据文件。

示例：use "data.dta"3. describe：查看数据文件的基本信息。

示例：describe4. summarize：统计数据的描述性统计量。

示例：summarize var1 var2 var35. tabulate：制作数据的列联表。

示例：tabulate var1 var26. scatter：绘制散点图。

示例：scatter x_var y_var7. histogram：绘制直方图。

示例：histogram var8. boxplot：绘制箱线图。

示例：boxplot var1 var29. ttest：进行单样本或双样本t检验。

示例：ttest var, by(group_var)10. regress：进行最小二乘法线性回归分析。

示例：regress dependent_var independent_var1 independent_var211. logistic：进行逻辑斯蒂回归分析。

示例：logistic dependent_var independent_var1 independent_var212. anova：进行方差分析。

示例：anova dependent_var independent_var13. chi2：进行卡方检验。

示例：chi2 var1 var214. correlate：计算变量之间的相关系数。

示例：correlate var1 var2 var315. replace：替换数据中的一些值。

示例：replace var = new_value if condition16. drop：删除变量或观察。

示例：drop var17. rename：重命名变量。

示例：rename old_var new_var18. generate：生成新变量。