下载文档原格式
stata常用命令1. 生成变量1.1 gen生成新变量，可以是常数或基于其他变量的一般表达式。
1.2 replace替换已有变量的值。
生成专门函数如总和、均值、标准差等。
2. 数据子集保留指定的变量。
2.2 drop2.3 in子集数据只保留某些被满足条件的观察值。
更加灵活地较大判断条件。
3. 重塑数据3.1 wide将数据在垂直方向与一个变量进行“展开”（unstack）。
4. 数据合并将两个数据集根据一些共同变量进行合并。
5. 数据排序5.1 sort按顺序排列观测值。
5.2 by指定一组变量作为分类变量，然后对该变量使用stata命令。
6. 描述性统计和图形6.1 summarize描述数据集的基本信息。
6.2 tabulate生成列联表。
绘制直方图。
生成散点图。
6.5 twoway可用于绘制多元图形，包括线图、条形图、密度图等。
7. 频数用于表格中简单查看可以因为比较大的变量。
8. 回归分析8.1 regress线性回归分析。
8.2 logistic8.3 probit生成probit模型。
9. 时间序列9.1 tsset使用stata处理时间序列数据的第一步是指定数据集变量中的时间序列。
生成时间序列图。
10. 面板数据使Stata处理面板数据。
10.2 xtreg生成固定效应模型或随机效应模型。
11. 模型诊断使用模型生成新的预测值。
测试线性组合的系数的显著性。
12. 元分析进行元分析。
13. 子样本13.1 markin创建一个新文件并标记子样本。
标记子样本中的索引值。
以上就是stata常用命令，当然并不是所有的命令都一一列举，在实践用stata的经验中可以去发掘能否有更好的命令来使用。
调整变量格式：format x1 %10.3f ——将x1的列宽固定为10，小数点后取三位format x1 %10.3g ——将x1的列宽固定为10，有效数字取三位format x1 %10.3e ——将x1的列宽固定为10，采用科学计数法format x1 %10.3fc ——将x1的列宽固定为10，小数点后取三位，加入千分位分隔符format x1 %10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符format x1 %-10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符，加入“-”表示左对齐合并数据：use "C:\Documents and Settings\xks\桌面\2006.dta", clearmerge using "C:\Documents and Settings\xks\桌面\1999.dta"——将1999和2006的数据按照样本（observation）排列的自然顺序合并起来use "C:\Documents and Settings\xks\桌面\2006.dta", clearmerge id using "C:\Documents and Settings\xks\桌面\1999.dta" ,unique sort——将1999和2006的数据按照唯一的（unique）变量id来合并，在合并时对id进行排序（sort）建议采用第一种方法。
对样本进行随机筛选：sample 50在观测案例中随机选取50%的样本，其余删除sample 50,count在观测案例中随机选取50个样本，其余删除查看与编辑数据：browse x1 x2 if x3>3 （按所列变量与条件打开数据查看器）edit x1 x2 if x3>3 （按所列变量与条件打开数据编辑器）数据合并（merge）与扩展（append）merge表示样本量不变，但增加了一些新变量；append表示样本总量增加了，但变量数目不变。
Stata常用命令总结Stata是一种统计分析软件，广泛用于社会科学、经济学、生物医学等领域的数据分析。
它具有丰富的功能和灵活的数据处理能力，能够进行各种统计分析、数据可视化和模型建立。
本文将总结Stata的常用命令，包括重要观点、关键发现和进一步思考，帮助读者更好地理解和使用Stata。
一、数据导入和处理e命令：用于导入Stata数据文件（.dta）。
2.import命令：用于导入其他格式的数据文件（如Excel、CSV等）。
3.save命令：用于保存当前数据文件。
4.drop命令：用于删除变量或观察值。
5.keep命令：用于保留指定的变量或观察值。
重要观点：在数据导入和处理阶段，要注意数据的完整性和准确性。
需要检查数据的缺失值、异常值和数据类型，做好数据清洗和预处理工作。
二、数据描述和统计分析1.summarize命令：用于计算变量的描述性统计量，如均值、标准差、最大值、最小值等。
2.tabulate命令：用于制作交叉表和列联表。
3.correlate命令：用于计算变量之间的相关系数。
4.regress命令：用于进行线性回归分析。
5.logit命令：用于进行二分类的逻辑回归分析。
重要观点：在进行数据描述和统计分析时，要根据研究问题选择合适的方法和指标。
同时要注意解释统计结果的意义，避免过度解读和误导。
三、数据可视化1.histogram命令：用于绘制直方图。
2.scatter命令：用于绘制散点图。
3.twoway命令：用于绘制多种类型的图形，如线图、柱状图、饼图等。
4.graph export命令：用于将图形导出为图片文件。
重要观点：数据可视化是数据分析的重要手段，能够直观地展示数据的分布和关系。
在进行数据可视化时，要选择合适的图形类型和参数，使图形简洁明了，易于理解和解释。
四、面板数据分析1.xtset命令：用于设置面板数据的时间和单位。
2.xtreg命令：用于进行面板数据的固定效应或随机效应模型分析。
statasave命令FileSave A s例1. 表1.为某一降压药临床试验数据，试从键盘输入S tata，并保存为S tata格式文件。
STATA数据库的维护排序SORT变量名1 变量名2……变量更名r ename 原变量名新变量名STAT A数据库的维护删除变量或记录drop x1 x2 /* 删除变量x1和x2d rop x1-x5/* 删除数据库中介于x1和x5间的所有变量(包括x1和x5)drop if x<0 /* 删去x1<0的所有记录drop in 10/12 /* 删去第10~12个记录drop if x==. /* 删去x为缺失值的所有记录drop if x==.|y==. /* 删去x或y之一为缺失值的所有记录dropif x==.&y==. /* 删去x和y同时为缺失值的所有记录drop _all /* 删掉数据库中所有变量和数据STATA的变量赋值用generat e产生新变量gen erate 新变量＝表达式genera te bh=_n /* 将数据库的内部编号赋给变量bh。
gener ate group=int((_n-1)/5)+1 /* 按当前数据库的顺序，依次产生5个1，5个2，5个3……。
直到数据库结束。
generate block=mod(_n,6) /* 按当前数据库的顺序，依次产生1,2,3,4,5,0。
gener ate y=log(x) if x>0/* 产生新变量y，其值为所有x>0的对数值log(x)，当x<=0时，用缺失值代替。
e gen产生新变量s et obs 12egen a=seq() /*产生1到N的自然数egenb=seq(),b(3) /*产生一个序列，每个元素重复＃次egen c=seq(),to(4) /*产生多个序列，每个序列从1到＃egen d=se q(),f(4)t(6) /*产生多个序列，每个序列从#1到＃2encode字符变量名，gen(新数值变量名)作用：将字符型变量转化为数值变量。
stata命令总结.docStata命令总结引言Stata是一款强大的统计分析软件，广泛应用于经济学、社会学、医学等领域。
Stata命令是进行数据处理、统计分析、图形展示等操作的基础。
本文将对Stata中常用的命令进行总结，以帮助用户更高效地使用Stata进行数据分析。
Stata基础命令1. 数据管理导入数据：import excel, import delimited导出数据：export excel, export delimited数据集保存：save, saveold2. 变量管理创建变量：generate, egen修改变量：replace删除变量：drop3. 数据清洗数据类型转换：destring, encode, format缺失值处理：mvdecode, drop if missing()异常值检测：tabulate, summarize描述性统计分析1. 基本统计量描述性统计：summarize频率统计：tabulate相关系数：correlate2. 分组统计分组描述：bysort, xtsum 分组汇总：collapse3. 数据转换数据长格式：reshape long 数据宽格式：reshape wide 推断性统计分析1. 假设检验t检验：ttest方差分析：anova卡方检验：tabulate, chi2 2. 回归分析线性回归：regress逻辑回归：logit泊松回归：poisson3. 时间序列分析时间序列描述：tsreport自回归模型：arima高级统计分析1. 面板数据分析面板数据描述：xtset, xtsum固定效应模型：xtreg fe随机效应模型：xtreg re2. 多层次模型多层次线性模型：xtmelogit3. 结构方程模型结构方程模型：sem绘图与可视化1. 基本图形散点图：scatter线图：line柱状图：bar2. 高级图形箱线图：boxplot直方图：histogram核密度估计图：kdensity3. 交互式图形交互式图形：twoway, graph edit编程与自动化1. 循环与条件语句循环：foreach, forvalues条件语句：if, else2. 脚本与批处理脚本编写：do-file批处理：batch3. 宏与用户定义命令宏：macro用户定义命令：program define结语Stata命令的掌握是进行高效数据分析的前提。
Stata常用15条命令【命令1】：导入数据一般做实证分析使用的是excel中的数据，其后缀名为.xls，需要将其修改为.csvinsheet using name.csv, clear【命令2】：删除重复变量sort var1 var2duplicatesdrop var1 var2, force【命令3】：合并数据use data1, clearmerge m:m var1 var2 using data2drop if _merge==2drop if _merge==1drop _merge【命令4】：描述性统计分析tabstat var1var2, stat(n min mean median p25 p75 maxsd), if groupvar==0 or 1输出到word中：logout, save(name) word replace: tabstat var, stat(n min mean p50 max sd) col(stat)f(%9.2g)【命令5】：结果输出安装ssc install estout, replace单个回归reg y xesttab using name.rtf, compress nogap r2 ar2 star(* 0.1 ** 0.05 *** 0.01)多个回归一起reg y x1est store m1reg y x2est store m2esttab m1 m2 using name.rtf, compress nogap r2 ar2 star(* 0.1 ** 0.05 *** 0.01)【命令6】生成虚拟变量tab year, gen(year)tab industry, gen(industry)【命令7】数据缩尾处理findit winsor2之后安装winsor2 varname, replace cut(1 99)【命令8】异方差检验怀特检验ssc install whitetstreg y x1 x2estat imtest, white处理：“OLS+稳健标准差”reg y x1 x2 x3, robust【命令9】 DW检验gen id=_ntsset idestat dwatson【命令10】计算两个日期之间的间隔天数gen td=date(trading_date,'YMD')gen ed=date(eventdate,'YMD')form td ed %tdgen d=ed-td【命令11 】生成滞后、差分数据tsset code yeargen newvarname=l.varnamegen newvarname=d.varname【命令12】多重共线检验之方差膨胀因子reg y x1 x2 x3vif【命令13】多重共线修正之逐步回归stepwise, pe(0.1): reg y x 【命令14】检验是否遗漏高次项reg y xestat ovtest或者estat ovtest, rhs【命令15】样本检验两样本均值T检验ttest var, by(groupvar)两样本中位数Z检验ranksum var, by(groupvar)。
********* 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。
调整变量格式：format x1 %10.3f ——将x1的列宽固定为10，小数点后取三位format x1 %10.3g ——将x1的列宽固定为10，有效数字取三位format x1 %10.3e ——将x1的列宽固定为10，采用科学计数法format x1 %10.3fc ——将x1的列宽固定为10，小数点后取三位，加入千分位分隔符format x1 %10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符format x1 %-10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符，加入“-”表示左对齐合并数据：use "C:\Documents and Settings\xks\桌面\2006.dta", clearmerge using "C:\Documents and Settings\xks\桌面\1999.dta"——将1999和2006的数据按照样本（observation）排列的自然顺序合并起来use "C:\Documents and Settings\xks\桌面\2006.dta", clearmerge id using "C:\Documents and Settings\xks\桌面\1999.dta" ,unique sort——将1999和2006的数据按照唯一的（unique）变量id来合并，在合并时对id进行排序（sort）建议采用第一种方法。
对样本进行随机筛选：sample 50在观测案例中随机选取50%的样本，其余删除sample 50,count在观测案例中随机选取50个样本，其余删除查看与编辑数据：browse x1 x2 if x3>3 （按所列变量与条件打开数据查看器）edit x1 x2 if x3>3 （按所列变量与条件打开数据编辑器）数据合并（merge）与扩展（append）merge表示样本量不变，但增加了一些新变量；append表示样本总量增加了，但变量数目不变。
stata常用命令资料Stata是一种广泛使用的统计分析软件，它提供了丰富的数据处理、统计计算和图形绘制功能。
下面是一些常用的Stata命令及其用法，以帮助您更好地使用Stata进行数据分析。
1. 数据导入与导出- `import excel：从Excel文件中导入数据。
- `import delimited：从文本文件中导入数据。
- `save：保存当前数据集。
- `use：加载已保存的数据集。
- `export excel：将数据导出到Excel文件。
2. 数据处理与清洗- `drop：删除变量或观察。
- `keep：保留指定变量或观察。
- `rename：重命名变量。
- `egen：生成新变量，如求和、平均值等。
- `egen group：按照指定的变量进行分组。
3. 描述统计- `summarize：计算变量的描述统计量，如均值、标准差等。
- `tabulate：制表统计，用于计算分类变量的频数和百分比。
- `histogram：绘制直方图。
- `correlate：计算变量之间的相关系数。
- `egen：生成新的汇总统计量，如总和、均值等。
4. 统计模型- `regress：线性回归分析。
- `logit：二项逻辑回归分析。
- `probit：概率回归模型。
- `ttest：单样本或双样本t检验。
- `anova：方差分析。
5. 数据可视化- `scatter：绘制散点图。
- `line：绘制折线图。
- `bar：绘制柱状图。
- `histogram：绘制直方图。
- `graph combine：将多个图形合并为一个图形。
6. 数据管理- `sort：对数据进行排序。
- `merge：合并两个数据集。
- `reshape：改变数据集的结构。
- `append：将多个数据集追加到一个数据集中。
- `collapse：将数据按照指定的变量进行折叠。
7. 循环与条件语句- `foreach：循环变量的值。
调整变量格式：format x1 %10.3f ——将x1的列宽固定为10，小数点后取三位format x1 %10.3g ——将x1的列宽固定为10，有效数字取三位format x1 %10.3e ——将x1的列宽固定为10，采用科学计数法format x1 %10.3fc ——将x1的列宽固定为10，小数点后取三位，加入千分位分隔符format x1 %10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符format x1 %-10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符，加入“-”表示左对齐合并数据：use "C:\Documents and Settings\xks\桌面\2006.dta", clearmerge using "C:\Documents and Settings\xks\桌面\1999.dta"——将1999和2006的数据按照样本（observation）排列的自然顺序合并起来use "C:\Documents and Settings\xks\桌面\2006.dta", clearmerge id using "C:\Documents and Settings\xks\桌面\1999.dta" ,unique sort——将1999和2006的数据按照唯一的（unique）变量id来合并，在合并时对id进行排序（sort）建议采用第一种方法。
对样本进行随机筛选：sample 50在观测案例中随机选取50%的样本，其余删除sample 50,count在观测案例中随机选取50个样本，其余删除查看与编辑数据：browse x1 x2 if x3>3 （按所列变量与条件打开数据查看器）edit x1 x2 if x3>3 （按所列变量与条件打开数据编辑器）数据合并（merge）与扩展（append）merge表示样本量不变，但增加了一些新变量；append表示样本总量增加了，但变量数目不变。
one-to-one merge：数据源自stata tutorial中的exampw1和exampw2第一步：将exampw1按v001～v003这三个编码排序，并建立临时数据库tempw1clearuse "t:\statatut\exampw1.dta"su ——summarize的简写sort v001 v002 v003save tempw1第二步：对exampw2做同样的处理clearuse "t:\statatut\exampw2.dta"susort v001 v002 v003save tempw2第三步：使用tempw1数据库，将其与tempw2合并：clearuse tempw1merge v001 v002 v003 using tempw2第四步：查看合并后的数据状况：ta _merge ——tabulate _merge的简写su第五步：清理临时数据库，并删除_merge，以免日后合并新变量时出错erase tempw1.dtaerase tempw2.dtadrop _merge数据扩展append：数据源自stata tutorial中的fac19和newfacclearuse "t:\statatut\fac19.dta"ta regionappend using "t:\statatut\newfac"ta region合并后样本量增加，但变量数不变茎叶图：stem x1,line(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成两段来显示，前半段为0～4，后半段为5～9）stem x1,width(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成五段来显示，每个小树茎的组距为2）stem x1,round(100) （将x1除以100后再做x1的茎叶图）直方图采用auto数据库histogram mpg, discrete frequency normal xlabel(1(1)5)（discrete表示变量不连续，frequency表示显示频数，normal加入正太分布曲线，xlabel设定x轴，1和5为极端值，(1)为单位）histogram price, fraction norm（fraction表示y轴显示小数，除了frequency和fraction这两个选择之外，该命令可替换为“percent”百分比，和“density”密度；未加上discrete就表示将price当作连续变量来绘图）histogram price, percent by(foreign)（按照变量“foreign”的分类，将不同类样本的“price”绘制出来，两个图分左右排布）histogram mpg, discrete by(foreign, col(1))（按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，两个图分上下排布）histogram mpg, discrete percent by(foreign, total) norm（按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，同时绘出样本整体的“总”直方图）二变量图：graph twoway lfit price weight || scatter price weight（作出price和weight的回归线图——“lfit”，然后与price和weight的散点图相叠加）twoway scatter price weight,mlabel(make)（做price和weight的散点图，并在每个点上标注“make”，即厂商的取值）twoway scatter price weight || lfit price weight,by(foreign)（按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈左右分布）twoway scatter price weight || lfit price weight,by(foreign,col(1))（按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈上下分布）twoway scatter price weight [fweight= displacement],msymbol(oh)（画出price和weight的散点图，“msybol(oh)”表示每个点均为中空的圆圈，[fweight= displacement]表示每个点的大小与displacement的取值大小成比例）twoway connected y1 time,yaxis(1) || y2 time,yaxis(2)（画出y1和y2这两个变量的时间点线图，并将它们叠加在一个图中，左边“yaxis(1)”为y1的度量，右边“yaxis(2)”为y2的）twoway line y1 time,yaxis(1) || y2 time,yaxis(2)（与上图基本相同，就是没有点，只显示曲线）graph twoway scatter var1 var4 || scatter var2 var4 || scatter var3 var4（做三个点图的叠加）graph twoway line var1 var4 || line var2 var4 || line var3 var4（做三个线图的叠加）graph twoway connected var1 var4 || connected var2 var4 || connected var3 var4（叠加三个点线相连图）更多变量：graph matrix a b c y（画出一个散点图矩阵，显示各变量之间所有可能的两两相互散点图）graph matrix a b c d,half（生成散点图矩阵，只显示下半部分的三角形区域）用auto数据集：graph matrix price mpg weight length,half by( foreign,total col(1) )（根据foreign变量的不同类型绘制price等四个变量的散点图矩阵，要求绘出总图，并上下排列】=具）其他图形：graph box y,over(x) yline(.22)（对应x的每一个取值构建y的箱型图，并在y轴的0.22处划一条水平线）graph bar (mean) y,over(x)对应x的每一个取值，显示y的平均数的条形图。
括号中的“mean”也可换成median、sum、sd、p25、p75等graph bar a1 a2,over(b) stack（对应在b的每一个取值，显示a1和a2的条形图，a1和a2是叠放成一根条形柱。
若不写入“stack”，则a1和a2显示为两个并排的条形柱）graph dot (median)y,over(x)（画点图，沿着水平刻度，在x的每一个取值水平所对应的y的中位数上打点）qnorm x（画出一幅分位-正态标绘图）rchart a1 a2 a2（画出质量控制R图，显示a1到a3的取值范围）简单统计量的计算：ameans x（计算变量x的算术平均值、几何平均值和简单调和平均值，均显示样本量和置信区间）mean var1 [pweight = var2]（求取分组数据的平均值和标准误，var1为各组的赋值，var2为每组的频数）summarize y x1 x2,detail（可以获得各个变量的百分比数、最大最小值、样本量、平均数、标准差、方差、峰度、偏度）***注意***stata中summarize所计算出来的峰度skewness和偏度kurtosis有问题，与ECELL和SPSS有较大差异，建议不采用stata的结果。
summarize var1 [aweight = var2], detail（求取分组数据的统计量，var1为各组的赋值，var2为每组的频数）tabstat X1,stats(mean n q max min sd var cv)（计算变量X1的算术平均值、样本量、四分位线、最大最小值、标准差、方差和变异系数）概率分布的计算：（1）贝努利概率分布测试：webuse quickbitest quick==0.3,detail（假设每次得到成功案例‘1’的概率等于0.3，计算在变量quick所显示的二项分布情况下，各种累计概率和单个概率是多少）bitesti 10,3,0.5,detail（计算当每次成功的概率为0.5时，十次抽样中抽到三次成功案例的概率：低于或高于三次成功的累计概率和恰好三次成功概率）（2）泊松分布概率：display poisson(7,6).44971106（计算均值为7，成功案例小于等于6个的泊松概率）display poissonp(7,6).14900278（计算均值为7，成功案例恰好等于6个的泊松概率）display poissontail(7,6).69929172（计算均值为7，成功案例大于等于6个的泊松概率）（3）超几何分布概率：display hypergeometricp(10,3,4,2).3（计算在样本总量为10，成功案例为3的样本总体中，不重置地抽取4个样本，其中恰好有2个为成功案例的概率）display hypergeometric(10,3,4,2).96666667（计算在样本总量为10，成功案例为3的样本总体中，不重置地抽取4个样本，其中有小于或等于2个为成功案例的概率）检验极端值的步骤：常见命令：tabulate、stem、codebook、summarize、list、histogram、graph box、gragh matrix step1.用codebook、summarize、histogram、graph boxs、graph matrix、stem看检验数据的总体情况：codebook y x1 x2summarize y x1 x2,detailhistogram x1,norm（正态直方图）graph box x1（箱图）graph matrix y x1 x2,half（画出各个变量的两两x-y图）stem x1（做x1的茎叶图）可以看出数据分布状况，尤其是最大、最小值step2.用tabulate、list细致寻找极端值tabulate code if x1==极端值（作出x1等于极端值时code的频数分布表，code表示地区、年份等序列变量，这样便可找出那些地区的数值出现了错误）list code if x1==极端值（直接列出x1等于极端值时code的值，当x1的错误过多时，不建议使用该命令）list in -20/l（l表示last one，-20表示倒数第20个样本，该命令列出了从倒数第20个到倒数第一个样本的各变量值）step3.用replace命令替换极端值replace x1=? if x1==极端值去除极端值：keep if y<1000drop if y>1000对数据排序：sort xgsort +x（对数据按x进行升序排列）gsort -x（对数据按x进行降序排列）gsort -x, generate(id) mfirst（对数据按x进行降序排列，缺失值排最前，生成反映位次的变量id）对变量进行排序：order y x3 x1 x2（将变量按照y、x3、x1、x2的顺序排列）生成新变量：gen logx1=log(x1)（得出x1的对数）gen x1`=exp(logx1)（将logx1反对数化）gen r61_100=1 if rank>=61&rank<=100（若rank在61与100之间，则新变量r61_100的取值为1，其他为缺失值）replace r61_100 if r61_100!=1（“!=”表示不等于，若r61_100取值不为1，则将r61_100替换为0，就是将上式中的缺失值替换为0）gen abs(x)（取x的绝对值）gen ceil(x)（取大于或等于x的最小整数）gen trunc(x)（取x的整数部分）gen round(x)（对x进行四舍五入）gen round(x,y)（以y为单位，对x进行四舍五入）gen sqrt(x)（取x的平方根）gen mod(x,y)（取x/y的余数）gen reldif(x,y)（取x与y的相对差异，即|x-y|/(|y|+1)）gen logit(x)（取ln[x/(1-x)]）gen x=autocode(x,n,xmin,xmax)（将x的值域，即xmax-xmin，分为等距的n份）gen x=cond(x1>x2,x1,x2)（若x1>x2成立，则取x1，若x1>x2不成立，则取x2）sort xgen gx=group(n)（将经过排序的变量x分为尽量等规模的n个组）egen zx1=std(x1)（得出x1的标准值，就是用(x1-avgx1)/sdx1）egen zx1=std(x1),m(0) s(1)（得出x1的标准分，标准分的平均值为0，标准差为1）egen sdx1=sd(x1)（得出x1的标准差）egen meanx1=mean(x1)（得出x1的平均值）egen maxx1=max(x1)（最大值）egen minx1=min(x1)（最小值）egen medx1=med(x1)（中数）egen modex1=mode(x1)（众数）egen totalx1=total(x1)（得出x1的总数）egen rowsd=sd(x1 x2 x3)（得出x1、x2和x3联合的标准差）egen rowmean=mean(x1 x2 x3)（得出x1、x2和x3联合的平均值）egen rowmax=max(x1 x2 x3)（联合最大值）egen rowmin=min(x1 x2 x3)（联合最小值）egen rowmed=med(x1 x2 x3)（联合中数）egen rowmode=mode(x1 x2 x3) （联合众数）egen rowtotal=total(x1 x2 x3)（联合总数）egen xrank=rank(x)（在不改变变量x各个值排序的情况下，获得反映x值大小排序的xrank）数据计算器display命令：display x[12]（显示x的第十二个观察值）display chi2(n,x)（自由度为n的累计卡方分布）display chi2tail(n,x)（自由度为n的反向累计卡方分布，chi2tail(n,x)=1-chi2(n,x)）display invchi2(n,p)（卡方分布的逆运算，若chi2(n,x)=p，那么invchi2(n,p)=x）display invchi2tail(n,p)（chi2tail的逆运算）display F(n1,n2,f)（分子、分母自由度分别为n1和n2的累计F分布）display Ftail(n1,n2,f)（分子、分母自由度分别为n1和n2的反向累计F分布）display invF(n1,n2,P)（F分布的逆运算，若F(n1,n2,f)=p，那么invF(n1,n2,p)=f）display invFtail(n1,n2,p)（Ftail的逆运算）display tden(n,t)（自由度为n的t分布）display ttail(n,t)（自由度为n的反向累计t分布）display invttail(n,p)（ttail的逆运算）给数据库和变量做标记：label data "~~~"（对现用的数据库做标记，"~~~"就是标记，可自行填写）label variable x "~~~"（对变量x做标记）label values x label1（赋予变量x一组标签:label1）label define label1 1 "a1" 2 "a2"（定义标签的具体内容：当x=1时，标记为a1，当x=2时，标记为a2）频数表：tabulate x1,sorttab1 x1-x7,sort（做x1到x7的频数表，并按照频数以降序显示行）table c1,c（n x1 mean x1 sd x1）（在分类变量c1的不同水平上列出x1的样本量和平均值）二维交互表：auto数据库：table rep78 foreign, c(n mpg mean mpg sd mpg median mpg) center row col（rep78，foreign均为分类变量，rep78为行变量，foreign为列变量，center表示结果显示在单元格中间，row表示计算行变量整体的统计量，col表示计算列变量整体的统计量）tabulate x1 x2,all（做x1和x2的二维交互表，要求显示独立性检验chi2、似然比卡方独立性检验lrchi2、对定序变量适用的等级相关系数gamma和taub、以及对名义变量适用的V）tabulate x1 x2,column chi2（做x1和x2的二维交互表，要求显示列百分比和行变量和列变量的独立性检验——零假设为变量之间独立无统计关系）tab2 x1-x7,all nofreq（对x1到x7这七个变量两两地做二维交互表，不显示频数：nofreq）三维交互表：by x3,sort:tabulate x1 x2,nofreq col chi2（同时进行x3的每一个取值内的x1和x2的二维交互表，不显示频数、显示列百分比和独立性检验）四维交互表：table x1 x2 x3,c(ferq mean x1 mean x2 mean x3) by(x4)tabstat X1 X2,by(X3) stats(mean n q max min sd var cv) col(stats)tabstat X1 X2,by(X3) stats(mean range q sd var cv p5 p95 median),[aw=X4]（以X4为权重求X1、X2的均值，标准差、方差等）ttest X1=1count if X1==0count if X1>=0gen X2=1 if X1>=0corr x1 x2 x3（做x1、x2、x3的相关系数表）swilk x1 x2 x3（用Shapiro-Wilk W test对x1、x2、x3进行正太性分析）sktest x1 x2 x3（对x1、x2、x3进行正太性分析，可以求出峰度和偏度）ttest x1=x2（对x1、x2的均值是否相等进行T检验）ttest x1,by(x2) unequal（按x2的分组方式对x1进行T检验，假设方差不齐性）sdtest x1=x2（方差齐性检验）sdtest x1，by(x2)（按x2的分组方式对x1进行方差齐性检验）聚类分析：cluster kmeans y x1 x2 x3, k(3)——依据y、x1、x2、x3，将样本分为n类，聚类的核为随机选取cluster kmeans y x1 x2 x3, k(3) measure(L1) start(everykth)——"start"用于确定聚类的核，"everykth"表示将通过构造三组样本获得聚类核：构造方法为将样本id为1、1+3、1+3×2、 1+3×3……分为一组、将样本id为2、2+3、2+3×2、2+3×3……分为第二组，以此类推，将这三组的均值作为聚类的核；"measure"用于计算相似性和相异性的方法，"L1"表示采用欧式距离的绝对值，也直接可采用欧式距离（L2）和欧式距离的平方（L2squared）。
