(完整版)STATA第二章描述性统计命令与输出结果说明.docx

Stata—基本统计量输出、模型估计和结果输出1. 基本统计量的输出tabstat var, stats(mean sd min max p50 max) c(s) f(%6.2f)输⼊上述命令之后，会在stata的结果窗⼝呈现所需的描述性统计，那么如何直接将结果转到word中？⽅法如下：logout, save(mytable) word replace: tabstat var, stats(mean sd min max p50 max) c(s) f(%6.2f)上述命令中，mytable为⽂件名称；replace代表每次⽣成的word结果都会覆盖原有的mytable中的结果；var为变量名称；word可以替换为excel，从⽽将结果输出⾄excel中。

2. 相关系数矩阵logout, save(mytable) word replace: pwcorr var1 var2输⼊上述命令可见var1和var2的相关系数矩阵会储存到名为mytable的word⽂件中。

logout, save(mytable) word replace: pwcorr_a var1 var2此命令中的pwcorr_a是连⽟君博⼠编写的代码，相⽐于pwcorr，此命令则可以显⽰相关系数的显著性（带星号）。

3. 估计结果输出①est—估计模型reg sas gender：以sas作为因变量，gender作为⾃变量⾏回归分析。

est store a1：将估计结果储存在a1。

reg sas gender dp：以sas作为因变量，gender，dp作为⾃变量⾏回归分析。

est store a2：将估计结果储存在a2。

esttab a1 a2：在结果显⽰框中显⽰a1和a2结果，但是⽐较简单，未有呈现出回归中的重要信息。

esttab a1 a2, beta：呈现标准化回归系数。

esttab a1 a2, ar2 compress nogap star(*0.1 **0.05 ***0.01)：ar2命令⽤来显⽰R⽅；compress使得结果呈现更加紧凑；nogap命令使得两个⾃变量之间的空⾏删除；star是将默认的显著性⽔平进⾏更改，也就是说将默认的“*0.05 **0.01 ***0.001”改为“*0.1 **0.05 ***0.01”。

STATA命令应用及详细解释1. summarize：该命令用于计算数值变量的描述性统计信息，包括均值、标准差、最小值、最大值等。

2. tabulate：该命令用于生成一个分类变量的频数和百分比表。

它可以计算单个变量的分布情况，也可以计算多个变量之间的交叉分布情况。

3. tabstat：该命令用于生成一个或多个数值变量的汇总统计信息，包括均值、标准差、中位数等。

与summarize命令相比，tabstat命令可以同时计算多个变量的统计量。

4. regress：该命令用于进行线性回归分析。

可以使用regress命令估计一个自变量和一个或多个因变量之间的线性关系，并生成回归系数、拟合优度等回归结果。

5. logistic：该命令用于进行逻辑回归分析。

逻辑回归分析常用于二分类问题，可以估计自变量对因变量的影响，并生成回归系数、odds比等结果。

6. ttest：该命令用于进行两样本独立样本的t检验。

可以比较两个独立样本的均值差异，并计算t值、p值等检验结果。

7. oneway：该命令用于进行单因素方差分析。

可以比较不同组别之间的均值差异，并进行方差齐性检验和多重比较。

8. twoway：该命令用于进行双因素方差分析。

可以同时比较两个因素及其交互作用对均值差异的影响，并进行方差齐性检验和多重比较。

9. nonparametric：该命令用于进行非参数统计分析。

包括Wilcoxon秩和检验、Kruskal-Wallis H检验、Mann-Whitney U检验等非参数假设检验方法。

10. generate：该命令用于创建一个新的变量，并根据已有变量和运算符生成新的值。

生成的变量可以用于后续的计算和分析。

11. replace：该命令用于替换数据集中指定变量的值。

可以根据条件语句来替换指定变量中的值。

12. bysort：该命令用于按照一个或多个变量的值对数据集进行排序，并按照排序后的次序执行其他STATA命令。

stata输出命令全记录：描述性统计、相关性分析、回归结果一、描述性统计ssc install outreg2【安装outreg2】sum var1 var2……【描述性统计命令sum 变量var1 var2……】outreg2 using test1.doc, replace sum(log)【将结果输出到test1.doc文件中】二、相关系数表方法1：ssc install logout【安装logout】logout, save(test2) word replace: pwcorr var1 var2……, sig star(0.1)【将结果输出到test2.rtf文件中，p值小于0.1的标*】方法2：ssc install logout【安装logout】网上下载pwcorr_a.ado文件，放入stata12\ado\base\p 文件夹中logout, save(test3) word replace: pwcorr_a var1 var2……, star1(0.01)star5(0.05)star10(0.1)【将结果输出到test3.rtf文件中，p值小于0.1的标*，小于0.05标**，小于0.01标***】需要注意的是，logout 命令得到的表格一般会存在错位和空行的现象，这就需要手动做一些调整，如将第一行的表头往右移一列，p 值向右移，并将多余的行删掉，同时还要对p 值加上括号，并在表的底端注明星号的含义。

三、回归结果qui reg y x（qui表示执行命令但不汇报回归结果）est sto ols（est sto表示储存回归结果，文件名为ols）est table ols,b se（选择项“b”表示显示回归系数，“se”表示显示标准误）用一颗星表示10%的显著性，两颗星表示5%的显著性，三颗星表示 1%的显著性，可使用如下命令：est table ols,star(0.1 0.05 0.01)Stata 官方命令“estimates table”无法同时显示回归系数、标准误与表示显著性的星号。

*********面板数据计量分析与软件实现*********说明：以下do文件相当一部分内容来自于中山大学连玉君STATA教程，感谢他的贡献。

本人做了一定的修改与筛选。

*----------面板数据模型* 1.静态面板模型：FE 和RE* 2.模型选择：FE vs POLS, RE vs POLS, FE vs RE （pols混合最小二乘估计）* 3.异方差、序列相关和截面相关检验* 4.动态面板模型（DID-GMM,SYS-GMM）* 5.面板随机前沿模型* 6.面板协整分析（FMOLS,DOLS）*** 说明：1-5均用STATA软件实现， 6用GAUSS软件实现。

* 生产效率分析（尤其指TFP）：数据包络分析（DEA）与随机前沿分析（SFA）*** 说明：DEA由DEAP2.1软件实现，SFA由Frontier4.1实现，尤其后者，侧重于比较C-D与Translog 生产函数，一步法与两步法的区别。

常应用于地区经济差异、FDI溢出效应（Spillovers Effect）、工业行业效率状况等。

* 空间计量分析：SLM模型与SEM模型*说明：STATA与Matlab结合使用。

常应用于空间溢出效应（R&D）、财政分权、地方政府公共行为等。

* ---------------------------------* --------一、常用的数据处理与作图-----------* ---------------------------------* 指定面板格式xtset id year （id为截面名称，year为时间名称）xtdes /*数据特征*/xtsum logy h /*数据统计特征*/sum logy h /*数据统计特征*/*添加标签或更改变量名label var h "人力资本"rename h hum*排序sort id year /*是以STATA面板数据格式出现*/sort year id /*是以DEA格式出现*/*删除个别年份或省份drop if year<1992drop if id==2 /*注意用==*/*如何得到连续year或id编号（当完成上述操作时，year或id就不连续，为形成panel格式，需要用egen命令）egen year_new=group(year)xtset id year_new**保留变量或保留观测值keep inv /*删除变量*/**或keep if year==2000**排序sort id year /*是以STATA面板数据格式出现sort year id /*是以DEA格式出现**长数据和宽数据的转换*长>>>宽数据reshape wide logy,i(id) j(year)*宽>>>长数据reshape logy,i(id) j(year)**追加数据（用于面板数据和时间序列）xtset id year*或者xtdestsappend,add(5) /表示在每个省份再追加5年，用于面板数据/tsset*或者tsdes.tsappend,add(8) /表示追加8年，用于时间序列/*方差分解，比如三个变量Y,X,Z都是面板格式的数据，且满足Y=X+Z，求方差var(Y),协方差Cov(X,Y)和Cov（Z,Y）bysort year:corr Y X Z,cov**生产虚拟变量*生成年份虚拟变量tab year,gen(yr)*生成省份虚拟变量tab id,gen(dum)**生成滞后项和差分项xtset id yeargen ylag=l.y /*产生一阶滞后项)，同样可产生二阶滞后项*/ gen ylag2=L2.ygen dy=D.y /*产生差分项*/*求出各省2000年以前的open inv的平均增长率collapse (mean) open inv if year<2000,by(id)变量排序，当变量太多，按规律排列。

Stata结果输出常用命令整理*1.描述性统计输出结果asdoc sum `varlist', save(Myfile.doc) replace stat(N mean sd min p50 max) dec(3) title(asdoc_Table: Descriptive statistics)sum2docx `varlist' using Myfile.docx,replace stats(N mean(%9.2f) sd(%9.3f)min(%9.2f) median(%9.2f) max(%9.2f)) title(sum2docx_Table: Descriptive statistics) outreg2 using Myfile, sum(detail) replace word eqkeep(N mean sd min p50 max)fmt(f) keep(`varlist') sortvar(wage age grade) title(outreg2_Table: Descriptive statistics)estpost summarize `varlist', detailesttab using Myfile.rtf, cells("count mean(fmt(2)) sd(fmt(2)) min(fmt(2))p50(fmt(2)) max(fmt(2))") noobs compress replace title(esttab_Table: Descriptive statistics)*2分组T 均值检验输出local common_exp "save(Myfile.doc) by(south) stat(obs mean p)"asdoc ttest wage, `common_exp' replace title(asdoc_Table: T_test by group)asdoc ttest age, `common_exp' rowappendasdoc ttest race, `common_exp' rowappendasdoc ttest married, `common_exp' rowappendasdoc ttest grade, `common_exp' rowappendasdoc ttest collgrad, `common_exp' rowappendasdoc ttest union, `common_exp' rowappendt2docx `varlist' using Myfile.docx,replace not by(south) title(t2docx_Table: T_test by group)logout, save(Myfile) word replace: ttable2 `varlist', by(south)estpost ttest `varlist', by(south)esttab using Myfile.rtf, cells("N_1 mu_1(fmt(3)) N_2 mu_2(fmt(3)) b(star fmt(3))") starlevels(* 0.10 ** 0.05 *** 0.01) noobs compress replace title(esttab_Table: T_test by group)*3.相关系数矩阵输出asdoc cor `varlist', save(Myfile.doc) replace nonum dec(3) title(asdoc_Table: correlation coefficient matrix)corr2docx `varlist' using Myfile.docx, replace spearman(ignore) pearson(pw) star title(corr2docx_Table: correlation coefficient matrix)logout, save(Myfile) word replace : pwcorr_a `varlist', star1(0.01) star5(0.05)star10(0.1)estpost correlate `varlist', matrixesttab using Myfile.rtf, unstack not noobs compress nogaps replace star(* 0.1 ** 0.05 *** 0.01) b(%8.3f) p(%8.3f) title(esttab_Table: correlation coefficient matrix)*4.回归结果输出asdoc reg wage age married occupation, save(Myfile.doc) nest replace cnames(OLS-1) rep(se) add(race, no)asdoc reg wage age married collgrad occupation, save(Myfile.doc) nest append cnames(OLS-2) add(race, no)asdoc reg wage age married collgrad occupation race_num*, save(Myfile.doc) nest append add(race, yes) cnames(OLS-3) dec(3) drop(occupation race_num*) stat(r2_a, F, rmse, rss) title(asdoc_Table: regression result)reg wage age married occupationest store m1reg wage age married collgrad occupationest store m2reg wage age married collgrad occupation race_num*est store m3reg2docx m1 m2 m3 using Myfile.docx, replace indicate("race=race_num*")b(%9.2f) se(%7.2f) scalars(r2(%9.3f) r2_a(%9.2f) N) drop(occupation)order(married) title(reg2docx_Table: regression result) mtitles("OLS-1" "OLS-2" "OLS-3")reg wage age married occupationoutreg2 using Myfile, word replace title(outreg2_Table: regression result)ctitle(OLS-1) `subexp' addtext(race, no)reg wage age married collgrad occupationoutreg2 using Myfile, word append ctitle(OLS-2) `subexp' addtext(race, no)reg wage age married collgrad occupation race_num*outreg2 using Myfile, word append ctitle(OLS-3) `subexp' addtext(race, yes)reg wage age married occupationest store m1reg wage age married collgrad occupationest store m2reg wage age married collgrad occupation race_num*est store m3*可利用addest自行增加统计量addest, name("chi2") value(`chi2')addest, textn("Industry") texts("Yes")estadd scalar Hausman= r(chi2),replaceestadd scalar Hausman_Test = r(p),replaceesttab m1 m2 m3 using Myfile.rtf, replace star( * 0.10 ** 0.05 *** 0.01 ) nogaps compress order(married) drop(occupation) b(%20.3f) se(%7.2f) r2(%9.3f) ar2 aic bic obslast scalars(F) indicate("race=race_num*") mtitles("OLS-1" "OLS-2" "OLS-3") title(esttab_Table: regression result)。

【原创汇总】stata中描述性统计表格的输出导读：描述性统计通常对收集来的数据进行直接的频率、频数等描述，描述性统计分析一般对样本的最小值、最大值、平均值、标准偏差等进行分析，这些数据有助于了解样本数据特征，能够清晰的看到各个统计量的分布情况。

本文在stata培训会议的基础上，为大家再次呈现一些新的内容，作为补充。

－outreg－该命令描述为：outreg - reformat and write regression tables to a document file命令格式为outreg [using filename] [, options]将所有变量进行描述分析输出sysuse auto, clear(1978 Automobile Data).outreg2 using daqinxueshu.doc, replace sum(log)更多技能，指定变量，或者筛选，命令如下：以下数据来源于计量经济学服务中心stata论文写作专题中盈余管理数据outreg2 using daqinxueshu.doc, replace sum(log) ///keep(dacc rid tm size size debt14 eps)outreg2 using daqinxueshu3.doc, replace sum(log) ///keep(dacc rid tm size size )outreg2 using daqinxueshu3.doc, replace sum(log) /// keep(dacc rid tm size size ) eqkeep(N mean)outreg2 using daqinxueshu3.doc, replace sum(detail) /// keep(dacc rid tm size size debt14 eps)－描述性分析常用的统计量－mean,均值max,最大值min,最小值sd,标准差variance,方差semean,即sd/√n skewness,偏度kurtosis,峰度p1,第一分位数p5,第五分位数p10,第十分位数p50,中位数median,中位数range,max-min－技能－这个小技能你get到了吗global xx 'y x1 x2 x3 x4 x5 x6' des $xxtabstat $xx, stat(mean sd min max) columns(s) format(%4.2f) （XX已经代表了y x1 x2 x3 x4 x5 x6）tabstat y x1 x2 x3 x4 x5 x6tabstat y x1 x2 x3 x4 x5 x6，stats(mean p50 min max)tabstat y x1 x2 x3 x4 x5 x6, stats(mean med min max) col(s) format(%6.2f)tabstat y x1 x2 x3 x4 x5 x6, s(mean p25 med p75 min max) c(s) f(%6.2f)tabstat y x1 x2 x3 x4 x5 x6 , s(mean p25 med p75 min max) c(s) f(%6.2f) by(。

Stata入门——如何导出描述性统计1.打开stata，进入do file 界面。

2.导入需要分析的数据// use “文件路径”，clear （文件路径可以通过shift+鼠标右键获得）3.输入描述性统计命令// tabstat 变量1 变量2 变量3......变量X, s（N mean sd min max）f(%12.3f) c(s) (其中tabstat是进行表格格式统计；s为statistics，其后面根据的是所需要的统计量内容，若需要其他统计量，可以键入help tabstat，运行后得出帮助；f为数据汇报表格格式format，c（s）代表用统计量名称作为列名)进行完上述操作之后，基本完成了变量的描述性统计，接下来需要做的是将上述得到的结果导出到excel导出命令有的软件需要事先安装，安装编码为ssc install logout,运行后可继续操作4.输入导出命令//logout，save（mytable）word replace：）（word代表保存的格式，可以代替为excel等，replace代表若已存在该文件则替代，无则直接保存）//导出结果可以导出到excel再复制到word再右键自动调整格式，这样得出的表格格式会相对美观。

综上，导出描述性统计的完整命令可以键入为：logout，save（mytable）word replace：）（word代表保存的格式，可以代替为excel等，replace代表若已存在该文件则替代，无则直接保存）tabstat 变量1 变量2 变量3......变量X, s（N mean sd min max）f(%12.3f) c(s) (其中tabstat是进行表格格式统计；s为statistics，其后面根据的是所需要的统计量内容，若需要其他统计量，可以键入help tabstat，运行后得出帮助；f为数据汇报表格格式format，c（s）代表用统计量名称作为列名)。

Stata—描述性统计1.资料的基本信息①summarizesummarize:汇总所有变量的名称，个案数⽬，均值，标准差等，缩写为sumformat age %6.2f：指定age变量的统计量输出时的保留2位⼩数sum age, format：结合上个命令，对年龄变量进⾏描述的汇总保留2位⼩数sum age,detail：汇总更加详细的信息②codebookcodebook没有sum详细codebook:汇总所有变量codebook var:汇总var变量③inspectinspect age:可以画出简单的直⽅图2.基本信息的统计①tabulate和table命令tabulate places：对places变量进⾏列表统计，此命令可缩写为tabtable places：只有频数统计，不可缩写为tabtab places price：统计不同地⽅的价格的列表tab places price：统计不同places的price的列表②tabstat命令tabstat price places：显⽰2个变量的平均值tabstat price places, stats(mean med min max)：显⽰2个变量的平均值，中位数等统计量tabstat price places, stat(mean med min max p25) col(s) format(%6.2f)：均值等统计量在表格的⾏中，并且将结果⼩数点保持在2位。

此命令也可以写为tabstat price places, s(mean med min max) c(s) f(%6.2f)。

tabstat price places, s(mean med min max) c(s) f(%6.2f) by (gender):根据性别分类来陈述上述的统计量。

③结果呈现（1）将Stata中的结果选中，右击⿏标选择Copy table，直接贴⼊Excel或者Word。

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：/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 "_w" or "_tr", which can be changed by specifying suffix() option. The replace option replaces the 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。

Stata结果输出：outreg2命令详解1.引⾔⼀篇实证论⽂中，最基本也是最重要的部分就是展⽰ Stata 中得出的统计分析、回归结果等表格。

但⾃⼰动⼿做表格往往⾮常繁琐，Word 排版也常常令⼈抓狂。

⽽outreg2命令可以让 Stata ⾃动输出我们想要的表格，为你解决所有结果输出的烦恼。

因此，熟练掌握outreg2命令对我们快速导出 Stata 结果，⼀步到位的完成实证结果展⽰有莫⼤帮助。

2. outreg2 命令代码及实例2.1 描述性分析⾸先我们介绍描述性统计分析表格的输出，⼀般实证论⽂都选择展⽰全部变量的⼀般统计指标，这⾥我们将各种情况都罗列出来，并利⽤ Stata ⾃带的 1978 年美国汽车交易数据 auto.dta 为⼤家进⾏实例演⽰，⽅便⼤家全⾯了解outreg2命令。

2.1.1全部变量⼀般统计指标outreg2 using xxx.doc,replace sum(log) title(Decriptive statistics)1. xxx.doc 为输出⽂件名为 xxx 的 word ⽂档命令。

类似得，如果需要输出为 excel 表格则更改代码为 xxx.xsl 即可。

2. sum(log)即输出⼀般统计指标命令，⼀般统计指标包括样本数、中值、标准误、最⼤值和最⼩值。

3. title(Decriptive statistics)为⾃定义输出表格的名称命令，可在括号内⾃⾏编辑表格名称。

2.1.2 部分变量⼀般统计指标输出代码outreg2 using xxx.doc, replace sum(log) keep(var1 var2 var3) title(Decriptive statistics)1. keep(var1 var2 var3)为保留部分变量输出命令，其中 var1var2var3 是我们所需要保留的变量名称。

2. xxx.doc 为输出⽂件名为 xxx 的 word ⽂档命令。