2023年STATA实用学习笔记

《2023年STATA实用学习笔记》由会员分享，可在线阅读，更多相关《2023年STATA实用学习笔记（59页珍藏版）》请在装配图网上搜索。

1、北京科技大学STATA应用学习摘录第一章 STATA的基本操作 一、设立内存容 set mem 500m, perm一、 显示输入内容Display 1Display “clive”二、 显示数据集结构describeDescribe /d三、 编辑 editEdit四、 重命名变量Rename var1 var2五、 显示数据集内容list/browseList in 1List in 2/10六、 数据导入:数据文献是文本类型（.csv）1、 insheet: . insheet using “C:Documents and SettingsAdministrator桌面ST9007dat

2、asetFees1.csv”, clear2、 内存为空时才可以导入数据集，否则会出现（you must start with an empty dataset）（1） 清空内存中的所有变量：.drop _all（2） 导入语句后加入“clear”命令。七、 保存文献1、 save “C:Documents and SettingsAdministrator桌面ST9007datasetFees1.dta”2、 save “C:Documents and SettingsAdministrator桌面ST9007datasetFees1.dta”, replace八、 打开及退出已存文献use

3、1、.Use 文献途径及文献名, clear2、. Drop _all/.exit九、 记录命令和输出结果（log）1、 开始建立记录文献：log using J:phdoutput.log, replace2、 暂停记录文献：log off3、 重新打开记录文献：log on4、 关闭记录文献：log close十一、创建和保存程序文献：（doedit, do）1、 打开程序编辑窗口：doedit2、 写入命令3、 保存文献，.do.4、 运营命令：.do 程序文献途径及文献名十二、多个数据集合并为一个数据集（变量和结构相同）纵向合并appendinsheet using J:phdFees

4、1.csv, clearsave J:phdFees1.dta, replaceinsheet using J:phdFees2.csv, clearappend using J:phdFees1.dtasave J:phdFees1.dta, replace十三、横向合并，在原数据集基础上加上此外的变量merge1、insheet using J:phdFees1.csv, clearsort companyid yearend save J:phdFees1.dta, replacedescribeinsheet using J:phdFees6.csv, clearsort compan

5、yid yearend merge companyid yearend using J:phdFees1.dtasave J:phdFees1.dta, replacedescribe 2、_merge=1 obs. From master data _merge=2 obs. From using data _merge=3 obs. From both master and using data十四、帮助文献：help 1、. Help describe十五、描述性记录量 1、summarize incorporationyear 单个summarize incorporationyear

6、-big6 连续多个summarize _all or simply summarize 所有 2、更具体的记录量 summarize incorporationyear, detail 3、centilecentile auditfees, centile(0(10)100) centile auditfees, centile(0(5)100) 4、tabulate不同类型变量的频数和比例tabulate companytype tabulate companytype big6, column 按列计算比例tabulate companytype big6, row 按行计算比例tab

7、companytype big6 if companytype=3, row col 同时按行列和条件计算比例 5、 计算满足条件观测的个数 count if big6=1count if big6=0 | big6=1 6、按离散变量排序，对连续变量计算描述性记录量：（1）by companytype, sort: summarize auditfees, detail（2）sort companytype By companytype:summarize auditees 十六、转换变量1、按公司类型将公开发行股票公司赋值为1，其他为0gen listed=0 replace listed

8、=1 if companytype=2 replace listed=1 if companytype=3 replace listed=1 if companytype=5replace listed=. if companytype=.十七、产生新变量gen Generate newvar=表达式十八、数据类型1、数值型Storage typeBytesMinMaxbyte1-127+100int2-32,767+32,740long4-2,147,483,6472,147,483,620float4-1.*1038 1.*1036 double8-8.*103078.*103082、字符

9、型Storage typeBytesMax length (characters)str111str222str8080803、新建变量的过程中定义数据类型l gen str3 gender= malel list gender in 1/104、变量所占字节过长l drop genderl gen str30 gender= malel browsel describe genderl compress gender5、日期数据类型：%d dates, which is a count of the number of days elapsed since January 1, 1960。（

10、1）date( 日期变量 )l gen fye=date(yearend, MDY) MDY应根据前面日期的排列顺序而定，结果显示的是距离1960年1月1日的天数l list yearend fye in 1/10（2）日期格式化%d（显示fye变量为日期形式，但数值并未真正变动）：l format fye %d l list yearend fye in 1/10l sum fye（3）运用日期天数求相应的年、月、日l gen year=year(fye)l gen month=month(fye)l gen day=day(fye)l list yearend fye year month

11、 day in 1/10（4）将三个分别表达年、月、日的变量合并为一个日期变量l drop fyel gen fye=mdy(month, day, year)l format fye %dl list yearend fye in 1/10(5) 将一个数值型的时间数据（20230131）转变为ST可辨认的时间数据l gen year=int(date/10000)l gen month=int(date-year*10000)/100)l gen day=date-year*10000-month*100l list date year month day in 1/10l gen eda

12、te=mdy(month, day, year)l format edate %dl list edate date in 1/10十九、存贮记录量的内部变量R（ ）l sum auditfeesl gen meanadjaf= auditfees-r(mean) l list meanadjaf in 1/10SUM命令后常见的几种R（）值r(N)Number of casesr(sd)Standard deviationr(sum_w)Sum of weightsr(min)Minimumr(mean)Arithmetic meanr(max)Maximumr(var)Variancer(

13、sum)Sum of variable显示这些变量值的命令l sum auditfees, detaill return list二十、recode命令（PPT61）1、产生有多个值的变量的哑变量recoderecode year (min/1999 = 0) (2023/max = 1), gen (yeardum)min/1999表达小于等于1999的值所有赋值为02023/max表达大于等于2023的值所有赋为1。2、对一个连续变量按一定值分为不同间隔的组recodegen assets_categ=recode(totalassets, 100, 500, 1000, 5000, 20

14、230, 100000, 1000000)。分组的值为每组的上限，包含该值。sort assets_categby assets_categ: sum totalassets assets_categ 3、 对一个连续变量按一定值分为相同间隔的组autocodeautocode(variable name, # of intervals, min value, max value)for example: gen assets_categ=autocode(totalassets, 10, 0, 10000)4、对一个连续变量按每组样本数相同进行分组：xtilextile assets_cat

15、eg=totalassets, nquantiles(10)每组样本不一定完全相同二十一、一次性计算同一变量不同组别的均值：egen命令按公司类型先排序，再计算每一类型公司审计费用的均值并赋值给新变量：by companytype, sort: egen meanaf2=mean(auditfees)l count()l mean()l median()l sum()二十二、_n和_N命令1、 显示每个观测的序号并显示总观测数sort companyid fyecapture drop xgen x=_ncapture drop ygen y=_Nlist companyid fye x y

16、in 1/302、分组显示每个组中变量的序号和每组总的样本数l capture drop x yl sort companyid fyel by companyid: gen x=_nl by companyid: gen y=_Nl list companyid fye x y in 1/303、创建新变量等于每个分组中变量的第一个值或最后一个值l sort companyid fyel by companyid: gen auditfees_first=auditfees1l by companyid: gen auditfees_last=auditfees_N l list compa

17、nyid fye auditfees auditfees_first auditfees_last in 1/304、创建新变量等于滞后一期或滞后两期的值l sort companyid fye l by companyid: gen auditfees_lag1= auditfees_n-1l by companyid: gen auditfees_lag2= auditfees_n-2l list companyid fye auditfees auditfees_lag1 auditfees_lag2 in 1/30 二十三、转变数据集结构：reshape 不同数据库的数据集结构不同：长

18、型是指同一公司不同年度数据在不同的行。宽型数据是指同一数据不同年度数据在现一行。两者间的转换可通过reshape命令来实现。需要注意的是，在转换过程中对数据集是有规定的，一个公司只能有一个年度数据，否则会犯错。 1、长型转换为宽型：reshape wide yearend incorporationyear companytype sales auditfees nonauditfees currentassets currentliabilities totalassets big6 fye, i(companyid) j(year) 2、宽型转换为长型：reshape long yeare

19、nd incorporationyear companytype sales auditfees nonauditfees currentassets currentliabilities totalassets big6 fye, i(companyid) j(year) 3、第二次转换时命令可简化：l reshape widel reshape long二十四、计算CAR的例子：已知股票日回报率，市场回报率，事件日，计算窗口期为三天的CAR。 1、定义三天的窗口期：l sort ticker edatel gen window=0 if eventdate.（事件日为0）l replace

20、 window=-1 if window_n+1=0 & ticker=ticker_n+1l replace window=1 if window_n-1=0 & ticker=ticker_n-1 2、计算AR和CARl gen ar=ret-vwretdl gen car=ar+ar_n-1+ar_n+1 if window=0 & ticker=ticker_n+1 & ticker=ticker_n-1 3、检查l list ticker edate ret vwretd ar car window if window.二十五、means 的T检查： 1、检查总体上big6的审计收费

21、有无显著不同l use J:phdFees.dta, clearl gen lnaf=ln(auditfees)l by big6, sort: sum lnafl test lnaf, by (big6)2、分年度比较big6的审计收费有无显著不同,加入by year命令。l gen fye=date(yearend, MDY)l format fye %dl gen year=year(fye)l sort yearl by year: ttest lnaf, by(big6) 3、均值等于特定值得的T检查：l sum lnafl ttest lnaf=2.1二十六、meadian的显著性

22、检查：1、获取中位数的命令：by big6, sort: sum lnaf, detailby big6, sort: centile lnaf 2、中位数检查：l median lnaf, by(big6)l ranksum lnaf, by(big6) 二十七、列联表检查： 1、创建列联表的命令：l tabulate companytype big6, row第一个变量是表的最左侧一列的项目，第二个变量是表的第一行的项目。 2、两变量之间的相关性检查：chi2tabulate companytype big6, chi2 row 3、相关矩阵：pwcorr lnaf big6 year l

23、isted 4、列出相关矩阵并进行符号检查 pwcorr lnaf big6 year listed, sig 5、在矩阵中列出观测数l pwcorr lnaf big6 listed if year=2023, sig obs二十八、创建一个不包含缺失值的数据集 1、无缺失值的变量值为1，至少有一个的为0gen samp=1 if lnaf. & big6. & year. & listed=0 & lnaf=0 & lnaf=0 & lnaf=5, width(0.25) normal2、散点图（scatter）l scatter lnaf lnta第一个变量是纵轴，第二个变量是横轴。l

24、twoway (scatter lnaf lnta, msize(tiny) (lfit lnaf lnta)在散点图上加入最适合的一条直线。三十、缩尾解决winsor . winsor rev, gen(wrev) p(0.01)0.01代表去掉的百分数。 Winsor rev, gen(wrev) h(5),5代表去掉的个数第二章 线性回归内容简介： 2.1 The basic idea underlying linear regression 2.2 Single variable OLS 2.3 Correctly interpreting the coefficients 2.4 E

25、xamining the residuals 2.5 Multiple regression 2.6 Heteroskedasticity 2.7 Correlated errors 2.8 Multicollinearity 2.9 Outlying observations 2.10 Median regression 2.11 “Looping”2.1 The basic idea underlying linear regression 1残差 F为真实值，为预测值，为残差。OLS回归就是使残差最小。2. 基本一元回归regress y x3回归结果的保存回归结果的系数保存在_bvar

26、name内存变量中，常数项的系数保存在 (_cons)内存变量中。4、预测值及残差l predict yhatl predict yres, residyres即为真实值得与预测值之差。5、残差与X的散点图twoway (scatter y_res x) (lfit y_res x)6、衡量估计系数准确限度：标准误差。用样本的标准偏差与系数之间的关系来衡量即T值（用系数除以标准差），同时P值是根据T值的分布计算出来的，表达系数落入标准相应上下限的也许性。前提是残差符合以下假设：同方差：Homoscedasticity (i.e., the residuals have a constant v

27、ariance)独立不相关：Non-correlation (i.e., the residuals are not correlated with each other)正态分布：Normality (i.e., the residuals are normally distributed) 7、回归结果包含的一些内容的意思l 各变差的自由度： For the ESS, df = k-1 where k = number of regression coefficients (df = 2 1) For the RSS, df = n k where n = number of observ

28、ations (= 11 - 2) For the TSS, df = n-1 ( = 11 1)l MS：变差除以自由度：The last column (MS) reports the ESS, RSS and TSS divided by their respective degrees of freedoml R平方：The R-squared = ESS / TSS l 调整的R平方：Adj R-squared = 1-(1-R2)(n-1)/(n-k) ，消除了加入相关度不高解释变量后R平方增长的局限性。l Root MSE = square root of RSS/n-k：模型的

29、平均解释能力l The F-statistic = (ESS/k-1)/(RSS/n-k)：模型的总解释能力2.3 Correctly interpreting the coefficients1、假如想检查big6的审计费用在公开发行和非公开发行公司之间的区别时，可用交互变量。Big6*listed.2、变量回归系数的解释(1)对连续变量系数的解释：估计系数的经济意义是指X对Y的影响，可以有不同的方法来衡量：一种是用X从25%变动到75%时Y的变动量。或X变动一个标准差时Y的变动。l reg auditfees totalassets l sum totalassets if auditfe

30、esmax & cook.4、 去掉异常值后重新回归l reg lnaf lnta big6 if cook=max 5、用winsorize方法消除异常值:其缺陷是A disadvantage with “winsorizing” is that the researcher is assuming that outliers lie only at the extremes of the variables distribution。l winsor lnaf, gen(wlnaf) p(0.01)l winsor lnta, gen(wlnta) p(0.01)l sum lnaf wl

31、naf lnta wlnta, detaill reg wlnaf wlnta big62.10 Median regression1、中位数回归是当存在异常值问题时使用。2、原理：OLS估计是尽量使残差平方和最小：中位数回归是尽量使the sum of the absolute residuals最小。 3、 回归方法：STATA将中位数回归看作是quantile regressions 的一个特例。qreg lnaf lnta big6 2.11 “Looping”1、当多次用到一个命令集时，我们可以建立一个程序集，以program开头，以forvalues引导的内容，以end结束。使用时

32、只须输入程序名“ten”即可执行程序中的一引起命令集。Example:program tenforvalues i = 1(1)10 display iend2、修改命令集：须一方面删除内存中的命令集：capture program drop ten然后重新编写。4、 例子：运用JONES模型计算操控性应计。l use J:phdaccruals.dta, clearl gen one_sic=int(sic/1000)l gen ncca= current_assets- cashl gen ndcl= current_liabilities- debt_in_current_liabili

33、tiesl sort cik yearl gen ch_ncca=ncca-ncca_n-1 if cik=cik_n-1l gen ch_ndcl=ndcl-ndcl_n-1 if cik=cik_n-1l gen accruals=(ch_ncca-ch_ndcl)/assets_n-1 if cik=cik_n-1l gen lag_assets=assets_n-1 if cik=cik_n-1l gen ppe_scaled=ppe/assets_n-1 if cik=cik_n-1l gen chsales_scaled=(sales-sales_n-1)/assets_n-1 i

34、f cik=cik_n-1l gen ab_acc=.l capture program drop ab_accl program ab_accl forvalues i = 0(1)9 l capture reg accruals lag_assets ppe_scaled chsales_scaled if one_sic=il capture predict ab_acci if one_sic=i, residl replace ab_acc= ab_acci if one_sic=il capture drop ab_accil l endl ab_acc第三章 因变量为非连续性变量

35、时的回归分析内容简介： 3.1 Why not OLS? 3.2 The basic idea underlying logit models 3.3 Estimating logit models 3.4 Multinomial models 3.5 Ordinal dependent variables 3.6 Count data models 3.7 Tobit models and interval regression 3.8 Duration models 3.1 Why not OLS? 1、 two statistical problems if we use OLS whe

36、n the dependent variable is categorical: The predicted values can be negative or greater than one The standard errors are biased because the residuals are heteroscedastic.2、 Instead of OLS, we can use a logit model 3.2 The basic idea underlying logit models1、We need to create a variable that: 将离散型的因

37、变量转变为符合OLS的形式。l has an infinite range,l reflects the likelihood of choosing a big6 auditor versus a non-big6 auditor. 2、“odds ration”可实现上面的两项规定：log(odds ration)3、 具体例子：第一列为big6的也许性，第二列和第三列为优势比率，第四列为取自然对数后的值。4、L和P之间的转换关系。5、似然函数：使用最大似然法估计（maximum likelihood” estimation）6、回归命令 logit和logisticl logit rep

38、orts the values of the estimated coefficientsl logistic reports the odds ratios一般报告系数估计所以使用logit。7、模型的解释能力参数：pseudo-R2和Chi2 pseudo-R2 = (ln(L0) - ln(LN) / ln(L0) = (-175224+146215) / -175224ln(L0)是第一个回归值，ln(LN)是最后一个回归值。l Chi2 = -2(ln(L0) - ln(LN) = -2*(-175224+146215) = 58018 3.3 Estimating logit mo

39、dels 1、回归模型l logit big6 lnta age, robust cluster(companyid)加入robust命令是为了纠正异方差，加入cluster()是为了纠正相关性错误。2、预测因变量的也许性l logit big6 lnta age, robust cluster(companyid)l drop big6hatl predict big6hatl sum big6hat, detail 用此命令产生的预测值为以下公式：另一种产生预测因变量也许性的方法：l gen big6hat2=exp(big6hat1)/(1+exp(big6hat1)l sum big6

40、hat big6hat1 big6hat23、产生预测因变量的值：l gen big6hat1 = _b_cons+_blnta*lnta + _bage*agel sum big6hat1, detail 另一种方法是predict big6hat1, xb 4、 计算自变量变动对因变量也许性的影响：l logit big6 lnta age, robust cluster(companyid)l gen big10 = exp(_b_cons+_blnta*lnta + _bage*10) / (1+(exp(_b_cons+_blnta*lnta + _bage*10)l gen big

41、20 = exp(_b_cons+_blnta*lnta + _bage*20) / (1+(exp(_b_cons+_blnta*lnta + _bage*20)l sum big10 big20 5、检查因变量与自变量之间单调性的方法：l xtile lnta_categ=lnta, nquantiles(10)l tabulate lnta_categ, gen (lnta_)l logit big6 lnta_2- lnta_10 age, robust cluster(companyid) 6、另一种估计方法probit Logit把P（Y=1）转换成0-1之间的数据，数据服从对数分

42、布 Probit把P（Y=1）转换成0-1之间的数据，数据服从正态分布。似然函数为 The coefficients tend to be larger in probit models but the levels of statistical significance are often similar例子：l capture drop big6hat big6hat1l logit big6 lnta age, robust cluster(companyid)l predict big6hatl probit big6 lnta age, robust cluster(companyi

43、d)l predict big6hat1l pwcorr big6hat big6hat13.4 Multinomial models（多项式模型）1、合用情况：因变量分为三个或以上分类，并且分类不排序，每一个分类都有1和0两个变量。假如用logit模型分别回归，将使回归后合计的也许性不等于1。 将公司类型分为三类 gen cotype1=0 if companytype=1 | companytype=6 replace cotype1=1 if companytype=4 replace cotype1=2 if companytype=2 | companytype=3 | compan

44、ytype=5 将每类变量分为两种情况 gen private=0 replace private=1 if cotype1=0 gen public_nontraded=0 replace public_nontraded=1 if cotype1=1 gen public_traded=0 replace public_traded=1 if cotype1=2 用logit模型分单个变量进行回归 logit private lnta, robust cluster(companyid) predict private_hat logit public_nontraded lnta, ro

45、bust cluster(companyid) predict public_nontraded_hat logit public_traded lnta, robust cluster(companyid) predict public_traded_hat 合计的也许性不等于1 gen sum_prob= private_hat+ public_nontraded_hat+ public_traded_hat sum sum_prob, detail2、多于2个分类时的因变量回归：mprobit 或mlogitMprobit时间长Mlogit时间短l mprobit cotype1 lnt

46、a, robust cluster(companyid) l mlogit cotype1 lnta, robust cluster(companyid)回归后直接检查回归系数是否相等：l test 1=2: lnta l test 1=2: _cons 以上回归时在三类中选择系统默认的类别作为对比组，也可以人为设立对比组。l mlogit cotype1 lnta, baseoutcome(1) robust cluster(companyid) 3.5 Ordinal dependent variables1、因变量排序模型回归合用情况： More generally, the ordered dependent variable may tak