stata如何回归

如何用stata做分段回归？~

可以先做分组，然后分别做回归

用stata进行平稳性检验的方法：
1、点击面板上的额ADF检验
2、在打开的对话框中输入命令dfuller，就开始了平稳性检验

Stata 是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式。

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。

1、生成一个自变量和一个因变量。

2、点击Statistics|linear model and related|linear regression菜单。

3、在弹出的regress中设置相关变量，然后再点确定。

4、在结果界面中，_cons为.5205279表示回归截距，说明回归方程具有统计学意义。R-squared和Adj R-squared分别为0.9905和0.9893，说明回归方程拟合效果很好。

5、回归拟合图。点击Statistics|linear model and related|Regression diagnostics|Added-variable plot。

6、在弹出的avplot/avplots中，选择“all variables”，点确定。

7、结果如下图。

1、首先我们现在在软件中生成参数和因变量。

2、单击Statistics |线性模型和相关|线性回归菜单。

3、在弹出回归中设置相关变量，然后单击“确定”的功能按钮。

4、在结果界面中，_cons是.5205279，表示回归截距，表明回归方程具有统计显着性。 R平方和Adj R平方分别为0.9905和0.9893，表明回归方程拟合良好。

5、回归拟合图。单击统计|线性模型和相关|回归诊断|添加变量图。

6、在弹出的avplot / avplots中，选择“所有变量”，然后单击“确定”。

7、stata回归就已经完成，结果如下界面。

回归有很多种呀，你要做哪种回归？
如因变量y对自变量x的线性回归：
regress y x
因变量y对自变量x1、x2、x3的线性回归：
regress y x1 x2 x3
因变量为二分变量的y对自变量x1、x2、x3的Logistic回归：
logistic y x1 x2 x3

还有许多相应语句，帮助里面就有，请看软件自带帮助。

/* Lecture 1:How to Import/Export Data*/

cd"//stata application"

sysuse "auto.dta", clear  /*导入系统自带的数据，clear代表关闭之前所有的数据，打开新的数据*/

edit

//export file

help export delimited

export delimited using "auto.txt", replace

//export csv file

export delimited make price using "auto.cxv",replace /*导出的数据只会有这两个变量*/

//import excel file

help import excel

export excel using "auto.xlsx" in 11/L /*L代表最后一行*/

export excel using "auto.xlax" if price>=3000,replace /*导出数据*/

help saveold

use "Data_luanma.dta" , clear

help unicode

clear

unicode encoding set gb18030 /*针对乱码编译*/

unicode translate "Data_luanma.dta"

use "Data_luanma.dta" , clear

set excelxlsxlargefile on

import excel "   "

/*内存太小时，将大文件打开并拆分*/

ssc install chunky

findit chunky

help chunky//安装新文件

//lecture2

sysuse auto.dta, clear

//拆分数据（系统自带的文件）

export delimited "auto.csv" in 1, replace

export delimited "auto.csv" in 2, replace                              

export delimited "auto.csv" in 3, replace

export delimited "auto.csv" in 4, replace

export delimited "auto.csv" in 5/L, replace

//如何快速，批量导出数据

help foreach 

//非常重要 需要批量操作多个变量，用循环语句

foreach num of numlist 1/10 3 5 8 9(10) 100{

display `num'

} 

//从numlist（提取出来num并展示 /代表从一到十依次增加一位， （）代表每增加多少单位展示

import delimited "auto1.csv", clear

//需要变换的是12345，这就是numlist//

foreach num of numlist 1/5{

import delimited "auto`num'.csv",clear 

//如果是乱码 ？encoding（gb1830）

save "auto`num'.dta",replace

}

help append//连接起来

use "auto1.dta",clear

append using "auto2.dta" "auto3.dta" "auto4.dta"/*

*/ "auto5.dta"

clear use "auto1.dta",clear

foreach num of numlist 2/5{

append using "auto`num'.dta"

}

save "auto_new.dta", replace

help erase

foreach num of numlist 1/5{

erase "auto`num'.dta"

}

//清除12345,csv也可用

help openall

findit openall 

openall "auto?",insheet

//注意？和*的差别

clear

openall:auto*",insheet

save "auto_new.dta",replace

//删除多余文件

//lecture 3

cd "‎⁨/Users/⁨Victor/stata⁩"

set more off

help format

sysuse auto.dta

format %5s make

//右对齐（默认）

edit make price headroom

//只显示这三列

format %-20s make

//左对齐（浏览方便）

format %10.0g price

//去掉逗号

format %3.2f headroom

help list

//将data展示在主界面中

list make price headroom in 1/L

sysuse auto.dta, clear

describe

//用于产生一个对数据集的简明总结表格

help label

//变量的标签

label data "US auto data美国汽车数据"

//修改数据集的标签 修改成双引号中的内容（在右下角的data可以看到改变）

label var price "auto price汽车价格"

//定义或修改变量的标签 黑色是要修改的变量 price后面要有空格(在右上角的price一栏有显示）

label define origin_f 0 "国产" 1 "进口"

//定义新标签（本身有一个origin 不能重新定义）指定一个标签名为origin_f，这个标签的内容是0代表"国产" 1代表"进口"

label values foreign origin_f

//修改 foreign中存储的是0和1 values代表foreign里面的数值

//将origin_f这个刚刚定义好的标签分配给foreign这个变量（可以看到原来的domestic foreign变成了国产 进口）因为标签就代替了原有的0，1，所有的0，1出现的地方都变成了标签的内容

describe

replace foreign = 2 in 1/8

label define origin_m 0 "国产" 1 "进口" 2 "unknown"

label values foreign origin_m

//打开数据集

edit

//浏览数据集

browse

//存储数据集

save

saveold //存储为stat啊其他版本的数据格式

//总结表格

describe

//显示

list foreign

list foreign in 70/L

list  make if foreign == 0 //逻辑关系符号， == ～= < > =

list make price if make == "AMC Concord" /*

*/                |make == "Merc. Cougar" /*

*/                |make == "Olds Toronado"

//或

list make foreign price if (foreign == 1 & price <=5000)/*

*/  | (foreign ==0 & price>3000)

//且

codebook make price

//详尽表述变量，包括变量名称，标签和赋值

//exercise

sysuse auto.dta, clear

export excel using "auto.xlsx", nolabel replace

//去掉了标签，变量名也没了，才有以下步骤

import excel using "auto.xlsx", clear

describe

help rename

rename A make

rename B price 

rename (C D E F G H I J K L)/*

*/ (mpg rep78 headroom trunk weight length /*

*/ turn displacement gear_ratio foreign)

//虽然名字改回来了 但是名字里面的标签没了

rename _all, proper

//首字母大写 其他小写

save auto.dta , replace

foreach v of varlist _all {

label var `v' " `v' "

}

//批量操作 每个标签都是变量本身 这个循环可以操作所有变量 _all这个宏

generate 

//建立新变量

replace

//更改已有变量

sysuse auto.dta, clear

gen price2 = price^2

//生成price的平方

gen price_mpg = price*mpg if foreign == 1

//产生交乘项

replace price_mpg = 0 if price_mpg == .

// 缺失项

gen logprice = log(price) 

//生成price的对数值， be aware of 0，0会被丢掉 要看它是0还是missing要看录入数据的人是否失误

gen lnprice = ln(price)

//生成price的自然对数值，这两个没什么区别

gen pricecat = 0

//根据价格区间定义pricecat

replace pricecat = 1 if price >=5000 & price < 10000

replace pricecat = 2 if price >=10000

edit pricecat

label define category5 0 "less than 5k" 1 "between 5k and 10k" 2 "more than 10k"

label values pricecat category5

edit price pricecat

help egen

gen priceavg = mean(price)

egen priceavg = mean(price)

//计算price均值

gen price_dev = price-priceavg

//计算price和priceavg的差

edit price_avg = mean(price)

//如何计算 分 domestic和 foreign的price均值呢？

sort foreign 

egen price_avg = mean(price) if foreign == 1              

//对进口车构造平均价，国产车先不管 是缺失值

egen price_avg2 = mean(price) if foreign == 0

replace price_avg = price_avg2 if price_avg == .

//重新赋值

//下面介绍一种简便方法

drop price_avg2

//去掉一列

by foreign: egen priceavg_by6 = mean(price)

//这一行就够了，通过foreign的不同计算平均值

sort foreign

by foreign: egen priceavg_by4 = mean(price)

//合并sort和by

//学姐的：

help egen    //extensions to generate

egen priceavg = mean(price)   //计算price的均值 

bys turn length: egen priceavg2 = count(price)

//只有当两组 turn length 都相同才显示2 其余为1（根据turn length数price的个数）

gen price_dev = price-priceavg  // 计算price与priceavg的差

edit price priceavg price_dev

//如何计算 domestic 和foreign 的price的均值呢

sort foreign  /*按这个0 1 变量的大小排序 从小到大*/

by foreign : egen priceavg_by = mean(price)   /*by根据某个变量分类*/

bys foreign : egen priceavg_by1 = mean(price)  /*分组计算之前先sort排序一下*/

bysort foreign : egen pricemed = median (foreign)  //产生常数变量pricemed赋值为foreign的中位数

// std(educ) 表示对教育标准化

// 生成一个新变量higheduc，如果educ大于12则higheduc包含这个变量的数值，否则为缺失值  egen higheduc=anyvalue(educ), v(13/18)

edit price foreign priceavg priceavg_by

//完

help tostring 

//数值变量转换为字符串变量

help destring 

//反过来

sysuse auto.dta, clear

edit mpg  

tostring mpg, gen(mpg_str)

tostring mpg, replace force/*强制替代*/

destring mpg_str ,replace 

//字符串不能做运算，但是可以做逻辑关系

//数值和字符串的转

encode //为已经存在的字符串变量添加一个去了标签的数值变量

decode//根据一个数值变量和他的标签生成一个字符串变量

/*stata中在将纯字符型变量（如A，B，A1）生成新的数值型变量（只能生成，不能转换）用encode： encode 字符变量,gen(新的数值变量)

这种方法在产生新的数值变量的同时，把原字符变量作为标签添加到新的数值变量上，如果在数据窗口查看数据是蓝色的。

*/

sysuse auto.dta， clear

destring make, gen(make_str)

edit make make_str

encode make, gen(make_num)

//生成分类变量和虚拟变量

sysuse auto.dta, clear

//one way is combination between replace and gen

gen dummy_high = 0

replace dummy_high = 1 if price>10000

//another way is to use gen newvar=(varname>#)

gen indicator_hi =(price>10000)

edit price dummy_high indicator_hi

edit dummy_high indicator_hi if dummy_high~=indicator_hi

//没有就是代码没问题

sum dummy_high indicator_hi

//生成分类变量

help recode 

help autocode

//计算price四分位区间，25%，50%，75%

egen price_pc25 = pctile(price),p(25)

egen price_pc50 = pctile(price),p(50)

egen price_pc75 = pctile(price),p(75)

//one way is to use replace and generate

gen price_4cat = 0

replace price_4cat = 1 if price >=price_pc25 & price <price_pc50

replace price_4cat = 2 if price >=price_pc50 & price <price_pc75

replace price_4cat = 3 if price >=price_pc75

//且

//数据合并 append（纵） merge（横） joinby

//数据横向合并 指将两个数据文件的变量加总在一起。合并后数据的样本不变，但是变量的数目增加了，也就是数据文件变宽了

//数据纵向合并 两个数据的变量相同 只是变长了 加多了观测值

//以下是数据纵向合并

sysuse auto.dta, clear

keep if foreign == 0

//删除所有foreign

save auto_domestic.dta, replace

sysuse auto.dta, clear

keep if foreign == 1

append using auto_domestic.dta

//数据中只有进口车，要把存储在本地电脑里的国产车合并起来（上下连接）

//数据横向合并

sysuse auto.dta, clear

gen id = _n

//生成序号变量

keep make id mpg weight length

save auto_tech.dta, replace

sysuse auto.dta, clear

gen id = _n

drop make mpg weight length

merge m:1 id using "auto_tech.dta"///多对一  本地：外地

//根据id进行合并

//lecture 5

//字符串变量 红色便是字符串变量

edit newid year so2

//以下两个是对于数值变量排序 展示的顺序是这样的 ID year so2

sort newid year

//从小到大排序  先ID 后year

gsort newid -year

//ID不变 year不按照传统的从小到大 可以按照从大到小排序（前面加一个负号便是）

//以下对字符串变量排序

edit newid year facilityname_origin

//字典序 数字优先于字母 标点符号优先于数字

gsort -facilityname_origin

//按照字典的倒序

order so2 co newid year

//重新排“列”的顺序

order newid, before(co)

//把某一个从后面放到某个变量的前面，插个队 方便观察 屏幕只有这么宽

//string variables

help string

edit newid facilityname_origin year

sort newid facilityname_origin year

//整理字符串变量 去掉多余的标点 空格 大小写统一整理 同一个企业赋予同一个名称 这样才有id

gen facility_name = facilityname_origin

//生成新变量

edit facility_name facilityname_origin

format %30s facility_name facilityname_origin

//30个字符串的长度 刚好可以充满

//考试：数据给你 清洗 合并 统计分析 作图 design model 结果输出 写计量回归模型 解释为什么这样

replace facility_name = lower(facility_name) 

//统一变量的小写化 lower upper proper

replace facility_name = proper(facility_name) 

//去掉多余的空格：trim（只去掉左右 首位 不能去掉中间的） itrim(只修中间）ltrim（左） rtrim（右）

replace facility_name = itrim(facility_name)

//trim 多余的代表多余一个的

//不希望出现标点符号：

help subinstr //无论是单词还是单词的一部分 都替代 而subinword 只能替代单词

replace facility_name = subinstr(facility_name,","," ",.)  

//无论出现多少次 全都替换掉 用空格代替逗号

replace facility_name = subinstr(facility_name,"."," ",.)

replace facility_name = subinstr(facility_name,"/"," ",.)

replace facility_name = subinstr(facility_name,"#"," ",.)

replace facility_name = subinstr(facility_name,"-"," ",.)

help subinword

//llc corporated inc corp company co

replace facility_name = subinword(facility_name,"Co"," ",.)

replace facility_name = subinword(facility_name,"Llc"," ",.)

//大小写取决于前面的处理

replace facility_name = subinword(facility_name,"Inc"," ",.)

replace facility_name = subinword(facility_name,"Corp"," ",.)

replace facility_name = subinword(facility_name,"Company"," ",.)

replace facility_name = subinword(facility_name,"Corporation"," ",.)

replace facility_name = subinword(facility_name,"Co"," ",.)

replace facility_name = subinstr(facility_name,"U S","u s",.)

gen flag2 = 1 if regexm(facility_name, "u s") == 1

//搜寻，如果这行观测值有u s，那么把它找出来 对成功的进行进一步处理（==1代表语句成立）

gen flag3 = 1 if regexm(facility_name, "^u s") == 1

//搜寻以us开头的

replace facility_name = trim(facility_name)

replace facility_name = itrim(facility_name)

//去掉多余空格

help string function

//continue to clean facility_name and atreet name

help split facility_name

split facility_name   

//默认根据空格拆分

gen fac_name = facility_name1 + " " + facility_name2

edit zipcode

split zipcode

---

蓬安县17290077866： 如何在stata中录入数据并做回归分析 - ？
潮梵参一： 逐一录入数据即可,回归分析用reg命令

蓬安县17290077866： 如何用stata做回归 - ？
潮梵参一： reg y x1 x2 x3

蓬安县17290077866： 这组数据怎么用stata11求出回归方程? - ？
潮梵参一： 如果是将wage作为被解释变量,其他作为解释变量的话,只要在stata中导入数据,然后输入指令: reg wage educ exper……(变量太多我就不一一写了,中间用空格间隔.) 回车.即可得到回归方程.

蓬安县17290077866： 如何用stata进行面板数据的回归分析 - ？
潮梵参一： 面板数据用xi即可 熟练掌握 我可以代分析

蓬安县17290077866： 怎么在stata 里面做虚拟变量的回归 - ？
潮梵参一： 例如,有一串年份数据 id year 001 2001 010 2002100 2003110 2004111 2005输入命令 tab year, gen(dummy_year) 这样就自动生成了2001至2005的五个虚拟变量回归命令 reg y x dummy* dummy* 等同于2001至2005的五个虚拟变量,reg命令会自动剔除一个以保证不出现完全共线性问题.

蓬安县17290077866： 如何用STATA对连续性变量进行meta回归分析 - ？
潮梵参一： 在stata中有个metareg命令,好像可以对连续变量进行回归分析.附件中是一篇pdf文档,主要介绍stata中关于meta分析的命令.跟大家分享一下.里面在提到metareg命令时,列举了以下三个列子:1:metareg logor covariate1 covariate2, wsse(selogor)2: metareg logor dur,wsvar(vlor) bs(eb)noit3: metareg meandiff qual avchol, wsse(sediff)bs(ml)tol(5)l(90)

蓬安县17290077866： 怎样在stata中做关于虚拟变量的回归 - ？
潮梵参一： 你先生成虚拟变量,然后把那些虚拟变量作为自变量加入到命令中,和普通变量做回归是一样的.

蓬安县17290077866： stata怎么弄线性回归 当应变量为log时 - ？
潮梵参一： 所谓回归分析法,是在掌握大量观察数据的基础上,利用数理统计方法建立因变量与自变量之间的回归关系函数表达式(称回归方程式).回归分析中,当研究的因果关系只涉及因变量和一个自变量时,叫做一元回归分析;当研究的因果关系涉及因变量和两个或两个以上自变量时,叫做多元回归分析.此外,回归分析中,又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的,分为线性回归分析和非线性回归分析.通常线性回归分析法是最基本的分析方法,遇到非线性回归问题可以借助数学手段化为线性回归问题处理.

蓬安县17290077866： 如何用stata做面板数据的滚动回归 - ？
潮梵参一： 方法/步骤短面板处理 面板数据是指既有截面数据又有时间序列的数据,因此其存在截面数据没有的优势,在用stata进行面板数据的估计时,一般选择xtreg命令进行拟合.本节主要论述短面板的stata实现,即时间维度T相对于截面数n较小的数...

蓬安县17290077866： 怎么在stata中,对样本的一个子集做回归分析 - ？
潮梵参一： 做好pca分析后,根据提取的主成分或因子数量,键入predict 新变量名称1 新变量名称2-新变量名称n,n对应产生的因子个数,如果只是提取一个主成分,则只要键入predict 新变量名