Stata统计分析常用命令汇总

一、winsorize极端值处理

范围：一般在1%和99%分位做极端值处理，对于小于1%的数用1%的值赋值，对于大于99%的数用99%的值赋值。

1、Stata中的单变量极端值处理：

stata 11.0，在命令窗口输入“findit winsor”后，系统弹出一个窗口，安装winsor模块 安装好模块之后，就可以调用winsor命令，命令格式：winsor var1, gen(new var) p(0.01) 或者在命令窗口中输入：ssc install winsor安装winsor命令。winsor命令不能进行批量处理。

2、批量进行winsorize极端值处理：

打开链接：http://personal.anderson.ucla.edu/judson.caskey/data.html，找到winsorizeJ，点击右键，另存为到stata中的ado/plus/目录下即可。命令格式：winsorizeJ var1var2var3,suffix(w)即可，这样会生成三个新变量，var1w var2w var3w，而且默认的是上下1%winsorize。如果要修改分位点，则写成如下格式：winsorizeJ var 1 var2 var3,suffix(w) cuts(5 95)。 3、Excel中的极端值处理：（略） winsor2 命令使用说明

简介：winsor2 winsorize or trim (if trim option is specified) the variables in varlist at particular percentiles specified by option cuts(# #). In defult, new variables will be generated with a suffix \variables with their winsorized or trimmed ones.

相比于winsor命令的改进： (1) 可以批量处理多个变量；

(2) 不仅可以 winsor，也可以 trimming；

(3) 附加了 by() 选项，可以分组 winsor 或 trimming；

(4) 增加了 replace 选项，可以不必生成新变量，直接替换原变量。

范例：

*- winsor at (p1 p99), get new variable \ . sysuse nlsw88, clear . winsor2 wage

*- left-trimming at 2th percentile . winsor2 wage, cuts(2 100) trim

*- winsor variables by (industry south), overwrite the old variables . winsor2 wage hours, replace by(industry south)

使用方法:

1. 请将 winsor2.ado 和 winsor2.sthlp 放置于 stata12\\ado\\base\\w 文件夹下； 2. 输入 help winsor2 可以查看帮助文件；

二、描述性统计

1、summarize

命令格式：su、sum或者summarize [varlist] [if] [in] [weight] [,options]

如果summarize或sum后不加任何变量，则默认对数据中的所有变量进行描述统计 options 选项：detail 表示产生更加详细的统计变量

Separator（n）表示每n个变量画一条分界线，n=0表示禁止使用分界线

Summarize 描述统计输出表中包含：样本容量、平均数、标准差、最小值和最大值 2、tabstat

命令格式：tabstat [varlist] [if] [in] [weight] [,options]

options 选项：stat(statname) 表示设定所需要的统计量 col(stat)或c(s)表示将结果报表转置 统计量：

mean：平均数 count/n：观测值数目 sum：加总

max/min ：最大值/最小值 range ：极差 sd：标准差 cv：变异系数 semean ：平均标准误差 skewness：偏度var ：方差

kurtosis ：峰度 median/p50：中位数 p# ：#%百分位数 例如：tabstat[varlist],stat(count mean sd median min max range) col(stat) 3、描述性统计结果输出到word或Excel

用sum做的描述性统计：logout, save(miaoshutongji) word replace:sum

用tabstat做的描述性统计：logout, save(miaoshutongji) word replace:tabstat [varlist] ,stat(count mean sd median min max range) col(stat) 分组描述：bysort var:

三、相关性分析

（一）相关性分析 1、Pearson相关系数命令格式：correlate（简写：cor或corr）[varlist] [if] [in] [weight] [,options] 2、spearman相关系数命令格式：spearman[varlist], stats(rho p)

3、在Stata中，命令corr用于计算一组变量间的协方差或相关系数矩阵；

4、命令pwcorr可用于计算一组变量中两两变量的相关系数，同时还可以对相关系数的显著性进行检验；option选项中加上sig可显示显著性水平：pwcorr[varlist] ,sig

5、命令pcorr 用于计算一组变量中两两变量的偏相关系数并进行显著性检验。 6、Spearman 和 Pearson 检验同在一个表的命令：corrtbl[varlist] ,corrvars ([varlist])

输出结果中，上三角为Spearman相关系数和显著水平，下三角为Pearson系数和显著水平。 （二）输出相关系数表到word或Excel中

例如：logout, save(mytable) word replace: pwcorr_a price mpg rep78 headroom trunk, star1(0.01) star5(0.05) star10(0.1)

四、截面数据单方程线性回归模型的Stata实现

命令格式：regress（简写：reg）depvar indepvars [if] [in] [weigh] [option] （depvar表示因变量， indepvars表示自变量）

五、异方差的检验与处理

1、检验异方差命令格式：hettest 2、判断异方差的标准：

看P值的大小来判断，如果P值小于0.05，则不能排除异方差的可能，上图中P值等于0.4584>0.05，因此，可以排除异方差的可能性。

3、处理异方差命令格式：在reg命令后加上“,r”或者“,robust”即可。经异方差处理后的回归不显示调整后的R2（adj-R2），如果要查看调整后的R2，再输入命令：di e(r2_a)

六、多重共线性（自变量之间高度相关）命令格式：vif

（一）判断多重共线性的标准（两个标准必须同时满足）： 1、最大的vif大于10； 2、平均的vif大于1 。 （二）多重共线性的修正

1、采用逐步回归进行修正，命令格式：sw reg depvar indepvar, pr(0.05)

2、对于含二次项的，使用“对中”的方法，既可以保留二次项，又可以在一定程度上克服多重共线性的问题：先定义两个变量，分别为该变量减去其均值和该变量的平方，命令如下： sum var

gen var1=var-r(mean) gen var2=var^2

再用新变量代替原来的变量进行回归处理

七、内生性的检验与处理（内生性是指自变量与误差项之间有关系）

1、内生性的检验：ovtest

看P值的大小来判断，如果P值小于0.05，则不能排除内生性的可能，上图中P值等于0.4717>0.05，因此，可以排除内生性的可能。 2、内生性的处理：使用工具变量法：ivreg

内生性的三个来源：测量误差、遗漏变量和双向因果。 1、变量的内生性。

这个是没有办法单独检验的。当有合适工具变量时候，是可以检验的，就是hausman检验

2、工具变量的外生性。

这个也是没办法检验的。当有很多工具变量时候，可以检验是否有不是外生的，就是“过度识别”问题

3、工具变量的相关性。

这个可以说成是“弱工具变量”问题，检验可以通过一阶段的F值。还可以利用Partial R2。 4、估计方法

stata里面有这么几个2sls，2sls smal、liml、gmm，各自适用情况：small适合小样本；liml适合弱工具变量；gmm适合异方差。 【例子】 webuse hsng2

*Fit a regression via 2SLS, requesting small-sample statistics ivregress 2sls rent pcturban (hsngval = faminc iregion), small *Fit a regression using the LIML estimator

ivregress liml rent pcturban (hsngval = faminc iregion)

*Fit a regression via GMM using the default heteroskedasticity-robust weight matrix ivregress gmm rent pcturban (hsngval = faminc iregion)

*Fit a regression via GMM using a heteroskedasticity-robust weight matrix, requesting nonrobust standard errors

ivregress gmm rent pcturban (hsngval = faminc iregion), vce(unadjusted) *检验

estata firststage ,all forcenonrobust \\\\\\可以查看第一阶段F值，已经partial R2 estat overid \\\\\\查看是否过度识别 estat endogenous \\\\\\查看是否异方差

regress 2sls rent pcturban hsngval est store m1

ivregress 2sls rent pcturban (hsngval = faminc iregion) est store m2

hausman m1 m2 \\\\\\内生检验

八、线性方程组的回归分析

命令格式：sureg(depvar1 varlist1)(depvar2 varlist2)…(depvarN varlistN) [if] [in] [weigh]

九、联立方程组

命令格式：reg3 (depvar1 varlist1)(depvar2 varlist2)…(depvarN varlistN) [if] [in] [weigh]

十、面板数据的固定效应和随机效应 Xtset

固定效应命令格式：xtreg depvar indepvars [if] [in] ,fe[FE_options] 随机效应命令格式：xtreg depvar indepvars [if] [in] ,re[FE_options] hausman检验固定效应还是随机效应？ 【例子】

xtreg y var1 var2 var3，fe est store fe

xtreg y var1 var2 var3，re est store re

hausman fe re,sigmamore hausman fe re,sigmaless

*sigmamore利用有效估计量方差，即re *sigmaless利用一致估计量方差，即fe

十一：Stata回归结果的导出

1、在命令窗口中输入：ssc install esttab，安装命令 esttab 2、reg 回归

3、esttab using filename.rtf 将以word形式输出回归结果，后缀改成.xls或者.csv则以Excel格式输出，输出内容为变量名称和相应的回归系数，t值，显著性水平标识。系统默认显著性水平是0.001，0.01和0.05，若要改成0.01，0.05和0.1，则输出esttab m1 m2 using aaa.rtf, star(* 0.10 ** 0.05 *** 0.01)。

4、批量输出回归结果：每运行一个regression，存起来：est store m1。m1是你要改的，第一个model所以我叫m1，第二个的话指令就变成est store m2，依次类推，最后运行指令：esttab m1 m2 ... using test.rtf。

esttab m11111 using aaaaa.rtf, star(* 0.10 ** 0.05 *** 0.01)b(%6.4f)

5、outreg2可以将回归结果导入word、excle、latex等，而且可以根据自己需要改变格式： ssc install outreg2 use auto,clear [varlist] est store m1

outreg2 [m1] using test.doc,replace

十二、合并样本（将关键词相同的多个样本合并为一个） 命令格式：duplicates drop varlist ,force

例如将同一企业在同一天发生的多起并购合为一起，可根据证券代码和公告日期关键词，将其合并，命令：duplicates drop company_id event_date ,force

十三、均值t检验

命令格式：ttest CAR1 == CAR2, unpaired

十四、中位数Z检验（非参数Wilcoxon秩和检验） 命令格式：ranksum var, by(groupvar) groupvar为分组变量