STATA命令应用及详细解释(汇总情况).doc
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《STATA命令应用及详细解释(汇总情况).doc》由用户(最好的沉淀)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- STATA 命令 应用 详细 解释 汇总 情况
- 资源描述:
-
1、实用标准文案STATA命令应用及详细解释(汇总)调整变量格式:format x1 .3f将x1的列宽固定为10,小数点后取三位format x1 .3g将x1的列宽固定为10,有效数字取三位format x1 .3e将x1的列宽固定为10,采用科学计数法format x1 .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 .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 Setting
2、sxks桌面2006.dta, clearmerge using C:Documents and Settingsxks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 Settingsxks桌面2006.dta, clearmerge id using C:Documents and Settingsxks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:sam
3、ple 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 x33(按所列变量与条件打开数据查看器)edit x1 x2 if x33(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v001v003这三个编码排序,并建立临时数据
4、库tempw1clearuse t:statatutexampw1.dtasusummarize的简写sort v001 v002 v003save tempw1第二步:对exampw2做同样的 处理clearuse t:statatutexampw2.dtasusort v001 v002 v003save tempw2第三步:使用tempw1数据库,将其与tempw2合并:clearuse tempw1merge v001 v002 v003 using tempw2第四步:查看合并后的数据状况:ta _mergetabulate _merge的简写su第五步:清理临时数据库,并删 除_m
5、erge,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:statatutfac19.dtata regionappend using t:statatutnewfacta 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04,后半段为59)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,
6、每个小树茎的组距为2)stem x1,round(100)(将x1除以100后再做x1的茎叶图)直方图采用auto数据库histogram mpg, discrete frequency normal xlabel(1(1)5)(discrete表示变量不连续,frequency表示显示频数,normal加入正太分布曲线,xlabel设 定x轴,1和5为极端值,(1)为单位)histogram price, fraction norm(fraction表示y轴显示小数,除了frequency和 fraction这两个选择之外,该命令可替换为“percent”百分比,和“density”密度;未
7、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
8、“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
9、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)tw
10、oway 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 | li
11、ne 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 c
12、ol(1) )(根据foreign变量的不同类型绘制price等四个变量的散点图矩阵,要求绘出总图,并上下 排列】=具)其他图形:graph box y,over(x) yline(.22)(对应x的每一个取值构建y的箱型图,并在y轴的 0.22处划一条水平线)graph bar (mean) y,over(x)对应x的每一个取值,显示y的平均数的条形图。括号中的“mean”也可换成 median、sum、sd、p25、p75等graph bar a1 a2,over(b) stack(对应在b的每一个取值,显示a1和a2的条形图,a1和a2是叠放成一根条 形柱。若不写入“stack”,则a1
13、和a2显示为两个并排的条形柱)graph dot (median)y,over(x)(画点图,沿着水平刻度,在x的每一个取值水平所对应的y的中位数上打点)qnorm x(画出一幅分位-正态标绘图)rchart a1 a2 a2(画出质量控制R图,显示a1到a3的取值范围)简单统计量的计算:ameans x(计算变量x的算术平均值、几何平均值和简单调和平均值,均显示样本量和置信区间)mean var1 pweight = var2(求取分组数据的平均值和标准误,var1为各组的赋值,var2为每组的频数)summarize y x1 x2,detail(可以获得各个变量的百分比数、最大最小值、样
14、本量、平均数、标准差、方差、峰度、偏 度)*注意*stata中summarize所计算出来的峰度skewness和偏度kurtosis有问题,与ECELL和 SPSS有较大差异,建议不采用stata的结果。summarize var1 aweight = var2, detail(求取分组数据的统计量,var1为各组的赋 值,var2为每组的频数)tabstat X1,stats(mean n q max min sd var cv)(计算变量X1的算术平均值、样本量、四分位 线、最大最小值、标准差、方差和变异系数)概率分布的计算:(1)贝努利概率分布测试:webuse quickbitest
15、 quick=0.3,detail(假 设每次得到成功案例1的概率等于0.3,计算在变量quick所显示的二项分布情况下,各种累计概率和单个概率是多少)bitesti 10,3,0.5,detail(计算当每次成功的概率为0.5时,十次抽样中抽到三次成功案例的概率:低于或高于三次成功的累计概率和恰好三次 成功概率)(2)泊松分布概率:display poisson(7,6).44971106(计算均值为7,成功案例小于等于6个 的泊松概率)display poissonp(7,6).14900278(计算均值为7,成功案例恰好等于6个的泊松概率)display poissontail(7,6)
16、.69929172(计算均值为7,成功案例大于等于6个的泊松概率)(3)超几何分布概率:display hypergeometricp(10,3,4,2).3(计算在样本总量为 10,成功案例为3的样本总体中,不重置地抽取4个样本,其中恰好有2个为成功案例的概率)display hypergeometric(10,3,4,2).96666667(计算在样本总量为10,成功案例为3的样 本总体中,不重置地抽取4个样本,其中有小于或等于2个为成功案例的概率)检验极端值的步骤:常见命令:tabulate、stem、codebook、summarize、list、histogram、 graph bo
17、x、gragh matrixstep1.用codebook、summarize、histogram、graph boxs、graph matrix、stem看检验数据的总体情况:codebook y x1 x2summarize y x1 x2,detailhistogram x1,norm(正态直方图)graph box x1(箱图)graph matrix y x1 x2,half(画出各个变量的两两x-y图)stem x1(做x1的茎叶图)可以看出数据分布状况,尤其是最大、最小值step2.用tabulate、list细致寻找极端值tabulate code if x1=极端值(作出x1
18、等于极端值时code的频数分布表,code表示地区、年份等序列变量,这样便可找出那些地区的数值出现了错误)list code if x1=极端值(直接列出x1等于极端值时code的值,当x1的错误过多时,不建议使用该命令)list in -20/l(l表示last one,-20表示倒数第20个样本,该命令列出了从倒数第20个到倒数第一个样本的各变量值)step3.用replace命令替换极端值replace x1=? if x1=极端值去除极端值:keep if y1000对数据排序:sort xgsort +x(对数据按x进行升序排列)gsort -x(对数据按x进行 降序排列)gsort
19、 -x, generate(id) mfirst(对数据按x进行降序排列,缺失值排最前,生成反映位次的变量 id)对变量进行排序:order y x3 x1 x2(将变量按照y、x3、x1、x2的顺序排列)生成新变量:gen logx1=log(x1)(得出x1的对数)gen x1=exp(logx1)(将logx1反对数化)gen r61_100=1 if rank=61&rankx2,x1,x2)(若x1x2成立,则取x1,若x1x2不成立,则取x2)sort xgen gx=group(n)(将经过排序的变量x分为尽量等规模的n个组)egen zx1=std(x1)(得出x1的标准值,就
20、是用(x1-avgx1)/sdx1)egen zx1=std(x1),m(0) s(1)(得出x1的标准分,标准分的平均值为0,标准差为1)egen sdx1=sd(x1)(得出x1的标准差)egen meanx1=mean(x1)(得出x1的平均值)egen maxx1=max(x1)(最大值)egen minx1=min(x1)(最小值)egen medx1=med(x1)(中数)egen modex1=mode(x1)(众数)egen totalx1=total(x1)(得出x1的总数)egen rowsd=sd(x1 x2 x3)(得出x1、x2和x3联合的标准差)egen rowme
21、an=mean(x1 x2 x3)(得出x1、x2和x3联合的平均值)egen rowmax=max(x1 x2 x3)(联合最大值)egen rowmin=min(x1 x2 x3)(联合最小值)egen rowmed=med(x1 x2 x3)(联合中数)egen rowmode=mode(x1 x2 x3) (联合众数)egen rowtotal=total(x1 x2 x3)(联合总数)egen xrank=rank(x)(在不改变变量x各个值排序的情况下,获得反映x值大小排序的xrank)数据计算器display命令:display x12(显示x的第十二个观察值)display c
22、hi2(n,x)(自由度为n的累计卡方分布)display chi2tail(n,x)(自由度为n的反向累计卡方分布,chi2tail(n,x)=1-chi2(n,x))display invchi2(n,p)(卡方分布的逆运算,若chi2(n,x)=p,那么invchi2(n,p)=x)display invchi2tail(n,p)(chi2tail的逆运算)display F(n1,n2,f)(分子、分母自由度分别为n1和n2的累计F分布)display Ftail(n1,n2,f)(分子、分母自由度分别为n1和n2的反向累计F分布)display invF(n1,n2,P)(F分布的逆
展开阅读全文