当前位置：文档之家 › 连玉君(2010) 一份不太长的Stata简介

连玉君(2010) 一份不太长的Stata简介

  • 格式：pdf
  • 大小：449.98 KB
  • 文档页数：14

一份不太长的Stata简介连玉君中山大学 岭南学院arlionn@2010-7-14目录1 Stata概貌 (1)2 为何选择Stata？ (2)3 如何学习Stata？ (4)4 最后的话 (7)参考文献 (7)附录A：一些有用的Stata链接 (9)附录B：43个不可不知的Stata命令 (12)附录C：Stata视频教程 (13)1Stata概貌自从2003年开始使用Stata以来，我一直把“Stata”读为“Stay-ta”。

有一次和一个从日本回来的朋友聊天，她把Stata读为“Star-ta”，让我甚感不适。

经查阅，方才发现，原来“Stata”并非数个单词的缩写（因此其正确拼写为Stata而非STATA），而是由“statistics”和“data”合成的一个新词，Stata公司的员工都将其读做“Stay-ta”。

从这个小小的趣闻中，可以看出Stata在问世之初（1985年）的主要功能在于统计分析和数据处理。

经历了二十余年的发展，Stata已经升级到第11.1版（表1），在不断强化上述功能的同时，Stata在矩阵运算、绘图、编程等方面的功能也在不断加强。

表1 Stata发展历程1.0 January 1985 6.0 January 19991.1 February 1985 7.0 December 20001.2 March 1985 8.0 January 20031.4 August 1986 8.1 July 20031.5 February 1987 8.2 October 20032.0 June 1988 9.0 April 20052.05 June 1989 9.1 September 20052.1 September 1990 9.2 April 20063.0 March 1992 10.0 June 20073.1 August 1993 10.1 August 20084.0 January 1995 11.0 July 20095.0 October 1996 11.1 June 2010Source: /support/faqs/res/history.htmlStata擅长数据处理、面板数据分析、时间序列分析、生存分析，以及调查数据分析，但其它方面的功能也并不逊色（表2）。

表2 Stata的功能一览数据处理和绘图Data management Graphics统计分析和检验Basic statistics Nonparametric methods Exact statisticsANOV A/MANOV A其它检验方法和函数回归分析Linear models GLM MLE GMMMultilevel mixed models Panel data Probit/Logit/Count Time series多变量模型（多元统计）抽样和模拟分析Multivariate methods Cluster analysis Resampling and simulation调查分析和生存分析Survey methods Survival analysis Epidemiologists编程Programming language Mata User-written commands2为何选择Stata？这是个不太容易回答的问题。

Stata网站列举了数条可能的原因。

Edwards(2005)曾经非常细致地对比了Stata, SPSS和SAS的优劣。

Princeton大学的Torres-Reyna博士则将四种常用软件的特征总结为表3。

整体而言，Stata具有较强的优势。

表3 四款统计软件的对比分析Features Stata SPSS SAS R Learning curve Steep/gradual Gradual/flat Pretty steep Pretty steepUser interface Programming/point-and-click Mostlypoint-and-clickProgramming ProgrammingData manipulation Very strong Moderate Very strong Very strongData analysis Powerful Powerful Powerful/versatile Powerful/versatile Graphics Very good Very good Good GoodSource：/training/StataTutorial.pdf，p.3.我为何钟情于Stata？就我个人的经历而言，如下几个原因使我自2003年以来一直钟情于Stata。

Stata的数据处理功能很强大。

由于将数据导入内存后进行运算，其速度非常快。

在多个数据文件的合并和追加，以及文字资料、时序资料，以及调查资料的处理方面，Stata 总能以极为简洁的命令完成分析。

虽然Stata管方命令仅能支持txt和xml格式数据文件的导入和导出，但借助Stat/Transfer软件，我们可以非常方便地实现不同软件数据格式的转换，如Excel, Access, SPSS, SAS, Eviews, Gauss, Limdep, S-Plus, R等。

我是做公司财务的，每年5月，在GTA、CCER、Wind等数据库提供商提供了最新的数据后，我也需要更新自己的Stata数据库（我把这些数据库提供的几十个子库合并为一个名为“Arlion_data.dta”的Stata数据文件，并与我的合作者们分享）。

借助Stata的数据处理功能，我只需在上一年度已经完成的do-files中稍作修改即可完成数据的更新工作。

整个过程仅需2天的时间。

我无法想象，如果没有Stata提供的merge、append、forvalues等命令，这个数据更新的过程将会有多么痛苦。

Stata的do-files带来的便利。

我很少点击Stata的菜单，也很少在命令窗口中输入命令，我使用do-files（当然，每天要在这个窗口中敲入几十次help命令）。

简单而言，Stata的do-files只是一个包含了多行Stata命令的文本文件而已（[U]16 Do-files, Long(2009)）。

有些时候，要完成一篇文章的数据处理过程需要数周的时间，do-files 就显得格外重要，它使得我们很容易对此前的处理过程进行修改。

更为重要的是，后续文章都可以在这个do-files的基础上扩展。

我与搭档合作时，每天只需通过电子邮件发送只有几k大小的do-file即可；而我的学生们则可以通过do-files重现我上课时讲解的每一个估计命令；很多学生的第一篇实证分析的论文都是在我已经完成的do-files基础上完成的。

Stata绘制的图形非常精美。

这也为回归分析提供了一种可视化的分析工具，自Stata10发布以来，Stata增加了图形编辑、多种字体支持，以及数学符号支持等功能。

Stata可以输出十余种图片格式，可以非常方便地插入Word、LaTeX等文字排版软件。

即使采用点击鼠标的方式绘制图形，Stata也会自动生成命令代码，为图形的修改提供了极大的便利。

Stata在编程方面提供了良好的平台。

比如，做非线性最小二乘(NLS)、最大似然估计(MLE)、广义矩估计(GMM)，只需要设定函数形式，编写一些简单的程序即可完成，至于数值算法等比较复杂的技术问题，Stata都已帮你做好了。

例如，我完成的第一篇实证分析的论文便是以NLS为基础的（连玉君 and 钟经樊(2007)），随后，我又采用MLE 完成了异质性随机边界模型（连玉君 and 苏治(2009)）和双边随机边界模型（Lian and Chung(2008)；连玉君(2009)）的估计。

自Stata11发布以来，GMM的实现也变得非常简单了，你只需设定残差方程、指定工具变量，并选择何时得权重矩阵即可完成估计。

Stata具有良好的扩展性。

Stata具有自己的编程语言，其所有命令都对应着一个以“.ado”为后缀的同名程序文件。

对于Stata用户而言，我们可以使用viewsource或doedit 命令查看这些程序的代码。

更为重要的是，我们可以非常方便地自行编写命令，以实现对Stata官方命令的补充和扩展。

这种特殊的扩展功能赋予了Stata用户极大的灵活性，我们可以用findit命令下载到大量的外部命令，以便适时跟进最新的统计方法。

这同时也推动了Stata自身的发展，例如，Stata用户开发出的可绘制地图的命令tamp, spmap, china_map等就是一个很好的例证；由David Roodman编写的xtabond2命令则被Stata11设定为估计动态面板模型的官方命令（xtdpd, xtdpdsys）；同样，由F. Bornhorst and C.F. Baum编写的ipshin、levinlin命令，C.F. Baum编写的hadrilm命令，以及S. Merryman 编写的xtfisher等用于执行面板单位根检验的命令都被Stata11设定为官方命令xtunitroot。

饮水思源，我自己也贡献了xtbalance等命令。

若想发布自己编写的Stata 命令，只需发邮件给波士顿大学的C.F. Baum教授即可。

最后，从我身边这些老师和朋友的经验来看，Stata受到了越来越多的关爱。

我的导师使用Gauss十年有余，在2001年接触Stata后，毅然改用Stata。

还有很多国外的朋友，基本上都在使用Stata。

当越来越多的人开始使用Stata时，我们的交流成本会迅速下降。

当然，软件本身并无好还之分，只是一个习惯的问题。

关键的问题还是对统计和计量理论的掌握，这是决定你是否能驾驭软件的关键。

正在消弭的Stata缺陷Stata并不完美，但她正在趋近完美。

Evan Stark博士非常精辟的概括了这一特征：“You get the sense that at Stata they thought of everything, and when they or a user points out that they didn’t, they quickly provide a fix or new functionality. Although it did take me a while to understand its syntax [switching from SPSS], I did master it and statistical life became thereafter very enjoyable.”诚如MacStats网站的评价，Stata结果似乎无法像SPSS或Eviews那样非常美观地输出（或粘贴）到Word/Excel文档中。

合集下载

第4章-Stata简介

第4章-Stata简介


variable name tc q pl pf pk Sorted by: Note:
variable label total cost total output price of labor price of fuel user cost of capital
dataset has changed since last saved
1
4.2
Stata 的窗口
安装 Stata 后，点击电脑桌面上的 Stata 图标，即可打开 Stata。 此时可以看到，在最上方有一排菜单，即“ File Graphics Statistics User Window Help” 。 Edit Data
在菜单之下，则为一系列图标，起着快捷键的作用。 在图标之下，有五个窗口，分别为(如图 4.1)
tc 142. 143. 144. 145. 67.12 73.05 139.422 119.939 q 11477 11796 14359 16719
其中， “>=”表示“大于等于” 。其他表示关系的逻辑符号为“= =”(等于)， “>”(大于)， “<”(小于)， “<=”(小于等于)， “～=”(不 等于)。
18
如果不指明变量，将显示数据集中所有变量的统计指标。 . su
Variable tc q pl pf pk Obs 145 145 145 145 145 Mean 12.9761 2133.083 1.976552 26.17655 174.4966 Std. Dev. 19.79458 2931.942 .2300404 7.876071 18.20948 Min .082 2 1.5 10.3 138 Max 139.422 16719 2.3 42.8 233
连玉君：面板讲义(理论和在STATA中的操作)

连玉君：面板讲义(理论和在STATA中的操作)


3
(8-3)
(8-4)
假设 1 表明干扰项 ε 与解释变量 x 的当期观察值、前期观察值以及未来的观察 值均不相关，也 就是说模型中所有的解释变量都是严格外生的。假设 2 就是一般的同方差假设，在此 假设下模 型 (8-1) 的 OLS 估计是 BLUE 的。当此假设无法满足时，我们就需要处理异方差或序列 相关以 便得到稳健性估计量。 组内估计量 上面我们已经提到，在假设 1 和假设 2 同时成立的情况下，模型 (8-1) 的 OLS 估计是 BLUE 的。 但在实际操作的过程中，如果 N 比较大，那么我们的模型中将包含 ( N + K ) 个解释变量， 4 计算的工作量往往很大，对于 N 相当大的情况 (如 N=10000 ) ，一般的计算机都 无法胜任。所 以我们有必要先进行一些变换以消除固定效应，进而对简化后的模型进行估计，本小节和下一 小节 介绍的这两种方法都是基于此目的进行的。 我们首先将所有观察值进行堆叠，于是模型 (8-1) 可用矩阵形式表示为： y = Da + Xβ + ε (8-5)
目录
第八章 面板数据模型 8.1 8.2 简介 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 静态面板数据模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.2.1 8.2.2 8.2.3 8.2.4 8.3 8.3.1 8.3.2 8.3.3 8.4 8.5 8.6 8.7 固定效应模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 随机效应模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 假设检验 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . STATA 实现 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 异方差 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 序列相关 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 方差形式未知时的稳健性估计 . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1 1 2 7 10 13 25 25 29 33 33 33 33 33
连玉君_Logit模型STATA

连玉君_Logit模型STATA


15.2.5 假设检验 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
15.2.6 模型的解释和拟合优度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
15.2.3 Logistic 模型
在完成了上述变换后，我们就可以定义 Logistic 回归模型了，此时我们假设概率 πi 的 Logit 变换 (而非概率 πi 本身) 服从线性模型，即
logit(πi ) = ln
πi 1 − πi
= xi β ,
(15-6)
其中，xi 为解释变量构成向量，β 为系数向量。
第十五章 LOGISTIC 模型
3
Odds Probability1001 Nhomakorabea80
.8
60
.6
40
.4
20
.2
0
0
0
.2
.4
.6
.8
1
−4
−2
0
2
4
Probability
Logit (log−odds)
图 15-1: logit 变换
由于 logit 变换是一一对应的，所以我们可以通过求取逆对数由 Logit 反向得到概率值 (通常 称为 antilogit)。 由 (15-6) 式可解得：
然函数：
n
ln L(β ) =
yi ln [π(xi )] + (1 − yi ) ln [1 − π(xi )]
i =1
(15-11)
一阶条件为：
Stata教程剖析

Stata教程剖析

第一章 Stata 概貌§1.1 Stata的功能、特点和背景Stata是一个用于分析和管理数据的功能强大又小巧玲珑的实用统计分析软件，由美国计算机资源中心（Computer Resource Center）研制。

从1985至1998的十四年时间里，已连续推出1.1，1.2，1.3，1.4，1.5，……及2.0，2.1，3.0，3.1，4.0，5.0，6.0等多个版本，通过不断更新和扩充，内容日趋完善。

它同时具有数据管理软件、统计分析软件、绘图软件、矩阵计算软件和程序语言的特点，又在许多方面别具一格。

Stata融汇了上述程序的优点，克服了各自的缺点，使其功能更加强大，操作更加灵活、简单，易学易用，越来越受到人们的重视和欢迎。

Stata的突出特点是只占用很少的磁盘空间，输出结果简洁，所选方法先进，内容较齐全，制作的图形十分精美，可直接被图形处理软件或字处理软件如WORD等直接调用。

一、 Stata的数据管理能力1.Stata的数据管理空间受计算机的操作系统和计算机扩展内存的影响。

对640k内存的微机，3.1版本的Stata可以管理2400个记录×99个变量，并随计算机扩展内存的增加而增加；对4.0的WINDOWS版本，Stata可以管理4800个记录×99个变量；对WINDOWS 95下的5.0版本，可根据计算机的配置情况设置变量数和记录数，如32M扩展内存的计算机，可处理2千万个数据。

变量数和记录数可以互相交易（trade），即减少记录数可以增加变量数，减少变量数可以增加记录数。

2.可以将分组变量转换成指示变量(哑变量)，将字符串变量映射成数字代码。

3.可以对数据文件进行横向和纵向链接，可以将行数据转为列数据，或反之。

4.可以恢复、修改执行过的命令。

5.可以利用数值函数或字符串函数产生新变量。

6.可以从键盘或磁盘读入数据。

二、 Stata的统计功能Stata的统计功能很强，除了传统的统计分析方法外，还收集了近20年发展起来的新方法，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归、负二项回归及广义负二项回归，随机效应模型等。