stata中基础运算与回归

本思维导图主要用来展示stata入门的操作笔记，可以直接进行操作演练。喜欢的小伙伴可以点个赞哦！

STATA基础函数与计算

• 一、前导入门
  • （一）输入 help gsw 可以查看Stata官方自带的教程文档
  • （二）学习资源
    • 1、B站UP主（silencedream)：http://silencedream.gitee.io/
    • 2、UCLA官网：stats.dre.ucla.edu（点击software)
    • 3、普林斯顿官网：dss.princeton.edu/training
• 二、导入数据
  • （一) Do-File文件可以保存代码方便后续修改和运行
  • （二）数据导入
    • 1、excel导入：直接导入即可
    • 2、dta文件导入：选择dta文件，选择“复制为路径”，在do-file文件中编辑如下代码： use （粘贴上述路径）,clear //如果有数据就清空，没有就不管。
    • *备注：ctrl+d=运行代码快捷键
• 三、合并数据
  • （一）数据合并前提：excel文件转为dta文件
    • 1、步骤：现将excel文件导入软件，打开do-file文件进行编辑
    • 2、代码：
      • 1||| clear
      • 2||| import excel"XXX.xlsx"（粘贴把excel文件导入的代码）
      • 3||| save "XXX.dta"(将xlsx改dta即可）,replace（表示有相同文件名字的就替换，没有就保存）
  • （二）处理数据和合并：两个数据集的合并（match)
    • 1、代码(一对一数据）：
      • 1||| use （粘贴已经转化过后的需要使用的dta文件路径）
      • 2||| merge 1:1 id Year using （需要匹配的另一个数据集的dta文件路径） *备注：1:1意思是一一对应；id和year是变量名表示需要对应的变量为id和year，在excel中可以用vlookup函数进行处理
      • 3||| drop if_merge==2（根据合并结果删除merge==2）
      • 4||| drop _merge
      • 5||| save （合并之后的文件）
    • 2、代码（多对一数据或者一对多）：
      • 1||| merge m:1 id using(使用的dta文件，如成立时间）
      • 2||| drop if_merge==2（删除merge==2）
      • 3||| drop _merge
      • 4||| save （合并之后的文件）
• 四、样本的保留与删除
  • （一）使用函数drop
    • 1、调用系统数据集
      • sysuse census,clear
    • 2、将人口大于5000000的赋值为缺失值
      • replace pop =. if pop>5000000 (代码中的点表示缺失值）
    • 3、然后删除掉缺失值
      • drop if pop==.
    • 4、如果想删除某个变量X
      • drop X
  • （二）使用函数keep
    • 1、保留如果人口不等于缺失值
      • keep if pop !=.
  • （三）举例分析
    • 1、资产负债率
      • 1||| drop if debt>1
      • 2||| keep if debt <=1
    • 2、行业（industry code是字符串)
      • 1||| drop if industrycode=="CU"(加上双引号表示文本，而不是变量）
      • 2||| keep if industrycode!="CU"（保留行业代码不等于CU）
• 五、基本运算
  • （一)display函数
    • 1、加减乘除：display 7+8、display 7*8
    • 2、自然对数：display In(7)=display Iog(7)
    • 3、次方：display 7^2
    • 4、di是display函数的缩写，便于编程
  • （二）数据集的运算
    • 1、导入数据集：sysuse auto,clear
    • 2、保留其中2个变量：keep A B
    • 3、简单运算：generate C=A+B
    • 4、对数运算：generate InA=In(A)
    • 5、在满足一定条件下进行运算：generate D=A+B if B ==11
  • 简单运算
  • （三）均值标准差的运算
    • 1、导入数据集：sysuse auto,clear
    • 2、只保留price变量：keep price
    • 3、对price进行数据处理
      • 均值：egen meanprice=mean(price)
      • 标准差：egen sdprice=sd(price)
      • 中位数：egen medprice=median(price)
      • 最小值：egen minprice=min(price)
      • 最大值：egen maxprice=max(price)
      • 列数据
    • 4、针对行数据：
      • 1||| 行最大值：egen rowmax1=rowmax(price meanprice)
      • 2||| help egen去查看其他的用法，具体实践中学习
      • 行数据
    • 复杂运算
• 六、分组计算
  • （一）变更变量的位置：order id year industry (按照顺序输入即可）
  • （二）分类+计算代码：
    • 1、分类：sort year industry（先把年份分类，然后在年份的基础上按照industry排序
    • 2、计算：by year industry：egen Y=count(id)
    • 合并代码：bysort year industry：egen Y=count(id)
• 七、字符串类型与数据类型转换
  • （一）从字符串变成数值：
    • 1、转换code变量从字符串到数值：destring code,replace
    • 2、转换income变量从字符串到数值：destring income,replace
    • 3、进行运算：gen A=code+income
  • （二）从数值变成字符串：转换income变量从数值到字符串：tostring income,replace
• 八、处理重复样本
  • 案例分析
    • （一）数据准备：sysuse auto,clear；expand 2 in1/2(在前两个样本范围内放大2倍）；
    • （二）判定重复值：ssc install unique(按照这个unique)；unique make/unique make price(检查下make这个变量是不是唯一的，弹窗会显示结论，则可以判别重复）
    • （三）显示重复值：duplicates tag make，gen(tag1)/depulicates tag make price,gen(tag1) *备注：结果显示重复值tag1=1，其他未重复的tag1=0；duplicates list make(会把重复值列出来）
    • （四）剔除重复值：duplicates drop make,force(结果会显示已经剔除了N个样本）

虚拟变量与回归

• 一、生成虚拟变量
  • （一）举例
    • 1、调用数据集：sysuse auto,clear
    • 2、简单描述统计
      • 1||| 表格：tabulate foreign(foreign是个变量），结果显示：类型、频率和占比
      • 2||| 最大值、最小值：summarize foreign，结果会显示：最大值、最小值、平均值、方差等等
      • 3||| tabstat函数是描述性统计的函数，可以制作表格，通过help tabstat检索使用方法
    • 3、构建虚拟变量
      • Method 1
        • 1||| gen dummy1=0 if !missing(foreign) //构建虚拟变量dummy1=0,在变量是不缺失的情况下
        • 2||| replace dummy1=1 if foreign==1 & !missing(foreign)
      • Method 2
        • 1||| gen dummy2=cond(foreign==1,1,0) //cond表示条件函数，如果foreign等于1，则赋值1，否则为0
        • 2||| 注意缺失值的处理：replace dummy2=. if dummy==. //如果dummy2是缺失值的话，则把换成缺失值
      • Method 3
        • 1||| tabulate make，gen(car_) //可以直接快速全部生成关于make（品牌）的全部虚拟变量矩阵
        • 2||| *备注:tab是tabulate的缩写
        • 3||| 在回归中：
          • reg make price trunk car_* //*表示通配符可以将所有关于car_前缀的都加入回归
          • reg make price trunk i.foreign //表示在回归中加入虚拟变量，而不是先列出虚拟变量
          • 如果foreign是字符串不是数值，如果是make,则需要egen make_group=group(make),再运行reg make price trunk i.make
• 二、多元回归（举例说明）
  • （一）程序一定在do-file文件中调用
  • （二）代码
    • 1、regress rdsales_ratio i.year i.industry i.province $firmcontrol_1 L1.preceo_inventor,r
      • estimates store m1(将回归方程储存起来，名称为m1
    • 2、备注:reg是regress的缩写；i.year这种的是在回归中生成虚拟变量
    • 3、$firmcontrol_1 L1.preceo_inventor,cluster(id)
      • 1||| 先定义 global firmcontrol_1"L1.in_assets L1.In_firmage L1.In_fixedpp L1.In_salespp L1.leverage L1.cashassets_ratio"
      • 2||| $美元符号：调用叫firmcontrol的变量
      • 3||| L1.preceo_inventor指的是滞后一期（L1.）代码中有点，不能忘记
      • 4||| cluster(id)-聚类稳健标准误，是为了解决异方差问题，r表示“robust”是稳健标准误。
  • （三）原方程
  • （四）看懂多元回归结果（表格）
    • 1、SS=sum of squares(平方和）、df、MS=SS/df、number of obs、F值、P值、R-squared、Adj R-squared、Root MSE=root mean squared error
    • 2、coef.=beta系数、std.err=标准误、t值、P值、系数在95%的CI置信区间（stata里默认是双尾检验）
• 三、如何导出结果
  • （一）描述性统计导出
    • 1、tabstat函数是描述性统计的函数，tabstat XX YY ZZ，s(N mean min max range) f(%12.3f) c(s) //f表示format格式，c表示column列，可以将统计的量放在列
    • 2、安装logout：ssc install logout
    • 3、logout，save(mytable) excel replace：tabstat XX YY ZZ //可以保存为word和excel格式，最好用excel格式
  • （二）相关系数表导出
    • 1、pwcorr函数：pwcorr A B C；pwcorr_a函数需要下载，更方便（在GitHub网页上下载，arlionn老师写好的，具体教程如网址）
    • 2、代码：logout,save(corr1) excel replace:pwcorr_a A B C //ABC分别表示3个变量
    • 3、备注：cd （目录）可以改变文档存放的位置
    • Method 1
    • 4、安装corr2docx：ssc install corr2docx
    • 5、代码：corr2docx A B C using corr2.docx,star(***0.01**0.05*0.1) fmt(%4.2f) title("表2：相关系数矩阵")
    • Method 2（更美观-常用）
  • （三）T检验表格导出
    • 1、安装ttable2：ssc install ttable2
    • 2、代码：ttable2 A B C，by(D) f(%12.3f)
    • 3、logout,save(ttable) excel replace：ttable2 A B C，by(D) f(%12.3f)
    • Method 1
    • 4、安装t2docx：ssc install t2docx
    • 5、t2docx A B C using ttable1.docx,replace by(D) title("表3 t检验”)
    • Method 2(美观且常用）
  • （四）多元回归结果导出
    • 1、生成表格:estab m1 m2 m3 m4，using （文件夹路径\regout.rtf）b(%12.3f) se(%12.3f) nogap compress s(N r2 ar2) star(*0.1**0.05***0.01) //必须写rtf保存成word
    • 2、b的意思是系数的格式，se表示std err格式，nogap compress表示没有空格压缩到一起，s表示统计量，r是R-squared，ar2是adj R-squared，T检验的标星