stata常用命令(3)

需要格外小心。如果两个数据库中包含共同的观察，但是变量不同，希 望从一个数据库中提取一些变量到另一个数据库中用merge。完整的命令如下： use （文件名） [打开辅助数据库]

sort （变量名） [根据变量排序，这个变量是两个数据库共有的识别信息] save （文件名）, replace [保存辅助数据库] use （文件名） [打开主数据库] sort （变量名） [对相同的变量排序]

merge （变量名） using （文件名）, keep(（变量名）)

[第一个变量名即为前面sort后面的变量名，文件名是辅助数据库的名字，后面的变量名是希望提取的变量名]

ta _merge [显示_merge的取值情况。_merge等于1的观察是仅主库有的，等于2的是仅辅助库有的，等于3是两个库都有的。] drop if _merge==2 [删除仅仅来自辅助库的观察] drop merge [删除_merge]

save （文件名）, replace [将合并后的文件保存，通常另存] 我常用到的stata命令 （续）

讲到这里似乎对于数据的生 成和处理应该闭嘴了。大家可能更想听听估计、检验这些事情。但我并不想就此止住，因为实际中总是有一些简单套用命令无法轻易办到的特殊要求。此时至少有两 条路可以通向罗马：一是找到更高级的命令一步到位；二是利用已知简单命令多绕几个圈子达到目的。

下面讲一个令我刻骨铭心的经历，这也是迄 今我所碰到的生成新数据中最繁复的了。原始数据中包含了可以识别属于同一个家庭中所有个人的信息和家庭成员与户主关系的信息。目的是利用这些信息建立亲子 关系。初步的构想是新数据库以子辈为观察，找到他们的父母，把父母的变量添加到每个观察上。我的做法如下：

use a1,clear [打开全部样本数据库]

keep if gender==2&agemos>=96&a8~=1&line<10 [保留已婚的一定年龄的女性] replace a5=1 if a5==0

[变量a5标记和户主的关系。等于0是户主，等于1是户主的配偶。这里不加区分地将户主及其配偶放在一起。] keep if a5==1|a5==3|a5==7

[保留是户主（＝1），是户主的子女（＝3），或是户主的儿媳（＝7）的那些人。] ren h hf [将所需变量加上后缀f，表示女性] ren line lf [将所需变量加上后缀f，表示女性] sort wave hhid

save b1,replace [排序并保存]

keep if a5f==1 [留下其中是户主或户主配偶的] save b2,replace [保存] use b1,clear

keep if a5f==3|a5f==7

save b3,replace [留下其中是户主女儿或儿媳的并保存] use a3,clear [打开与户主关系是户主子女的儿童数据库] sort wave hhid

merge wave hhid using CHNS01b2, keep(hf lf) ta _merge

drop if _merge==2

sort hhid line wave [处理两代户，将户主配偶女性库与儿童库合并] by hhid line wave: egen x=count(id)

drop x _merge [计算每个年份家庭匹配的情况，x只取值1，表明两代户匹配成功]

save b4,replace [保存]

use a4,clear [打开与户主关系是户主孙子女的儿童数据库] sort wave hhid

merge wave hhid using CHNS01b3, keep(a5f a8f schf a12f hf agemosf c8f lf) ta _merge

drop if _merge==2 [处理三代户，将户主女儿或儿媳女性库与孙子女儿童库合并]

sort hhid line wave

by hhid line wave: egen x=count(id) gen a=agemosf-agemos

drop if a<216&x==3 [计算每个年份家庭匹配的情况，x不只取1，三代户匹配不完全成功。删除不合理的样本，标准是年龄差距和有三个可能母亲的那些家庭。]

gen xx=x[_n+1] gen xxx=x[_n-1] gen y=lf if x==1

replace y=lf[_n+1] if x==2&xx==1 replace y=lf[_n-1] if x==2&xxx==1 keep if x==1|(lf==y&x==2)

[对于有两个可能母亲的儿童，有相同编码的女性出现两次的情况。上面的做法是为了保证不删除这部分样本。] drop a x xx xxx y _merge

save b5,replace [保存合并后的数据库] [对男性数据的合并完全类似，不赘述。] log close exit,clear

我 的方法是属于使用简单命令反复迂回地达到目的那一类的，所以非常希望有更简便的方法来替代。不过做实证时往往不是非常追求程序的漂亮，常常也就得过且过 了。曾经有人向我索要过上面的处理方法，因为一直杂事缠身，就没有回复。现在公开了，希望对需要的人能有所帮助，我也懒得再去一一答复了。 Stata: 输出regression table到word和excel

1. 安装estout。最简单的方式是在stata的指令输入： ssc install estout, replace EST安装的指导网址是：

http://repec.org/bocode/e/estout/installation.html 2.跑你的regression

3.写下这行指令esttab using test.rtf，然后就会出现个漂亮的表格给你（WORD文档）。只要再小幅修改，就可以直接用了。这个档案会存在my document\\stata下。如果你用打开的是一个stata do file，结果会保存到do文件所在文件夹中。如果要得到excel文件，就把后缀改为.xls或者.csv就可以了

4.跑多个其实也不难，只要每跑完一个regression，你把它取个名字存起来：est store m1。m1是你要改的，第一个model所以我叫m1，第二个的话指令就变成est store m2，依次类推。

5.运行指令：esttab m1 m2 ... using test.rtf就行了。 异方差的检验：

Breusch-Pagan test in STATA：

其基本命令是：estat hettest var1 var2 var3

其中，var1 var2 var3 分别为你认为导致异方差性的几个自变量。是你自己设定的一个 滞后项数量。

同样，如果输出的P-Value 显著小于0.05，则拒绝原假设，即不存在异方差性。 White检验：

其基本命令是在完成基本的OLS 回归之后，输入 imtest， white

如果输出的P-Value 显著小于0.05，则拒绝原假设，即不存在异方差性

处理异方差性问题的方法： 方法一：WLS

WLS是GLS（一般最小二乘法）的一种，也可以说在异方差情形下的GLS就是WLS。在WLS下，我们设定扰动项的条件方差是某个解释变量子集的函数。之所以被称为加权最小二乘法，是因为这个估计最小化的是残差的加权平方和，而上述函数的倒数恰为其权重。 在stata中实现WLS的方法如下：

reg （被解释变量） （解释变量1） （解释变量2）?? [aweight=变量名] 其中，aweight后面的变量就是权重，是我们设定的函数。

一种经常的设定是假设扰动项的条件方差是所有解释变量的某个线性组合的指数函数。在stata中也可以方便地实现： 首先做标准的OLS回归，并得到残差项；

reg （被解释变量） （解释变量1） （解释变量2）?? predict r, resid

生成新变量logusq，并用它对所有解释变量做回归，得到这个回归的拟合值，再对这个拟合值求指数函数； gen logusq=ln(r^2)

reg logusq (解释变量1) （解释变量2）?? predict g, xb gen h=exp(g)

最后以h作为权重做WLS回归；

reg （被解释变量） （解释变量1） （解释变量2）?? [aweight=h]

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库stata常用命令(3)在线全文阅读。