stata入门操作思维导图

思维导图主要展示stata入门操作，包括： 1、数据的基本处理：数据分组、虚拟变量的生成、数据剔除等 2、外部命令安装、资源库 3、面板数据的差分、拟合以及求残差值等 4、各种类型数据的导出等

入门基础-01

• 一、条件判断
  • （一）导入数据：sysuse auto,clear
  • （二）保留前5列数据：keep in 1/5
  • （三）不要第一列样本：drop in 1 ; drop in 1/3
  • （四）if 语句
    • 1、一个条件：drop if trunk==11
    • 2、二个条件：drop if trunk==11&mpg==22
    • 3、或者：drop if trunk==11|mpg==22
    • 4、多个条件可以以此类推
• 二、面板差分
  • （一）调用数据：webuse pig,clear
  • （二）面板数据：xtset id week // xtset firm_id year
  • （三）将数据挪动到下一行生成：lweight=L.weight
  • （四）进行差分：dweight=weight-L.weight
    • gendweight=d.weight //也可以用d.表示一阶差分
  • （五）如果差分2年：
    • 1、l2weight=L2.weight
    • 2、d2weight=weight-L2.weight
  • 需要生成中间变量
  • （六）gen dweight=weight-L.weight
  • （七）gen dweight=weight-L2.weight
  • 不需要生成中间变量
  • Lag滞后
  • （八）gen fweight=F.weight
    • Forward向前
• 三、外部命令安装
  • （一）ssc函数：eg：ssc install logout
  • （二）如果无法安装，采用：findit XX/search XX，找到想安装的外部命令，找到installation files，点击click here to install
  • （三）外部资源：知乎连玉君stata专栏：zhuanlan.zhihu.com/p/51712990
• 四、快速了解数据集
  • （一）describe(des)简单的描述：变量的描述、类型等
  • （二）summarize(sum)：描述性统计：如果后面不加变量则对全部数据进行描述性统计 eg：summarize A B C //sum A B,detail(更细节）
  • （三）tabulate(tab)：描述频率、占比、累计占比，eg：tab foreign headroom //tab A B
• 五、给数据贴标签
  • （一）数据准备：set obs=10 ; gen a=0 ; replace a=1 in 5/10
  • （二）给变量加标签：label variable a "项目名称”
  • （三）给数据集加标签：label data “示例数据”
  • （四）给值加标签：label define a_value 1"男“0”女“ //定义a_value
  • （五）label value a a_value(用a_value这个标签对a进行处理，那么表格中的0、1变量就会变成男和女）
• 六、纵向合并数据
  • （一）将数据纵向数据延长
    • 1、use （文件1路径），clear
    • 2、append using （文件2路径）
• 七、字符串的基本处理
  • （一）字符串部分截取：substr函数：
    • 1、gen year = substr(A,1,4) //一定要是字符串变量，提取变量A中的第1位开始第4位结束
    • 2、gen industrycode =substr（B,1,1）//只能提取第一位
  • （二）字符串的替换
    • 1、subinstr函数
    • 2、dis subinstr("this is the day","is","x",1) //替换对象为句子中的is，替换出x，并对第一个is做替换，后面的is不进行操作；
    • 3、dis subinstr("this is the day","is","x",2) //替换对象为句子中的is，替换出x，并对两个is做替换；
    • 4、dis subinstr("this is this","is","x",.) //代码最后的点表示所以都替换
  • （三）字符串的分割
    • 1、split函数
    • 2、准备数据：set obs 20 ; gen v1="1 2 3"
    • 3、直接分割成3列：split v1，gen(a) //a表示以a作为前缀，变量title就是a1、a2、a3
    • 4、用逗号进行分割：gen v2="1,2,3" ; split v2,p(",") gen(b) //表示以b作为前缀，变量title就是b1、b2、b3
• 八、Loop循环
  • （一）如果变量很多需要重复操作，可以用loop循环
    • 1、foreach x of varlist A B C D{gen In'x'=In('x')} //对于需要处理的变量的集合
    • 2、forvalue i=1(1)20{gen x_'i'=0} //从1开始间隔为1，到20
    • 3、forvalue i=1(2)20{drop x_'i'} //从1开始间隔为2，到20，表格显示数据2、4、6、8、间隔地扔掉数据

入门基础-02

• 一、分组回归
  • （一）分行业、年份和企业性质
    • 1、bysort（bys）函数
      • 1||| 设race人种作为分类变量，1=white、2=black、3=other
      • 2||| bysort race: reg Y X1 X2 X3
      • 适用于分组命令较多
    • 2、reg函数+if
      • 1||| 假设race人种作为分类变量，1=white、2=black、3=other
      • 2||| reg Y X1 X2 X3 if race==1
      • 3||| reg Y X1 X2 X3 if race==2
      • 4||| reg Y X1 X2 X3 if race==3
      • 适用于分组命令较少
  • *补充（二）面板数据理解
    • 1、面板数据=时间序列+横截面
    • 2、根据时间长度分类
      • 1||| 短面板数据：大N小T
      • 2||| 长面板数据：大N大T
  • （三）分组获取拟合值和残差项
    • 1、调用数据集 eg：sysuse auto,clear
    • 2、进行方程回归 eg: reg A B C
    • 3、获取拟合值 eg:predict D,xb //也可以用predict D(predict默认生成拟合值）
    • 4、生成残差值 eg：predict D, res(res是residua的简写）
    • 5、面板分组回归
      • 1||| 对company1进行回归： reg A B C if company==1
      • 2||| 获取company1的拟合值：predict D_hat if company==1，xb
      • 3||| 获取company1的残差值：predict D-residual if company==1,res
      • 4||| 如果有N组company的数据，则需要循环迭代：
        • i. 先安装asreg函数：ssc install asreg,replace
        • ii. 代码：asreg A B C,by(company) fitted //fitted表示显示拟合值和残差值
      • 5||| 备注：可以用help asreg 查看用法，回归的结果显示：贝塔值、R-squared、adj R-squared等
  • （四）按照变量的中位数/平均数进行分组回归
    • 1、使用变量 above
      • 1||| 大于等于中位数为1
      • 2||| 小于中位数为0
    • 2、中位数分组代码逻辑
      • 1||| reg A B C if foreign==1
      • 2||| reg A B C if foreign==0
      • 对foreign进行分组回归
      • 3||| reg A B C if above==1
      • 4||| reg A B C if above==0
      • 把foreign替换成above，过程代码如右图
• 二、数据格式和等分
  • （一）format函数
    • 1、format A %14.0g
      • 1||| 14表示显示格式的宽度
      • 2||| 0表示小数点后的数字
      • 3||| f表示固定格式，g表示通用设定
      • 4||| e表示使用科学计数法
    • 2、format A %-14.0gc
      • 1||| -表示左对齐
      • 2||| c表示千分位符号，eg：1,234,456
  • （二）数据N等分
    • 1、xtitle A3=A,nq(3) //A表示变量，nq(3)表示等分成3组
    • 2、sort A //进行分组排序，能更清晰的看出
    • 3、引申知识点：如何生成分组的虚拟变量
      • tab A3,gen(high_) //最后会生成3列，分别是high_1、high_2和high_3，形成虚拟变量
• 三、样本基本处理
  • （一）导出相同统计量：
    • 1、如果数据集中有缺失值，则需要进行剔除到处相同统计量。只要变量里有一个缺失值，则为1，否则为0：egen miss=rmiss(A B C) //rmiss是row miss，表示每一行中如果有任意一个缺失值则为1
    • 2、剔除：drop if miss==1
    • 3、tabstat A B C s(N mean p50 sd) columns(s)
    • 4、剔除的变量不会影响回归，因为stata进行回归的时候也会将其剔除
    • 5、logout，save (mytable) excel replace:tabstat A B C s(N mean p50 sd) f(%12.3f) columns(s)
  • （二）样本排序
    • 1、sort函数
      • 1||| 一个变量排序：sort A //从小到大排序
    • 2、gsort函数
      • 1||| 一个变量排序：gsort -A //加上负号，从大到小排序
      • 2||| 两个变量排序：gsort A -B //A先按照从小到大排序，然后B按照从大到小排序
  • （三）样本缩尾截尾
    • 1、缩尾
      • 1||| 定义
        • i. 1%缩尾：小于1%的数替换为1%的数值
        • ii. 99%缩尾：大于99%的数替换为99%的数值
      • 2||| stata操作
        • i. 安装winsor2：ssc install winsor2
        • ii. 缩尾：winsor2 var1 var2,replace cuts(1 99) //cuts内是缩尾或者截尾的百分比，可根据实际情况调整。
    • 2、截尾
      • 1||| 定义
        • i. 1%截尾：小于1%的数替换为缺失值
        • ii. 99%截尾：大于99%的数替换为缺失值
      • 2||| stata操作
        • i. 安装winsor2：ssc install winsor2
        • ii. 截尾：winsor2 var1 var2,replace cuts(1 99) trim //截尾需要加trim，trim的意思是“修剪"
  • （四）去掉ST/*ST/PT样本
    • （一）为什么需要剔除？
      • 因为这些企业的财务制度异常需要剔除
    • （二）采用CSMAR数据库，公司数据选择公司研究数据下载企业数据
      • 1、drop if status=="B"
      • 2、drop if status=="C"
• 四、如何调用网络上的数据
  • （一）数据库资源：stata-press.com/data/r16/
  • (二）点击需要的下载到本地就不会调用webuse报错
• 五、Local和Global
  • (一）local
    • 1、一次性的
    • 2、local xyz "886" //运行一次是有效的，第二次则无法运行
    • 3、display ~xyz' //需要用键盘数字1左边的符号和单引号调用
  • (二）global
    • 1、永久的
    • 2、global xyz "886" //可运行多次
    • 3、display $xyz //需要用美元符号进行调用