1、 1 陈强，2015 年， 计量 经济学及Stata 应用 ，高 等教育出版社。 第 2 章 Stata 入门 2.1 为什么使用 Stata Stata 软件因操作简单且功能强大，为目前在欧美最流行的统计 与计量软件，拥有众多用户。 Stata 公司定期升级软件，以适应计量经济学的迅猛发展。 Stata 软件还留有“用户接口” ，允许用户自己编写命令与函数， 并上传到网上实现共享。一些最新计量方法，可在线查找和下载 由用户编写的 Stata 命令程序(user-written Stata commands) 。这 些 “非官方命令”( 也称“外部命令”) 的使用方法与官方命令完全相 同，使得
2、 Stata 的功能如虎添翼。 2本教材使用 Stata 13 版本(2013 年 6 月发布) 。 对于绝大多数命令与功能， 即使用更低的 Stata 版本( 如 Stata 11 或 Stata 12) ，也几乎没有差别。 2.2 Stata 的窗口 安装 Stata 13 后，在安装的文件夹中将出现如下 Stata 13 图标 (Stata 11 或 Stata 12 的图标大同小异)，参见图 2.1 ： 图2.1 Stata 13 的图标 双击此 Stata 图标，即可打开 Stata 。 3如想在电脑桌面创建开启 Stata 软件的快捷方式，可右键点击 Stata 13 的图标，然后
3、选择“发送到” “桌面快捷方式” ，参见 图 2.2 。 图2.2 发送 Stata 13 到桌面快捷方式 4打开 Stata 后可看到， 在 最上方有一排 “下拉式菜单” (pull-down menu) ，参见图 2.3 ： 图2.3 Stata 的下拉式菜单 在 Stata 中运行单个命令主要有两种方式， 其 一为点击菜单， 其 二为在“命令窗口”输入命令。 通过菜单执行命令(menu-driven) 可能要点击多重菜单，通常还 要填写对话框(dialog) ，以明确命令参数，不如在命令窗口直接输 入命令方便。 在菜单之下，为一系列图标，起着快捷键的作用，参见图 2.4 。 5图2.4
4、Stata 的快捷键 在快捷键图标之下，有五个窗口，参见图 2.5 。 图2.5 Stata 13 的主要窗口 6 2.3 Stata 操作实例 以数据集 grilic_small.xls (Excel 文件)为例， 该 文件包含 30 名美 国年轻男子的教育投资回报率数据。 1 导入数据 首先， 打 开 Stata 软件， 点 击快捷键 Data Editor (Edit) 图标(参见 图 2.6) ，即可打开 Stata 的数据编辑器，参见图 2.7 。 图 2.6 Data Editor (Edit) 图标 7图2.7 Stata 的数据编辑器 其次，用 Excel 打开文件“grili
5、c_small.xls ” ，会看到如下 Excel 格式的数据文件： 8图2.8 Excel 表中的数据 共有 3 列变量， 分别为 s (schooling, 教育年限), expr (experience, 工龄) 与 lnw (lnwage, 工资对数) 。 9复制此 Excel 表中所有数据(Ctrl + ) ， 粘贴到 Data Editor 中(Ctrl + V) 。在 Data Editor 中会出现对话框，参见图 2.9 ： 图 2.9 Data Editor 的对话框 此对话框问你 “第一行为数据还是变量名” ， 点击相应选择即可。 10导入数据的另一方法是( 特别在数据量
6、很大的情况下) ， 点击菜单 “File ” “Import ” ，然后导入各种格式的数据，参见图 2.10 ； 但不如直接从 Excel 表中粘贴数据更为方便。 图 2.10 使用 Import 导入数据 11关闭 Data Editor (Edit) 后， 会看到右上方的变量窗口出现了 3 个 变量，分别为 s, expr 与 lnw 。 点击快捷键 Save 图标(参见图 2.11 中鼠标位置，也可点击菜单 “File ” “Save ”) ，将数据存为 Stata 格式的数据文件(扩展名 dta，为 data 的缩写)，比如 grilic_small.dta 。 图 2.11 Save
7、 图标 此后可用 Stata 直接打开 grilic_small.dta ，无须再从 Excel 中导 入数据。 12打开 Stata 数据集的方式有两种。方法之一，点击快捷键 Open 图标( 参见图 2.12)，寻找要打开的 dta 文件位置。 图 2.12 Open 图标 方法之二，在命令窗口输入以下命令( 假设文件 grilic_small.dta 在 E 盘的根目录)，然后回车( 按 Enter 键) ： . use E:grilic_small.dta,clear 逗号 “,”之 后 的“clear” 为 “选择项”(option) ， 表示可替代内 存中的已有数据。 13使用命令
8、 use 打开 dta 数据文件，需输入此文件的路径 ；一 般 不如使用快捷键 Open 寻找此文件更为方便。 如要关闭一个数据集，以便使用另外一个数据集，可输入命令 . clear 内存中数据将被清空，然后可再打开另一数据集。 2 变量的标签 在变量窗口， 变量的 “名字” (Name) 旁边会显示其 “标签” (label) 。 点击 Variables Manager 图标( 参见图 2.13)，即可打开变量管理器 ， 然后编辑变量名、标签等。 14图 2.13 Variables Manager 图标 比如， 将 变量 s 的标签改为 “schooling ” ，然 后 点 击“ Ap
9、ply ” ( 应 用)，参见图 2.14 。 图 2.14 变量管理器的对话框 15Stata 严格区分大小写字母(case sensitive) 。 建 议变量名使用小写 字母，便于阅读。 3 审视数据 如想看数据集中的变量名称、标签等，可输入命令 . describe 其中， “describe”的下划线表示，可将该命令简写为“d ” 。 Note: dataset has changed since last saved Sorted by: lnwage float %8.0g expr float %8.0g s byte %8.0g schoolingvariable name
10、type format label variable labelstorage display valuesize: 270 vars: 3 obs: 30 Contains data 16如想看变量 s 与 lnw 的具体数据，可使用命令 . list s lnw more 25. 15 5.652 24. 11 5.778 23. 16 5.501 22. 12 5.142 21. 14 5.652 20. 16 6.136 19. 12 5.481 18. 15 5.849 17. 12 6.082 16. 16 6.176 15. 12 6.12 14. 12 6.356 13. 16
11、 5.979 12. 12 5.493 11. 11 5.704 10. 12 5.416 9. 16 6.068 8. 16 5.841 7. 12 5.823 6. 12 5.481 5. 12 5.964 4. 16 6.109 3. 16 6.315 2. 11 4.868 1. 18 6.215 s lnw 17在屏幕底端出现带下划线的英文字“more ” ，用鼠标单击 “more ” ，可翻看下页的结果。 如想连续滚屏显示命令运行结果，可输入命令 . set more off 如又想恢复分页显示运行结果，可输入命令 . set more on 如只想对数据集的一部分子集执行命令，比
12、如只看 s 与 lnw 的 前 5 个数据，可使用命令 . list s lnw in 1/5 5. 12 5.964 4. 16 6.109 3. 16 6.315 2. 11 4.868 1. 18 6.215 s lnw 18如要罗列从第 11-15 个观测值，可输入命令 . list s lnw in 11/15 15. 12 6.12 14. 12 6.356 13. 16 5.979 12. 12 5.493 11. 11 5.704 s lnw 也可通过逻辑关系来定义数据集的子集。比如，要列出所有满 足条件“ 16 s ”(教育年限为 16 年及以上) 的数据，可使用命令 . l
13、ist s lnw if s=16 1930. 16 6.071 27. 16 6.071 23. 16 5.501 20. 16 6.136 16. 16 6.176 13. 16 5.979 9. 16 6.068 8. 16 5.841 4. 16 6.109 3. 16 6.315 1. 18 6.215 s lnw “= ” 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， 也可用“！=”表示) 。 一个等号 “=”表 示“ 赋 值 ” ， 而 两个等号 “=
14、 =”表 示“ 等 于 ” 。 20查看具体数据的直接方法是， 点 击 Data Editor (Edit) 图标， 或 右 边的 Data Editor (Browse) 图标，参见图 2.15 。二者的区别在于 ， Browse 只能看，不能改；而 Edit 还可改数据。 图 2.15 Data Editor (Browse) 图标 如要删除满足“ 16 s ”条件的观测值，可输入命令 . drop if s=16 反之，如只想保留满足“ 16 s ”条件的观测值，可使用命令 . keep if s=16 21删除观测值之后，Stata 不提供类似于 Microsoft Word 的撤销
15、(undo)命令。一般建议慎重删除数据，最好先将原始数据备份。 如想将数据按照变量 s 的升序排列，可输入命令 . sort s . list 2230. 18 .384 6.215 29. 16 .556 5.979 28. 16 .798 6.315 27. 16 1.872 5.841 26. 16 4.363 6.136 25. 16 .277 6.071 24. 16 .478 6.176 23. 16 0 6.068 22. 16 1.511 6.071 21. 16 6.363 5.501 20. 16 0 6.109 19. 15 1.374 5.849 18. 15 .846
16、 5.759 17. 15 .255 5.652 16. 14 1.378 5.652 15. 12 1.191 5.964 14. 12 0 5.142 13. 12 .692 5.481 12. 12 4.333 5.481 11. 12 .916 5.416 10. 12 10.077 6.12 9. 12 0 5.165 8. 12 0 5.493 7. 12 7.128 6.356 6. 12 0 5.823 5. 12 0 5.529 4. 12 0 6.082 3. 11 2.962 5.704 2. 11 1.006 5.778 1. 11 1 4.868 s expr lnw
17、 23命令sort 无法按照变量的降序排列。如想按降序排列，可使 用命令gsort ： . gsort -s . list 2430. 11 1 4.868 29. 11 1.006 5.778 28. 11 2.962 5.704 27. 12 0 6.082 26. 12 0 5.529 25. 12 0 5.823 24. 12 7.128 6.356 23. 12 0 5.493 22. 12 0 5.165 21. 12 10.077 6.12 20. 12 .916 5.416 19. 12 4.333 5.481 18. 12 .692 5.481 17. 12 0 5.142
18、16. 12 1.191 5.964 15. 14 1.378 5.652 14. 15 .255 5.652 13. 15 .846 5.759 12. 15 1.374 5.849 11. 16 0 6.109 10. 16 6.363 5.501 9. 16 1.511 6.071 8. 16 0 6.068 7. 16 .478 6.176 6. 16 .277 6.071 5. 16 4.363 6.136 4. 16 1.872 5.841 3. 16 .798 6.315 2. 16 .556 5.979 1. 18 .384 6.215 s expr lnw 25 4 画图 看
19、数据的最直观方法是画图。想看变量 s 的分布情况，可输入 以下命令画直方图( 参见图 2.16) ： . histogram s, width(1) frequency “histogram”表示直方图。 选择项 “width(1) ” 表 示将组宽设为 1( 否则将使用 Stata 根据样 本容量计算的默认分组数) ， 选择项“frequency”表示将纵坐标定为频数(默认使用密度) 。 26 0 5 10 15 Frequency 10 12 14 16 18 schooling图 2.16 教育年限的直方图 教育年限的分布呈双峰状， 受 12 年教育的人数最多( 高中毕业) ， 其次为受
20、 16 年教育者( 大学毕业) 。 27如想知道更多有关命令histogram 选项与用法，可输入命令 . help histogram 对于任何 Stata 命令， 只 要输入 “help command_name”即 可 查看该命令的“帮助文件”(help file) 。 如想考察教育年限与工资对数之间的关系，最直观方法是画 s 与 lnw 之间的散点图，可输入命令(参见图 2.17) ： . scatter lnw s 28 4.5 5 5.5 6 6.5 lnw 10 12 14 16 18 schooling图 2.17 教育年限与工资对数的散点图 工资对数与教育年限似乎存在正相关关
21、系。 29如想在散点图上标注出每个点对应于哪个观测值，可先定义变 量n ，表示第n 个观测值： . gen n=_n “_n ” 表示第n 个观测值。 然后以变量n 作为每个点的标签来画 散点图，参见图 2.18 。 . scatter lnw s,mlabel(n) 选择项“mlabel(n)”表示，以变量n 作为标签(mark label) 。 30 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 4.5 5 5.5 6 6.5 ln(wage) 10 12 14 16 18
22、schooling图 2.18 加标签的散点图 Stata 有丰富的作图方法。更多作图方法，参见下拉式菜单 “Graphics ”(参见图 2.19) 。 31图 2.19 Stata 的作图功能 32 5 统计分析 如想看变量 s 的统计特征，可输入命令 . summarize s s 30 13.8 2.139932 11 18Variable Obs Mean Std. Dev. Min Max此结果显示变量 s 的样本容量、平均值、标准差、最小值与最 大值。如不指明变量，则显示所有变量的统计指标。 . sum lnw 30 5.7932 .3679956 4.868 6.356expr
23、 30 1.658667 2.445213 0 10.077s 30 13.8 2.139932 11 18Variable Obs Mean Std. Dev. Min Max 33如要显示变量 s 的经验累积分布函数(empirical cumulative distribution function) ，可使用命令 . tabulate s Total 30 100.0018 1 3.33 100.0016 10 33.33 96.6715 3 10.00 63.3314 1 3.33 53.3312 12 40.00 50.0011 3 10.00 10.00schooling Fre
24、q. Percent Cum.“Freq” 表 示频数， “Percent” 表 示百分比， 而 “Cum.”表 示累积百分比。 34如要显示工资对数、教育年限、工龄之间的相关系数，可输入 命令 . pwcorr lnw s expr,sig star(.05) “pwcorr”表 示“pairwise correlation ”( 两两相关) ， “sig”表 示显示相关系数的显著性水平( 即 p 值，列在相关系数的下方) 。 “star(.05)”表示给所有显著性水平小于或等于 5% 的相关 系数打上星号。 350.2823 0.5514expr 0.2029 -0.1132 1.0000
25、 0.0022s 0.5368* 1.0000 lnw 1.0000 lnw s exprlnw 与 s 的相关系数为 0.5368 ，且在 1% 水平上显著( p 值为 0.0022) 。 lnw 与 expr 的相关系数也达到 0.2029 ， 但不显著( p 值为 0.2823 ， 可能因为样本容量较小，仅为 30) 。 s 与 expr 的相关系数为-0.1132 ， 可 能因为上学时间长的年 轻人 ， 参加工作时间就不长，但此负相关关系也不显著( p 值为 0.5514) 。 36 6 生成新变量 在 Stata 中定义新变量，可通过命令generate 来实现。 比如，输入如下命令
26、可定义教育年限的对数。 . generate lns=log(s) 如要定义 s 的平方项，可使用命令 . gen s2=s2 如要生成 s 与 expr 的互动项(interaction term) ，可输入命令 . gen exprs=s*expr 37如想根据工资对数 lnw 计算工资水平 w ，可 使用命令 . gen w=exp(lnw) 在计量经济学中，常使用“虚拟变量”(dummy variable ，也称 “哑变量”) ，即取值只能为 0 或 1 的变量，比如性别。 假设定义“ 16 s ”为“受过高等教育” ，并使用变量 college 来 表示： 1, 1 6 colleg
27、e 0, s 如果 其他(2.1) 可使用如下命令 . gen colleg=(s=16) 38括弧“()”表示对括弧中的表达式“s=16 ”进行逻辑评估： 如果此式为真，则取值为 1 ；如果为假，则取值为 0 。 在上面命令中， 不 慎把 college 打成 colleg 了。 可使用如下命令 将变量重新命名： . rename colleg college 变量 colleg 被重新命名为 college (也可使用变量管理器) 。 如想将“受过高等教育”的定义改为“ 15 s ” ，但仍用 college 作为变量名。 方法之一，去掉现有变量 college ，再重新定义一次： . d
28、rop college 39. gen college=(s=15) 方法之二，只需一个命令： . replace college=(s=15) 此命令直接将原变量( 16 s ) 替换为新变量( 15 s ) 。 对于较长的变量名， 输 入变量名较麻烦。 有如下三个简便方法。 方法一，直接在变量窗口双击需要的变量，该变量名就会出现 在命令窗口。 40方法二，如有以下变量 s1, s2, s3, s4, s5(比如，对教育年限 的 5 种度量方法)，可用 s1-s5 来表示这 5 个变量。 方法三， 用 “ * ” 号来简化变量名的书写。 假设想将内存中所有 以“s ”开头的变量都去掉，可输入
29、命令 . drop s* 这将去掉内存中的 s1, s2, s3, s4, s5 变量(删除之后无法恢复， 故 应慎重使用) 。 7 Stata 的计算器功能 Stata 也可作为计算器使用，命令格式为“display expression ” 。 41比如，计算 2 ln ，可输入如下命令 . display log(2) .69314718 如要计算 2 ，则可输入命令 . dis 20.5 1.4142136 42 8 调用命令与终止命令 如果每次都完整地输入整行命令，可能较费时。 较有效率的方法是，调用某个曾经使用过的命令，并在此基础 上修改。调用旧命令的方法有两种。 方法一， 把光标
30、放在命令窗口， 按键盘上的 “Pg Up”键 调 用 上 一条命令，按“Pg Dn ”键调用下一条命令。 方法二， 在历史命令窗口单击 旧命令， 将旧命令调入命令 窗口 ， 然后进行编辑；如果用鼠标双击 旧命令，将再次执行此旧命令。 43有时运行某个命令费时较长( 比如， 在数值计算时， 迭代无法收 敛) 。 如想中途停止该命令的执行，可点击快捷键 Break 图标(参见图 2.20) ，或直接在键盘上同时按“Ctrl + Break ” 。 图 2.20 Break 图标 9 Stata 的日志 如希望在每次使用 Stata 时， 储存其运行结果， 可点击菜单 “File ” “Log ”
31、“Begin ”定义“日志文件”(log file) ，参见图 2.21 。 44图 2.21 定义日志文件 也可直接点击快捷键 Log 图标，参见图 2.22 。 45图 2.22 Log 图标 此时会出现如下对话框，参见图 2.23 。在对话框中输入日志的 文件名，并存储在指定的位置即可： 图 2.23 日志文件的对话框 46Stata 日志文件的扩展名为 smcl 。 也可直接在命令窗口输入如下命令： . log using today opened on: 15 Sep 2014, 14:00:15log type: smcllog: D:StataSE13StataSE13today
32、.smclname: 在当前路径就会生成一个名为“today.smcl”的日志文件。 定义日志文件后， 在 Stata 中的所有操作及结果， 都将记录在日 志中，直至退出此日志文件。 47如要暂时关闭日志( 不再记录输出结果) ，可输入命令 . log off 如要恢复使用日志，可输入命令 . log on 如要彻底退出日志，则可输入命令 . log close 如要查看日志文件的内容，可点击菜单“File ” “Log ” “View ” ，然后寻找此日志文件，参见图 2.24 。 48图 2.24 查看日志文件 2.4 Stata 命令库的更新 由于 Stata 版本不同(即使同为 Sta
33、ta 13) ， 如果发现极少数命令无 法运行，可在命令窗口输入， 49. update all 这将更新你的 Stata 命令库(Stata “ado ” 文件及其他可执行文件) 。 Stata 用户还写了大量的外部命令或非官方命令(user-written software)，可直接下载到 Stata 中使用。 最流行的 Stata 非官方命令下载平台为“统计软件成分” (Statistical Software Components ，SSC)，由 Boston College 维护， 网址为 http:/ideas.repec.org/s/boc/bocode.html 。 50 从
34、SSC 下载 Stata 程序的命令为： . ssc install newcommand 所有下载与安装过程都将自动完成(包括新命令的帮助文件) 。 如非官方命令不是来自 SSC ，一般需手工安装，将所有 相关 文 件下载到指定的 Stata 文件夹中即可( 通常为 adoplus) 。 如不清楚应把文件复制到哪个文件夹，可输入以下命令，显示 Stata 的系统路径(system directories) ： . sysdir 51会看到类似于以下的结果(取决于 Stata 的安装位置) ， OLDPLACE: c:ado PERSONAL: c:adopersonalPLUS: c:ado
35、plusSITE: D:StataSE13StataSE13adositeBASE: D:StataSE13StataSE13adobaseSTATA: D:StataSE13StataSE13将下载的新命令文件复制到PLUS 所指示的那个文件夹即可( 此 处为“c:adoplus ”) 。 52如想使用某种估计方法，不知道它是否存在，可输入命令 . search keyword 此命令将搜索 Stata 帮助文件、 Stata 常见问题、 Stata 案例、 Stata Journal, Stata Technical Bulletin 等。 进一步的搜索可输入以下命令 . findit k
36、eyword 命令 findit 的搜索范围比命令 search 更广，还包括 Stata 的网络资源。事实上， “findit ”等价于“search,all ” 。 53 2.5 进一步学习 Stata 的资源 更多 Stata 知识， 将 在本书以后章节中逐步介绍。 Stata 英文参考 书包括 Baum(2006) ，Cameron and Trivedi(2010) ，以及 Stata 出版 社(Stata Press) 出版的系列书籍。 加州大学洛杉矶分校(UCLA) 网站 (http:/www.ats.ucla.edu/stat/stata/) 有大量 Stata 的资源及实例(
37、 搜索 “Stata UCLA ”即可找到此网站) 。 中文参考书包括陈传波Stata 十八讲 ，陈强(2014) ，胡咏梅 (2010) ， 兰草(2012) ， 劳伦斯汉密尔顿(2008) ， 李春涛、 张璇(2009) ， 王群勇(2007, 2008)， 王 天夫、 李 博柏(2008)，杨 菊 华(2012)，张 鹏 伟、李嫣怡(2011)等。 54Stata 本身的 “ 帮助”(Help) 菜单包含了详细的使用说明， 比 如 ， “help histogram ” 。 更高级的学习， 可查看 Stata 手册(Stata manuals) ， 这 些手册对每 个 Stata 命令都进行了详尽的说明。
