计量｜Stata 常用方法

计量

Stata 常用技巧

Stata 是一个用于数据处理、统计分析、可视化和报告等的软件。在计量经济学、统计分析中，Stata 是一个很常用的也是最为流行的工具之一。Stata 具有很强的可扩展性，吸引了许多的用户编写程序，这使得 Stata 的社区和功能能够进一步被充实和扩展，在 Stata 上，你也可以通过自己编写命令和发布命令来简化自己的分析步骤。比如我自己编写的一键分析工具就可以通过下面的方式进行安装。

1
2
. net install xwtx, from(https://gitee.com/JoakimStarr/macos/raw/master/xwtx/) replace 安装
. xwtx  #输入这个命令查看可用命令集

Stata 的界面如下图所示，主要分为了六个区域，我在下图分别标注了区域，其中：

  • 区域 1 是历史命令窗口，所以运行过的命令，都会在其中显示，左键双击历史命令，可以直接执行，单击可以将该命令复制到命令窗口，适合重复执行代码或调错的时候使用。
  • 区域 2 为命令窗口，在这个地方可以直接输入命令然后执行，比如输入 help 命令，然后回车，就会显示帮助信息。
  • 区域 3 为结果窗口，你在命令窗口输入的命令执行后，会在这个地方显示。
  • 区域 4 为变量窗口，这个窗口显示的是当前数据集的变量信息。
  • 区域 5 为属性窗口，点击一个变量，在这个区域会显示所有的属性信息，包括名称、标签、类型等。
  • 区域 6 为图形操作窗口（我也不知道该不该叫这个名字），从左往右分别日志、浏览器、图形按钮（这些一般用不上），最主要的是右边的 Do-file 编辑器，用来些 Stata 的 do 命令的，这是为了可操作性，后面会讲，还有数据编辑、数据浏览，其中，数据编辑可以直接查看并编辑数据，像 Excel 一样，数据浏览则只能查看数据，不能编辑。

alt text

Stata 的使用方法

  • Stata 的命令格式

Stata 中的常见命令格式为：

1
command [varlist] [if] [in] [w] [, options]

其中，[ ]表示该部分是可以选择的，并非一定需要，以回归命令为例，在命令窗口输入

1
help regress

回车后，会显示该命令的帮助信息，其中有关于命令格式的描述。结果如下图所示
alt text
其中下面这一块，表示命令格式，其中 regress 表示变量名（可简写为 reg），depvar 为因变量，indepvars 为自变量，if 为条件，in 为样本范围，weight 为权值，options 为选项。这表明改命令至少需要一个因变量，因为 depvar 并没有用[ ]报告起来，这就说明，该变量必须要要一个变量，否则就会报错。

1
regress depvar [indepvars] [if] [in] [weight] [, options]

我们以 Stata 自带的 auto 为例，尝试一下各种情况：

1
2
. sysuse auto, clear # 导入数据
(1978 automobile data)

导入数据后，你会发现，区域 4 多了几个变量名，如下图所示。可以通过点击每个变量查看该变量的属性，在属性窗口查看。
alt text
接下来输入 reg 命令，我们尝试各种情况试试：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
. reg #什么变量都不传入
last estimates not found
r(301);

. reg price #输入因变量

      Source |       SS           df       MS      Number of obs   =        74
-------------+----------------------------------   F(0, 73)        =      0.00
       Model |           0         0           .   Prob > F        =         .
    Residual |   635065396        73  8699525.97   R-squared       =    0.0000
-------------+----------------------------------   Adj R-squared   =    0.0000
       Total |   635065396        73  8699525.97   Root MSE        =    2949.5

------------------------------------------------------------------------------
       price | Coefficient  Std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
       _cons |   6165.257   342.8719    17.98   0.000     5481.914      6848.6
------------------------------------------------------------------------------

. reg price length # 输入因变量和自变量

      Source |       SS           df       MS      Number of obs   =        74
-------------+----------------------------------   F(1, 72)        =     16.50
       Model |   118425867         1   118425867   Prob > F        =    0.0001
    Residual |   516639529        72  7175549.01   R-squared       =    0.1865
-------------+----------------------------------   Adj R-squared   =    0.1752
       Total |   635065396        73  8699525.97   Root MSE        =    2678.7

------------------------------------------------------------------------------
       price | Coefficient  Std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
      length |   57.20224   14.08047     4.06   0.000     29.13332    85.27115
       _cons |  -4584.899   2664.437    -1.72   0.090    -9896.357     726.559
------------------------------------------------------------------------------

.

可以发现，当没有传入必须传入的变量时候，命令会保报错，但需要注意，当你执行过一次 reg 后，再单独执行 reg 会默认执行上一次的回归任务，可以自行尝试一下。当只输入因变量后，默认返回因变量的均值。
可以通过下列命令查看因变量的均值信息，与上面的结果进行对比：

1
2
3
4
5
6
. sum price

    Variable |        Obs        Mean    Std. dev.       Min        Max
-------------+---------------------------------------------------------
       price |         74    6165.257    2949.496       3291      15906

  • 其中，Mean 就是均值，Obs 为样本数，Std. dev.为标准差，Min、Max 分别为最小最大值。

可以发现，Mean 为 6165.257，与上述只输入因变量的结果一致，这也从另一方面说明了，线性回归其实是在给定$X_i$的时候，预测$Y_i$的均值或期望值，即$E(Y_i | X_i)$
也有什么参数都不需要输入的命令，比如 cls，即清除结果窗口内容的命令，通过输入 help cls 命令，可以发现就只有很简单的几行：

1
2
3
4
5
6
7
8
Syntax

        cls


Description

    cls clears the Results window, causing all text to be removed.  This operation cannot be undone.

命令窗口

命令窗口可以直接输入命令，回车执行，适合一些简单的命令，比如回归分析(reg、xtreg 等)，查看描述性统计(sum)，查看变量类型等。
例如可以通过下列命令查看数据结构，还是以 auto 数据为例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
. describe # 不填写变量默认全部变量(简写为 desc)

Contains data from /Applications/Stata/ado/base/a/auto.dta
 Observations:            74                  1978 automobile data
    Variables:            12                  13 Apr 2020 17:45
                                              (_dta has notes)
---------------------------------------------------------------------------------------------------------------------------
Variable      Storage   Display    Value
    name         type    format    label      Variable label
---------------------------------------------------------------------------------------------------------------------------
make            str18   %-18s                 Make and model
price           int     %8.0gc                Price
mpg             int     %8.0g                 Mileage (mpg)
rep78           int     %8.0g                 Repair record 1978
headroom        float   %6.1f                 Headroom (in.)
trunk           int     %8.0g                 Trunk space (cu. ft.)
weight          int     %8.0gc                Weight (lbs.)
length          int     %8.0g                 Length (in.)
turn            int     %8.0g                 Turn circle (ft.)
displacement    int     %8.0g                 Displacement (cu. in.)
gear_ratio      float   %6.2f                 Gear ratio
foreign         byte    %8.0g      origin     Car origin
---------------------------------------------------------------------------------------------------------------------------
Sorted by: foreign

其中，Variable name 为变量名，Storage type 为变量类型，Display format 为显示格式，Value label 为值标签，Variable label 为变量标签。

  • 变量类型
    变量类型是变量在内存中的 ​​ 存储格式 ​​（二进制如何解释数据），主要有以下几种。往大方向说，其实 Stata 只存在两种格式，即数值和字符串，在 Stata 中，也可以通过数据浏览器查看，其中红色的为字符串，其他的就是数值类型。

    | ​ 类型 ​​ | ​​ 说明 ​​ | ​​ 示例值 ​​ |
    | ————- | ———————————————— | ————————- |
    | byte | 整数（-127 到 127） | 0, 1, -10 |
    | int | 整数（-32,767 到 32,767） | 1000, -200 |
    | long | 大整数（±20 亿） | 3000000000 |
    | float | 单精度浮点数（约 7 位有效数字） | 3.14159 |
    | double | 双精度浮点数（约 15 位有效数字） | 3.141592653589793 |
    | str# | 字符串（#为长度） | “Male”, “北京” |

以 auto 数据库为例，其中 make 变量就是字符串格式，foreign 是编码格式，虽然使用字符串显示的，但实际是分类变量，即数值，通过上面也可以看到，foreign 所对应的 type 为 byte而非 str。
alt text

  • 显示格式
    显示格式主要控制变量在界面中的​​显示样式，但不改变实际存储值，主要有下列格式，具体的可以通过help format命令查看完整信息。

    | 格式 | 用途 | 示例显示 |
    | ——————— | ———————————— | ——————- |
    | %8.0g | 通用数值（8字符宽） | 42, -3.14e+10 |
    | %8.2f | 固定小数位（2位） | 123.45 |
    | %8.0gc | 带千分位分隔符 | 1,234 |
    | %-12s | 左对齐字符串（12字符宽） | “Hello “ |
    | %tdDD-Mon-YY | 日期格式 | 15-Jan-23 |

Do-file 使用方法

命令窗口、历史窗口和结果窗口的内容往往在 Stata 关掉后就会消失，当你再打开一个 Stata 后，经常会发现你辛辛苦苦写的命令直接消失了，然后你又得重新写。或者是你在你的电脑上做好后，想要换一台电脑或者在别人电脑上可以复现，那么直接在命令窗口写命令就不是一个好的选择了，那么这个时候，就需要使用 do 命令了。
在Stata中，​​do文件​​（以.do为后缀的脚本文件）是​​包含一系列Stata命令的可执行脚本​​，用于自动化执行数据分析流程。
可以通过区域 6 中的 do-file 编辑器打开，如下图所示。
alt text)
点击后，会跳出一个类似文本框的界面。如下图所示。
alt text)
在这个内容中，顶部右侧有几个按钮，分别为打开 do 文件，保存 do 文件以及打印do 文件，查找功能是对于 do 文件中的关键字查询，和 word 的查找功能类似，最主要的是最右边的执行按钮，在没有选中命令的情况下，点击可以实现整个 do 文件的执行。
例如，我们在 do 文件中写入以下代码，以实现自动导入 auto 文件夹，自动查看变量类型和回归分析。

1
2
3
4
5
sysuse auto, clear

describe

reg price weight

写入后，点击执行按钮，会发现它会自动的实现整个文件写入的命令。然后将其保存，把这个文件放在任何一台电脑上的 Stata 中，点击执行，会实现同样的效果。这就可以保证可复制性和处理过程了。
但是新问题是，若我不想执行整个文件，我只想执行文件中的某行命令或者某几行命令怎么办呢，不可能将其复制到命令窗口执行吧，一次两次还好，多了就会显得很麻烦。
Stata 提供了一种方法，就是选中一行或几行的命令，在点击执行按钮，可以只允许执行选择的命令，例如上述的命令中，我们已经导入了 auto 数据库了，那么我们只想做一次回归，就可以只选择reg price weight，然后再点击执行按钮。选中后，大概如下图所示。
alt text

Tips: Windows 中可以直接按 Ctrl + D快捷键实现点击执行动作，Mac中可以按 Command + shift + D快捷键。

需要注意的是，do 文件的执行顺序是从上往下，也就是说，必须上面一行的命令执行成功后，才会执行下面一行，否则，将不会继续执行下去。如，上图中，describe报错，那么reg 回归命令将不会被执行。

Stata常用命令

命令 作用 示例
基础操作
use 加载数据集 use "data.dta", clear
save 保存数据集 save "new_data.dta", replace
describe 查看变量信息 describe price mpg
list 列出数据 list make price in 1/5
数据清洗
generate 生成新变量 gen ln_price = log(price)
replace 修改变量值 replace price = . if price <= 0
drop 删除变量/观测 drop if missing(income)
rename 重命名变量 rename oldvar newvar
destring 字符串转数值 destring income_str, gen(income_num) ignore(",")
统计分析
summarize 描述统计 sum price weight, detail
tabulate 频数表 tabulate foreign, plot
correlate 相关系数矩阵 corr price mpg weight
ttest t检验 ttest price, by(foreign)
anova 方差分析 anova price foreign##mpg
回归模型
regress 线性回归 reg price weight mpg, robust
logit/probit 二元选择模型 logit y x1 x2, or
xtreg 面板回归 xtreg y x1 x2, fe
reghdfe 多维固定效应回归 reghdfe y x1 x2, absorb(id year)
ivregress 工具变量回归 ivregress 2sls y x1 (x2 = z1 z2)
可视化
histogram 直方图 hist price, freq normal
scatter 散点图 scatter price weight, mlabel(make)
twoway 组合图形 twoway (scatter price mpg) (lfit price mpg)
graph export 导出图形 graph export "plot.png", width(1000) replace
编程扩展
foreach 循环语句 foreach var in price mpg { summarizevar’ }`
if/else 条件语句 if price > 10000 { gen luxury = 1 } else { gen luxury = 0 }
program 自定义程序 program mycmd args x y { regx’ y' }
输出结果
eststo/esttab 存储/输出回归结果 eststo: reg y x1
esttab using "result.rtf", replace