数量分析方法复习

数量分析方法复习材料第一部分：安装stata13.0以及界面优化设置的步骤，该步骤是为达到理想工作的友好界面。

一、Stata13.0MP 32位/64位破解版安装安装步骤：1.解压缩，压缩包内有三个文件，分别是“Stata13_setup.msi”——安装程序，“Crack”——破解补丁目录，“破解说明”。

2.点击Stata13_setup.msi，根据windows操作系统，自行选择32/64位MP版，静静等待安装完成。

3.把“Crack”文件夹中的Stata.lic和StataMP.exe（或StataMP-64.exe）复制粘贴到安装目录。

运行程序，关键的一步是去掉自动在线注册的勾选项。

注意：1.Stata13应当安装在D盘或E盘的根目录下，绝不能安装在C盘。

2.安装好的Stata13文件夹下只能有12个文件以及一个名为profile的do文件（在第三步设置中出现）。

3.要创建一个Stata13的快捷方式在桌面，便于操作。

二、界面优化1.改变stata13界面排版Edit --- Preferences --- Load Preference Set --- Presentation(1024*768)2.设置结果窗口界面颜色Edit --- Preferences --- General preferences --- Result colors --- classic3.改变结果窗口界面字体大小在结果窗口右键--- Font --- 大小4.保存设置，使得再次打开stata13时显示为该设置，保存名自行设置Edit --- Preferences --- Save Preferences --- New Preferences Set--- 自行命名5.文件关联，关联“.dta”，“.do”，“.gph”，“.smcl”。

Edit --- Preferences --- Reset File Associations --- 是6.编辑do文件时，改变其窗口字体大小在命令窗口输入doedit，打开do文件编辑器Edit --- Preferences --- Editor Font ---Size三、基本文件及工作日志设置1.在Stata13文件夹下的ado文件夹内，创建名为personal、plus 的文件夹方法一：手动右键新建文件夹方法二：在stata13 command 命令窗口内输入如下命令：mkdir d:\stata13\ado\plusmkdir d:\stata13\ado\personal2.在personal文件下创建command.log和stata.log两个日志文件，使得运行的命令及结果都存在这两个text文件内。

方法：在stata13目录下创建profile.do文件。

（1）在命令窗口内输入doedit，打开do文件编辑器。

（2）输入代码并保存，保存位置为d:\stata13，文件名为profile，文件类型为Do Files(*.do)。

代码如下：cap prog drop profileprog profilecap log closecap cmdlog closelog using d:\stata13\ado\personal\stata.log, text replacecmdlog using d:\stata13\ado\personal\command.log, appendsysdir set PERSONAL d:\stata13\ado\personalsysdir set PLUS d:\stata13\ado\plussysdir set OLDPLACE d:\stata13\dataendprofile说明：1.replace，替换，指每一次打开都用新文件覆盖上一次的文件，即stata.log的内容如果需要保存，应当在工作完成后将其移至其他文件夹。

2.append，叠加，指在旧文件的基础上继续添加新文件，即command.log的内容包含了全部已输入的命令。

3.设置完成后，打开Stata，在结果窗口的下方应当显示log on(text)及cmdlog on。

第二部分：结合“Stata特性”、“本课程的学习体会”谈一谈MPAcc/MV学生如何应用Stata13.0成就一篇较高水平的硕士学位论文。

Stata的八个特性：1.互动性——2.高效性——数据处理3.直观性——画图4.便捷性——制表5.先进性——统计分析6.一体性——统计程序、数据管理与制图浑然一体7.创造性——编程8.开放性——参与开发do文件、ado文件ols.ado; ols.hlp;ols.sthlp学习体会：学会stata，就拥有了全世界。

第三部分：Do文件英汉互译——sunnycap prog drop sunny//捕获内存中的sunny程序，有则清除（_all是系统宏，指全部程序，如果输入“cap prog drop _all”，会将全部程序从内存中清除）。

prog sunny// sunny程序的起始语句，与end对应set more off//result窗口翻屏至最后一页cap mkdir f:\haihan//在F盘的根目录下产生名为haihan的文件夹，前面加cap，可选择性执行——没有就创建，有则忽略cd f:\haihan//设定当前工作路径为f:\haihansysuse auto, clear//调用系统自带的数据集audo.dta，如果是外部数据，例如mv.dta，则应当输入“use mv.dta”；“clear”是清除已经被占用的内存。

tabstat price-foreign, stats(N min mean median max) column(statistics) format(%9.2g) //以简表的形式描述auto.dta中从price到foreign的所有数值型变量的统计结果，同时要求变量名在第一列。

tabstat只能报告数值型，字符型会报错；stats(N min mean median max)：N-样本量，min-最小值，mean-均值，median-中位数（与p50相同），max-最大值；column(statistics)：变量名在第一列显示；format是对统计结果的格式进行设置，%9.2g代表最长9位，小数点后保留2位。

spearman price weight length foreign,stats(rho p) star(0.05) sidak pw//显示变量“price weight length foreign”的spearman等级相关系数与显著性水平。

stats(rho p)是spearman的语法，表示提供相关系数与对应的显著性水平P值；star(0.05)是对相关系数显著性水平在5%及以下的结果加星号；Sidak是使用Sidak调整方法计算显著性水平；pw使用所有可用数据计算配对相关系数。

winsor2 price weight length, suffix(_win) cuts(1 99)//对“price weight length”三个变量使用winsor2进行缩尾，缩尾后产生新变量，变量名为原变量加后缀“_win”，缩尾区间为1%——99%。

winsorize：缩尾；suffix：后缀；cuts(1 99)缩尾区间1%——99%，默认值同样为1%——99%。

reg price_win weight_win length_win foreign, nocons beta robust//对缩尾后的数据使用无截距模型进行稳健回归分析，并报告标准化回归系数。

noncons:使用无截距模型；beta：提供标准化回归系数；robust：稳健估计，消除残差影响。

estimates store ols//存储ols回归结果estimates table ols, stats (r2 r2_a N F) b(%7.2f) star(0.10 0.05 0.01) title("汽车价格模型的ols回归结果")//列表报告ols回归结果，标题为“汽车价格模型的ols回归结果”，报告指包括r²，调整后的r²,样本量以及F指。

stats (r2 r2_a N F)：报告r²，调整后的r²，样本量，F值（F 值的意义是用来检验样本的结果能够代表总体的真实程度）；b(%7.2f)：报告结果格式，最长7位，小数点后保留2位；star(0.10 0.05 0.01)：0.10——0.05之间加1星，0.05——0.01之间加2星，0.01以下加3星；title("汽车价格模型的ols回归结果")：设置标题。

vif, uncentered //vif 检验，方差膨胀系数，去中心化，因为14条nocons 是无截距模型，vif不能超过8.0end//程序结束，与之前的“prog sunny”对应。

sunny//执行sunny.do。

第四部分：Do文件英汉互译——groupcap prog drop group//捕获内存中的group程序，有则清除。

prog group// group程序的起始语句，与end对应set more off//翻屏至最后一页sysuse auto, clear//调用系统自带的数据集audo.dta并清除已被占用的内存。

bys foreign: reg price weight length, robust//按照变量foreign分组排序，进行稳健回归分析，被解释变量为price（价格），解释变量为weight（重量）length（长度）。

quietly sum price, detail//后台运行，对变量price进行详细的描述统计return list//显示统计结果g group1 = price > r(mean)//产生虚拟变量，变量名为group1，当价格大于均值时，变量值为1；否则为0。

g group2 = price > r(p50)//产生虚拟变量，变量名为group2，当价格大于中位数时，变量值为1；否则为0。

bys group1: reg price weight length foreign, robust beta level(90)//按照变量group1分组排序，进行稳健回归分析，被解释变量为price，解释变量为weight length foreign，并显示标准化回归系数，置信区间为90，默认值为95。