Stata命令有哪些-Stata命令匯總介紹

      大伙知道Stata命令有哪些嗎?可能有的小伙伴還不太清楚，那么今天小編就為大伙帶來了Stata命令匯總介紹，還不太清楚的小伙伴可以來看看哦，希望可以幫助到大伙。

      調(diào)整變量格式

      format x1 %10.3f ——將x1的列寬固定為10，小數(shù)點(diǎn)后取三位

      format x1 %10.3g ——將x1的列寬固定為10，有效數(shù)字取三位

      format x1 %10.3e ——將x1的列寬固定為10，采用科學(xué)計(jì)數(shù)法

      format x1 %10.3fc ——將x1的列寬固定為10，小數(shù)點(diǎn)后取三位，加入千分位分隔符

      format x1 %10.3gc ——將x1的列寬固定為10，有效數(shù)字取三位，加入千分位分隔符

      format x1 %-10.3gc ——將x1的列寬固定為10，有效數(shù)字取三位，加入千分位分隔符，加入“-”表示左對(duì)齊。

      合并數(shù)據(jù)

      use "E:statapersonal 14高級(jí)計(jì)量經(jīng)濟(jì)學(xué)計(jì)量經(jīng)濟(jì)學(xué)服務(wù)中心.dta", clear

      merge using "E:statapersonal 14高級(jí)計(jì)量經(jīng)濟(jì)學(xué)計(jì)量經(jīng)濟(jì)學(xué)服務(wù)中心2.dta.dta"

      ——將計(jì)量經(jīng)濟(jì)學(xué)服務(wù)中心和計(jì)量經(jīng)濟(jì)學(xué)服務(wù)中心2的數(shù)據(jù)按照樣本(observation)排列的自然順序合并起來

      use "E:statapersonal 14高級(jí)計(jì)量經(jīng)濟(jì)學(xué)計(jì)量經(jīng)濟(jì)學(xué)服務(wù)中心.dta.dta", clear

      merge id using "E:statapersonal 14高級(jí)計(jì)量經(jīng)濟(jì)學(xué)計(jì)量經(jīng)濟(jì)學(xué)服務(wù)中心2.dta.dta" ,unique sort

      ——將計(jì)量經(jīng)濟(jì)學(xué)服務(wù)中心和計(jì)量經(jīng)濟(jì)學(xué)服務(wù)中心2的數(shù)據(jù)按照唯一的(unique)變量id來合并，在合并時(shí)對(duì)id進(jìn)行排序(sort)

      建議采用第一種方法。

      【收藏】stata官方的范例數(shù)據(jù)

      對(duì)樣本進(jìn)行隨機(jī)篩選

      sample 50

      在觀測(cè)案例中隨機(jī)選取50%的樣本，其余刪除

      sample 50,count

      在觀測(cè)案例中隨機(jī)選取50個(gè)樣本，其余刪除

      查看與編輯數(shù)據(jù)

      browse x1 x2 if x3>3 (按所列變量與條件打開數(shù)據(jù)查看器)

      edit x1 x2 if x3>3 (按所列變量與條件打開數(shù)據(jù)編輯器)

      數(shù)據(jù)合并(merge)與擴(kuò)展(append)

      merge表示樣本量不變，但增加了一些新變量;append表示樣本總量增加了，但變量數(shù)目不變。

      one-to-one merge：

      數(shù)據(jù)源自stata tutorial中的exampw1和exampw2

      第一步：將exampw1按v001～v003這三個(gè)編碼排序，并建立臨時(shí)數(shù)據(jù)庫tempw1

      clear

      use "t:statatutexampw1.dta"

      su ——summarize的簡寫

      sort v001 v002 v003

      save tempw1

      第二步：對(duì)exampw2做同樣的處理

      clear

      use "t:statatutexampw2.dta"

      su

      sort v001 v002 v003

      save tempw2

      第三步：使用tempw1數(shù)據(jù)庫，將其與tempw2合并：

      clear

      use tempw1

      merge v001 v002 v003 using tempw2

      第四步：查看合并后的數(shù)據(jù)狀況：

      ta _merge ——tabulate _merge的簡寫

      su

      第五步：清理臨時(shí)數(shù)據(jù)庫，并刪除_merge，以免日后合并新變量時(shí)出錯(cuò)

      erase tempw1.dta

      erase tempw2.dta

      drop _merge

      數(shù)據(jù)擴(kuò)展append：

      數(shù)據(jù)源自stata tutorial中的fac19和newfac

      clear

      use "t:statatutfac19.dta"

      ta region

      append using "t:statatutnewfac"

      ta region

      合并后樣本量增加，但變量數(shù)不變

      簡單統(tǒng)計(jì)量的計(jì)算

      ameans x

      (計(jì)算變量x的算術(shù)平均值、幾何平均值和簡單調(diào)和平均值，均顯示樣本量和置信區(qū)間)

      mean var1 [pweight = var2]

      (求取分組數(shù)據(jù)的平均值和標(biāo)準(zhǔn)誤，var1為各組的賦值，var2為每組的頻數(shù))

      summarize y x1 x2,detail

      (可以獲得各個(gè)變量的百分比數(shù)、最大最小值、樣本量、平均數(shù)、標(biāo)準(zhǔn)差、方差、峰度、偏度)

      注意：

      stata中summarize所計(jì)算出來的峰度skewness和偏度kurtosis有問題，與ECELL和SPSS有較大差異，建議不采用stata的結(jié)果。

      summarize var1 [aweight = var2], detail

      (求取分組數(shù)據(jù)的統(tǒng)計(jì)量，var1為各組的賦值，var2為每組的頻數(shù))

      tabstat X1,stats(mean n q max min sd var cv)

      (計(jì)算變量X1的算術(shù)平均值、樣本量、四分位線、最大最小值、標(biāo)準(zhǔn)差、方差和變異系數(shù))

      概率分布的計(jì)算：

      (1)貝努利概率分布測(cè)試：

      webuse quick

      bitest quick==0.3,detail

      (假設(shè)每次得到成功案例‘1’的概率等于0.3，計(jì)算在變量quick所顯示的二項(xiàng)分布情況下，各種累計(jì)概率和單個(gè)概率是多少)

      bitesti 10,3,0.5,detail

      (計(jì)算當(dāng)每次成功的概率為0.5時(shí)，十次抽樣中抽到三次成功案例的概率：低于或高于三次成功的累計(jì)概率和恰好三次成功概率)

      (2)泊松分布概率：

      display poisson(7,6)

      .44971106

      (計(jì)算均值為7，成功案例小于等于6個(gè)的泊松概率)

      display poissonp(7,6)

      .14900278

      (計(jì)算均值為7，成功案例恰好等于6個(gè)的泊松概率)

      display poissontail(7,6)

      .69929172

      (計(jì)算均值為7，成功案例大于等于6個(gè)的泊松概率)

      (3)超幾何分布概率：

      display hypergeometricp(10,3,4,2)

      .3

      (計(jì)算在樣本總量為10，成功案例為3的樣本總體中，不重置地抽取4個(gè)樣本，其中恰好有2個(gè)為成功案例的概率)

      display hypergeometric(10,3,4,2)

      .96666667

      (計(jì)算在樣本總量為10，成功案例為3的樣本總體中，不重置地抽取4個(gè)樣本，其中有小于或等于2個(gè)為成功案例的概率)

      檢驗(yàn)極端值的步驟

      常見命令：tabulate、stem、codebook、summarize、list、histogram、graph box、gragh matrix

      step1.用codebook、summarize、histogram、graph boxs、graph matrix、stem看檢驗(yàn)數(shù)據(jù)的總體情況：

      codebook y x1 x2

      summarize y x1 x2,detail

      histogram x1,norm(正態(tài)直方圖)

      graph box x1(箱圖)

      graph matrix y x1 x2,half(畫出各個(gè)變量的兩兩x-y圖)

      stem x1(做x1的莖葉圖)

      可以看出數(shù)據(jù)分布狀況，尤其是最大、最小值

      step2.用tabulate、list細(xì)致尋找極端值

      tabulate code if x1==極端值(作出x1等于極端值時(shí)code的頻數(shù)分布表，code表示地區(qū)、年份等序列變量，這樣便可找出那些地區(qū)的數(shù)值出現(xiàn)了錯(cuò)誤)

      list code if x1==極端值(直接列出x1等于極端值時(shí)code的值，當(dāng)x1的錯(cuò)誤過多時(shí)，不建議使用該命令)

      list in -20/l(l表示last one，-20表示倒數(shù)第20個(gè)樣本，該命令列出了從倒數(shù)第20個(gè)到倒數(shù)第一個(gè)樣本的各變量值)

      step3.用replace命令替換極端值

      replace x1=? if x1==極端值

      去除極端值：

      keep if y<1000

      drop if y>1000

      對(duì)數(shù)據(jù)排序：

      sort x

      gsort +x

      (對(duì)數(shù)據(jù)按x進(jìn)行升序排列)

      gsort -x

      (對(duì)數(shù)據(jù)按x進(jìn)行降序排列)

      gsort -x, generate(id) mfirst

      (對(duì)數(shù)據(jù)按x進(jìn)行降序排列，缺失值排最前，生成反映位次的變量id)

      對(duì)變量進(jìn)行排序：

      order y x3 x1 x2

      (將變量按照y、x3、x1、x2的順序排列)

      生成新變量：

      gen logx1=log(x1)(得出x1的對(duì)數(shù))

      gen x1`=exp(logx1)(將logx1反對(duì)數(shù)化)

      gen r61_100=1 if rank>=61&rank<=100(若rank在61與100之間，則新變量r61_100的取值為1，其他為缺失值)

      replace r61_100 if r61_100!=1(“!=”表示不等于，若r61_100取值不為1，則將r61_100替換為0，就是將上式中的缺失值替換為0)

      gen abs(x)(取x的絕對(duì)值)

      gen ceil(x)(取大于或等于x的最小整數(shù))

      gen trunc(x)(取x的整數(shù)部分)

      gen round(x)(對(duì)x進(jìn)行四舍五入)

      gen round(x,y)(以y為單位，對(duì)x進(jìn)行四舍五入)

      gen sqrt(x)(取x的平方根)

      gen mod(x,y)(取x/y的余數(shù))

      gen reldif(x,y)(取x與y的相對(duì)差異，即|x-y|/(|y|+1))

      gen logit(x)(取ln[x/(1-x)])

      gen x=autocode(x,n,xmin,xmax)(將x的值域，即xmax-xmin，分為等距的n份)

      gen x=cond(x1>x2,x1,x2)(若x1>x2成立，則取x1，若x1>x2不成立，則取x2)

      sort x

      gen gx=group(n)(將經(jīng)過排序的變量x分為盡量等規(guī)模的n個(gè)組)

      egen zx1=std(x1)(得出x1的標(biāo)準(zhǔn)值，就是用(x1-avgx1)/sdx1)

      egen zx1=std(x1),m(0) s(1)(得出x1的標(biāo)準(zhǔn)分，標(biāo)準(zhǔn)分的平均值為0，標(biāo)準(zhǔn)差為1)

      egen sdx1=sd(x1)(得出x1的標(biāo)準(zhǔn)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)(中數(shù))

      egen modex1=mode(x1)(眾數(shù))

      egen totalx1=total(x1)(得出x1的總數(shù))

      egen rowsd=sd(x1 x2 x3)(得出x1、x2和x3聯(lián)合的標(biāo)準(zhǔn)差)

      egen rowmean=mean(x1 x2 x3)(得出x1、x2和x3聯(lián)合的平均值)

      egen rowmax=max(x1 x2 x3)(聯(lián)合最大值)

      egen rowmin=min(x1 x2 x3)(聯(lián)合最小值)

      egen rowmed=med(x1 x2 x3)(聯(lián)合中數(shù))

      egen rowmode=mode(x1 x2 x3) (聯(lián)合眾數(shù))

      egen rowtotal=total(x1 x2 x3)(聯(lián)合總數(shù))

      egen xrank=rank(x)(在不改變變量x各個(gè)值排序的情況下，獲得反映x值大小排序的xrank)

      數(shù)據(jù)計(jì)算器display命令：

      display x[12](顯示x的第十二個(gè)觀察值)

      display chi2(n,x)(自由度為n的累計(jì)卡方分布)

      display chi2tail(n,x)(自由度為n的反向累計(jì)卡方分布，chi2tail(n,x)=1-chi2(n,x))

      display invchi2(n,p)(卡方分布的逆運(yùn)算，若chi2(n,x)=p，那么invchi2(n,p)=x)

      display invchi2tail(n,p)(chi2tail的逆運(yùn)算)

      display F(n1,n2,f)(分子、分母自由度分別為n1和n2的累計(jì)F分布)

      display Ftail(n1,n2,f)(分子、分母自由度分別為n1和n2的反向累計(jì)F分布)

      display invF(n1,n2,P)(F分布的逆運(yùn)算，若F(n1,n2,f)=p，那么invF(n1,n2,p)=f)

      display invFtail(n1,n2,p)(Ftail的逆運(yùn)算)

      display tden(n,t)(自由度為n的t分布)

      display ttail(n,t)(自由度為n的反向累計(jì)t分布)

      display invttail(n,p)(ttail的逆運(yùn)算)

      給數(shù)據(jù)庫和變量做標(biāo)記

      label data "~~~"(對(duì)現(xiàn)用的數(shù)據(jù)庫做標(biāo)記，"~~~"就是標(biāo)記，可自行填寫)

      label variable x "~~~"(對(duì)變量x做標(biāo)記)

      label values x label1(賦予變量x一組標(biāo)簽:label1)

      label define label1 1 "a1" 2 "a2"(定義標(biāo)簽的具體內(nèi)容：當(dāng)x=1時(shí)，標(biāo)記為a1，當(dāng)x=2時(shí)，標(biāo)記為a2)

      頻數(shù)表：

      tabulate x1,sort

      tab1 x1-x7,sort(做x1到x7的頻數(shù)表，并按照頻數(shù)以降序顯示行)

      table c1,c(n x1 mean x1 sd x1)(在分類變量c1的不同水平上列出x1的樣本量和平均值)

      二維交互表：

      auto數(shù)據(jù)庫：

      table rep78 foreign, c(n mpg mean mpg sd mpg median mpg) center row col

      (rep78，foreign均為分類變量，rep78為行變量，foreign為列變量，center表示結(jié)果顯示在單元格中間，row表示計(jì)算行變量整體的統(tǒng)計(jì)量，col表示計(jì)算列變量整體的統(tǒng)計(jì)量)

      tabulate x1 x2,all

      (做x1和x2的二維交互表，要求顯示獨(dú)立性檢驗(yàn)chi2、似然比卡方獨(dú)立性檢驗(yàn)lrchi2、對(duì)定序變量適用的等級(jí)相關(guān)系數(shù)gamma和taub、以及對(duì)名義變量適用的V)

      tabulate x1 x2,column chi2(做x1和x2的二維交互表，要求顯示列百分比和行變量和列變量的獨(dú)立性檢驗(yàn)——零假設(shè)為變量之間獨(dú)立無統(tǒng)計(jì)關(guān)系)

      tab2 x1-x7,all nofreq(對(duì)x1到x7這七個(gè)變量兩兩地做二維交互表，不顯示頻數(shù)：nofreq)

      三維交互表：

      by x3,sort:tabulate x1 x2,nofreq col chi2(同時(shí)進(jìn)行x3的每一個(gè)取值內(nèi)的x1和x2的二維交互表，不顯示頻數(shù)、顯示列百分比和獨(dú)立性檢驗(yàn))

      四維交互表：

      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為權(quán)重求X1、X2的均值，標(biāo)準(zhǔn)差、方差等)

      ttest X1=1

      count if X1==0

      count if X1>=0

      gen X2=1 if X1>=0

      corr x1 x2 x3(做x1、x2、x3的相關(guān)系數(shù)表)

      swilk x1 x2 x3(用Shapiro-Wilk W test對(duì)x1、x2、x3進(jìn)行正太性分析)

      sktest x1 x2 x3(對(duì)x1、x2、x3進(jìn)行正太性分析，可以求出峰度和偏度)

      ttest x1=x2(對(duì)x1、x2的均值是否相等進(jìn)行T檢驗(yàn))

      ttest x1,by(x2) unequal(按x2的分組方式對(duì)x1進(jìn)行T檢驗(yàn)，假設(shè)方差不齊性)

      sdtest x1=x2(方差齊性檢驗(yàn))

      sdtest x1，by(x2)(按x2的分組方式對(duì)x1進(jìn)行方差齊性檢驗(yàn))

      est命令的用法

      (1)儲(chǔ)存回歸結(jié)果：

      reg y x1 x2 x3(不限于reg，也可儲(chǔ)存ivreg、mvreg、reg3)

      est store A

      (2)重現(xiàn)回歸結(jié)果：

      est replay A

      (3)對(duì)回歸結(jié)果進(jìn)行進(jìn)一步分析

      est for A:sum(對(duì)A回歸結(jié)果中的各個(gè)變量運(yùn)行sum命令)

      異方差問題：

      獲得穩(wěn)健性標(biāo)準(zhǔn)誤

      reg y x1 x2 x3 if c1==1(當(dāng)分類變量c1=1時(shí)，進(jìn)行y和諸x的回歸)

      reg y x1 x2 x3,robust(回歸后顯示各個(gè)自變量的異方差-穩(wěn)健性標(biāo)準(zhǔn)誤)

      estat vif(回歸之后獲得VIF)

      estat hettest,mtest(異方差檢驗(yàn))

      異方差檢驗(yàn)的套路：

      (1)Breusch-pagan法：

      reg y x1 x2 x3

      predict u,resid

      gen usq=u^2

      reg usq x1 x2 x3

      求F值

      display R/(1-R)*n2/n1(n1表示分子除數(shù)，n2表示分母除數(shù))

      display Ftail(……)

      求LM值

      display R*n(n表示總樣本量)

      display chi2tail(……)

      (2)white法：

      reg y x1 x2 x3

      predict u,resid

      gen usq=u^2

      predict y

      gen ysq=y^2

      reg usq y ysq

      求F值

      display R/(1-R)*n2/n1(n1表示分子除數(shù)，n2表示分母除數(shù))

      display Ftail(……)

      求LM值

      display R*n(n表示總樣本量)

      display chi2tail(……)

      (3)必要補(bǔ)充

      F值和LM值轉(zhuǎn)換為P值的命令：

      display Ftail(n1,n2,a)(利用F值求p值，n1表示分子除數(shù)，n2表示分母除數(shù)，a為F值)

      display chi2tail(n3,b)(利用LM值求p值，n3表示自由度的損失量，一般等于n1，b為LM值)

      異方差的糾正——WLS

      (1)基本思路：

      reg y x1 x2 x3 [aw=x1](將x1作為異方差的來源，對(duì)方程進(jìn)行修正)

      上式相當(dāng)于：

      reg y/(x1^0.5) 1/(x1^0.5) x1/(x1^0.5) x2/(x1^0.5) x3/(x1^0.5),noconstant

      (2)糾正異方差的常用套路(構(gòu)造h值)

      reg y x1 x2 x3

      predict u,resid

      gen usq=u^2

      gen logusq=log(usq)

      reg logusq x1 x2 x3

      predict g

      gen h=exp(g)

      reg y x1 x2 x3 [aw=1/h]

      異方差hausman檢驗(yàn)：

      reg y x1 x2 x3

      est store A(將上述回歸結(jié)果儲(chǔ)存到A中)

      reg y x1 x2 x3 [aw=1/h]

      est store B

      hausman A B

      當(dāng)因變量為對(duì)數(shù)形式時(shí)(log(y))如何預(yù)測(cè)y

      reg logy x1 x2 x3

      predict k

      gen m=exp(k)

      reg y m,noconstant

      m的系數(shù)為i

      y的預(yù)測(cè)值=i×exp(k)

      面板數(shù)據(jù)

      【原創(chuàng)】stata介紹之outreg2 logout，從簡單到基礎(chǔ)，涵蓋描述相關(guān)+回歸，從時(shí)間到面板

      1、基本套路：

      xtreg y x1 x2,re

      est store re

      xtreg y x1 x2,fe

      est store fe

      hausman re fe

      ——如果hausman檢驗(yàn)的結(jié)果為顯著，則采用固定效應(yīng)(fe)模型，不顯著，則選取隨機(jī)效應(yīng)(re)模型

      2、隨機(jī)效應(yīng)的檢驗(yàn)：

      xtreg y x1 x2,re

      xttest0

      xttest1

      ——xttest1是xttest0的擴(kuò)展，若這xttest0的結(jié)果為顯著，則采用隨機(jī)效應(yīng)(re)模型

      xttest1的假設(shè)是沒有隨機(jī)效應(yīng)和/或沒有序列相關(guān)，它的七個(gè)結(jié)果分別表示：

      1) LM Test for random effects, assuming no serial correlation

      (假設(shè)沒有序列相關(guān)情況下對(duì)隨機(jī)效應(yīng)進(jìn)行LM檢驗(yàn))

      2) Adjusted LM test for random effects, which works even under serial

      correlation

      (假設(shè)有序列相關(guān)的情況下對(duì)隨機(jī)LM檢驗(yàn))

      3) One sided version of the LM test for random effects

      (假設(shè)沒有序列相關(guān)的情況下對(duì)隨機(jī)效應(yīng)進(jìn)行單邊檢驗(yàn))

      4) One sided version of the adjusted LM test for random effects

      (假設(shè)有序列相關(guān)的情況下對(duì)隨機(jī)效應(yīng)進(jìn)行單邊檢驗(yàn))

      5) LM test for first-order serial correlation, assuming no random effects

      (假設(shè)沒有隨機(jī)效應(yīng)的情況下對(duì)一階序列相關(guān)進(jìn)行檢驗(yàn))

      6) Adjusted test for first-order serial correlation, which works even under

      random effects (假設(shè)有隨機(jī)效應(yīng)的情況下對(duì)一階序列相關(guān)進(jìn)行檢驗(yàn))

      7) LM Joint test for random effects and serial correlation

      (隨機(jī)效應(yīng)和序列相關(guān)的聯(lián)合檢驗(yàn))

      3、固定效應(yīng)模型，可采用廣義最小二乘法(gls)進(jìn)行估算，也可采用固定效應(yīng)方程(fe)：

      xtserial y x1 x2

      xtgls y x1 x2

      xttest2

      xttest3

      ——xtserial用于檢驗(yàn)固定效應(yīng)模型中的一階序列自相關(guān)，可通用于xtgls和fe之前

      ——xttest2用于檢驗(yàn)不同廠商的相似性，若顯著則各廠家的截面相似，可通用于xtgls和fe之后

      ——xttest3用于檢驗(yàn)固定效應(yīng)模型中的異方差問題，若顯著則有異方差，可通用于xtgls和fe之后。

      方差分析

      一元方差分析

      anova y g1 / g1|g2 /(g*表示不同分類變量，計(jì)算g1和交互項(xiàng)/ g1|g2 /這兩種分類的y值是否存在組內(nèi)差異)

      anova y d1 d2 d1*d2(d*表示虛擬變量，計(jì)算d1、d2和d1*d2的這三種分類的y值是否有組內(nèi)差異)

      anova y d1 d2 x1 d2*x1, continuous(x1)(x*表示連續(xù)的控制變量)

      多元方差分析

      webuse jaw

      manova y1 y2 y3 = gender fracture gender*fracture(按性別、是否骨折及二者的交互項(xiàng)對(duì)y1、y2和y3進(jìn)行方差分析)

      manova y1 = gender fracture gender*fracture(相當(dāng)于一元方差分析，以y1為因變量)

      webuse nobetween

      gen mycons = 1

      manova test1 test2 test3 = mycons, noconstant

      mat c = (1,0,-1 0,1,-1)

      manovatest mycons, ytransform(c)

      進(jìn)行多元回歸的方法：

      多元回歸分析：(與mvreg相同)

      foreach vname in y1 y2 y3 { (確定y變量組vname)

      reg `vname' x1 x2 x3 (將y變量組中的各個(gè)變量與諸x變量進(jìn)行回歸分析，注意vname的標(biāo)點(diǎn)符號(hào)) }

      上式等價(jià)于：

      mvreg y1 y2 y3 = x1 x2 x3

      reg3命令：

      (1)簡單用法：

      reg3 (y1 = x1 x2 x3) (y2 = x1 x3 x4) (y3 = x1 x2 x5)

      測(cè)試y1 coefs = 0

      test [y1]

      測(cè)試不同回歸中相同變量的系數(shù)：

      test [y1=y2=y3], common

      test ([y1=y2]) ([y1=y3]), common constant(constant表示包含截距項(xiàng))

      (2)用reg3進(jìn)行2SLS

      reg3 (y1 = y2 x1 x2) (y2 = y1 x4),2sls

      (2)用reg3進(jìn)行OLS

      reg3 (y1 = y2 x1 x2) (y2 = y1 x4),ols

      對(duì)兩個(gè)回歸結(jié)果進(jìn)行hausman檢驗(yàn)：

      reg3 (y1=x1 x2 x3)(y2=y1 x4),2sls

      est store twosls

      reg3 (y1=x1 x2 x3)(y2=y1 x4),ols

      est store ols

      hausman twosls ols,equations(1:1)(對(duì)兩次回歸中的方程1，即“y1=x1 x2 x3”進(jìn)行hausman檢驗(yàn))

      hausman twosls ols,equations(2:2)(對(duì)兩次回歸中的方程2，即“y2=y1 x4”進(jìn)行hausman檢驗(yàn))

      hausman twosls ols,alleqs(對(duì)所有方程一起進(jìn)行檢驗(yàn))

      檢驗(yàn)忽略變量(模型的RESET)：

      reg y x1 x2 x3

      estat ovtest

      滯后變量的制取

      對(duì)變量y滯后一期：

      gen y_l1=y[_n-1]

      滯后兩期：

      gen y_l2=y[_n-2]

      以此類推。

      制取樣本序號(hào)：

      gen id=_n

      獲得樣本總量：

      gen id=_N

      時(shí)間序列回歸

      回歸元嚴(yán)格外生時(shí)AR(1)序列相關(guān)的檢驗(yàn)

      reg y x1 x2

      predict u,resid

      gen u_1=u[_n-1]

      reg u u_1,noconstant

      回歸之后，u_1的序數(shù)如果不異于零，則該序列不相關(guān)

      用Durbin-Watson Statistics檢驗(yàn)序列相關(guān)：

      tsset year @(對(duì)時(shí)間序列回歸中代表時(shí)間的變量進(jìn)行定義)@

      reg y x1 x2

      dwstat @(求出時(shí)間序列回歸的DW值)@

      durbina @(對(duì)該回歸是否具有序列相關(guān)進(jìn)行檢驗(yàn)，H0為無序列相關(guān)，可根據(jù)chi2值求出P值)@

      durbina,small @(small可以根據(jù)F值求出P值，以代替chi2值)@

      durbina,force @(讓檢驗(yàn)?zāi)茉趓obust、neway之后進(jìn)行)@

      durbina,small lag(1/10) @(lag可以求出更高階滯后的序列相關(guān)，如本例中可求出1到10階的序列相關(guān))@

      durbina,robust lag(1/10) @(robust可進(jìn)行異方差—穩(wěn)健性回歸，避免未知形式的異方差)@

      bgodfrey @(利用Breusch-Godfrey test求出高階序列相關(guān))@

      bgodfrey,small lag(1/10)

      以上就是小編帶來的Stata命令匯總介紹，有需要的朋友可以來看看哦。