2023年STATA实用学习笔记.pdf

《2023年STATA实用学习笔记.pdf》由会员分享，可在线阅读，更多相关《2023年STATA实用学习笔记.pdf（60页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、北京科技大学S T ATA应用学习摘录第一章STATA的基本操作一、设立内存容set mem 50 0 m,perm一、显示输入内容Dis p 1 ay 1D i s p l a y cl ive二、显示数据集结构d es c ri beD e s c rib e/d三、编 辑e di tEdi t四、重命名变量Ren a me varl v ar 2五、显示数据集内容lis t/browseLi s t in 1L is t in 2/10六、数据导入:数据文献是文本类型(.csv)1、inshee t：.i n sheet u sing/z C：Docume n t s and Setti

2、 n gsAdm i n i s t ra t or 桌面S T 9007dataset F e e si.c sv,cl e a r2、内存为空时才可以导入数据集，否则会出现(you mu s t s t a r t with a n emptyd ataset)(1)清空内存中的所有变量：.d ro p _all(2)导入语句后加入“cle a r”命令。七、保存文献1、s ave C:D o cu m e nts and Setti n gsAdministrat o r S T 9 0 07d a ta s etFeesl.d ta2、sav e C:Documents a nd Se

3、t t in g sAdministra t o r、桌面ST 9 007 d a tas e tFe esl.dt a,re p I a c e八、打开及退出已存文献use1、.Use文献途径及文献名，c l ear2.Drop _al 1 /.exit九、记录命令和输出结果(log)1、开始建立记录文献:log using J:phd outp u t.log ,r e place2、暂停记录文献：1 og o f f3、重新打开记录文献:log o n4、关闭记录文献：log doseH、创建和保存程序文献：(do e di t,d o)1、打开程序编辑窗口:do edit2、写入命令3

4、、保存文献,.do.4、运营命令：.do 程序文献途径及文献名十二、多个数据集合并为一个数据集(变量和结构相同)纵向合并a p pen din s heet usin g J：phdF e e s l.csv,cl e ars a ve M J:phd F e e s 1.dta,replacei n sh e et u sing J:phdFe e s2.c s v,c learap p end usi n g J:phd Fe e sl.dta save J：p h d F ees 1 .dta,r e place十三、横向合并,在原数据集基础上加上此外的变量me rge1、in s h

5、eet using J:phdF ee s 1 .c sv,c 1 ears o r t companyid y ea r endsav e*J:phdFeesl.d t a,r epla c edes c r ib ei n s h eet using J:ph d Fee s 6.csv,clears o rt c o mpany i d y e a r e ndmerge companyid y e a r e nd u sing J:p hd F ee s l.dta s ave J:p hd F eesl.d taz rep la c edescribe2、_m e rg e=l o

6、bs.F rom ma s ter d ata_m e rge=2 obs.F r o m using data_merge=3 obs.F ro m bot h mas t er a n d us i n g d ata十四、帮助文献:h e lp1、.Help d e scri b e十五、描述性记录量1、summarize i n c o r p or a t i o nyear 单个summ a rize i n co r p o r a t i o n y e a r big6 连续多个s umma r iz e _all or s i m p ly s u mma r iz e 所

7、有2、更具体的记录量summa r i z e in c or p orati o n yea r,detail3、ce n tilecenti 1 e audi t fees,ce n t ile(0(10)1 0 0)centil e a uditfee s,c entile(0(5)100)4 tab u 1 ate不同类型变量的频数和比例tabu la t e c o mp a n yt y p et a b ul a t e c o mpanyty p e b i g6,column 按列计算比例ta b u 1 ate com p anytype big6,ro w 按行计算比例t

8、a b com p a ny t yp e big6 i f c o mpanytype=3,r o w c o I 同时按行列和条件计算比例5、计算满足条件观测的个数cou n t if b i g 6=1count if b i g6=0|big6=l6、按离散变量排序，对连续变量计算描述性记录量：(l)by comp a nytyp e,sort:summa r i z e a udit f ee s,d e t ail(2)s o rt com p anytypeBy com p anytype:summ a r ize audi te e s十六、转换变量1、按公司类型将公开发行股票

9、公司赋值为1,其他为0ge n listed=Oreplace 1 is t ed=l if c ompanytype=2r e place listed=l i f c o mpan y type=3r eplace lis t e d=1 if compa n yt y pe=5repla c e lis t ed=.i f companytype=.十七、产生新变量genGene r ate newvar=表达式十八、数据类型1、数值型St o r a ge t ypeByte sMinMaxbyt e1-1 27+1 00int2-32,767+32,7 4 02、字符型1 0 ng4

10、-2,147,4 8 3,6472,14 7,483,6 2 0float4-1.*1 0 38l.*1036d o uble8-8,*103078.*1 0 30 8Sto r agetypeBy t esMax 1 ength(c h a r a cte rs)strl11str222s tr8080803、新建变量的过程中定义数据类型 gen str 3 gender=mat e 1 ist g e n d e r in 1/1 04、变量所占字节过长 d r op gend e r g en str3 0 ge n d er=male b r o wse describe g e nd

11、 e r c om p re s s g en d er5 日期数据类型:d dates,whic h is a c ount o f th e num b e r of d a y s elap s eds in c e Januar y 1,19 6 0。(l)da t e(日期 变 量)gen f y e=dat e(yea r end,MDY)M D Y 应根据前面日期的排列顺序而定，结果显示的是距离1 9 6 0 年 1 月 1 日的天数 li s t y e arend f ye in 1/10(2)日期格式化d(显示f ye变量为日期形式，但数值并未真正变动)：form a t

12、fye%d list yearend fye in 1/10 s um fye运用日期天数求相应的年、月、日 gen yea r=year(fye)ge n month=month(fye)gen da y=da y(fy e)li s t y e a r e n d fye y e ar month day i n 1/10(4)将三个分别表达年、月、日的变量合并为一个日期变量 d ro p fye ge n f ye=m d y(m o nth,day,year)form a t f ye%d list yea re n d fye i n 1/10 将一个数值型的时间数据(2023 0

13、131)转变为S T 可辨认的时间数据 gen y e ar=int(date/100 0 0)g en mon t h=int(d a t e-ye a r*10000)/1 00)ge n day=da t e-y e a r*100 0 0month*l 0 0 lis t d a te y e a rm o n t h d ay in 1/10 gen edate=m d y(month,day,year)format ed a t e%d li s t eda t e da t e in 1/10十九、存贮记录量的内部变量刈)sum a u dit f ees gen mea n a

14、dja f=au d i t fees-r(mean)I imean a d jaf i n 1/10S UM命令后常见的几种R()值r(N)Numbe r o f case sr(sd)S ta n d ard de v i a t ionr(sum_w)Sum o f we i ghtsr(min)Mi n imumr(m e an)Ari t hmetic meanr(m a x)Maxim u mr(va r)V ari a n cer(sum)Sum of va ria b 1 e显示这些变量值的命令 sum auditfees,d et a il r et u r n li s t

15、二十、recode 命 令(PPT6 1 )1、产生有多个值的变量的哑变量recoder eco d e year(min/1999=0)(2023/max=1),gen(yeardum)m i n/1999表达小于等于19 9 9的值所有赋值为020 2 3/ma x表达大于等于2 02 3的值所有赋为1。2、对一个连续变量按一定值分为不同间隔的组r ec o d egen as s ets_ cat e g=re c o d e (t o t ala s s e ts,10 0,500,1 000,5 0 00,20 2 3 0,1 0000 0,10000 0 0)o分组的值为每组的上限

16、，包含该值。sort a ssets_ c a tegby ass e ts_ c a t e g：sum to t alas s ets assets_cat e g3、对一个连续变量按一定值分为相同间隔的组a uto cod ea u t o c o d e(va r iable n ame,#o f intervals,min v a lue,m ax va 1 ue)f o r ex a mple:gen a s sets_cat e g=a u to c o de(tot a 1 a s s e ts,10,0,1 0 00 0)4、对一个连续变量按每组样本数相同进行分组：x t i

17、lextile asse t s _categ=t o ta la s sets,nquant i les(1 0)每组样本不一定完全相同二十一、一次性计算同一变量不同组别的均值:e gen命令按公司类型先排序,再计算每一类型公司审计费用的均值并赋值给新变量:by compa n yty p e,sort:e g e n meanaf2=me a n(au d i t fees)count()mea n()me d i a n()s um()二十二、_n 和_N 命令1、显示每个观测的序号并显示总观测数sort co m p a n yid fy eca p t u re dro p xg e

18、 n x=_ nca p ture dr o p ygen y=_ Nlist comp a nyid fye x y i n 如 02、分组显示每个组中变量的序号和每组总的样本数 ca p t ur e dro p xy sor t compa n yid fy e b y c o mp a nyid：gen x=_ n b y e om p anyi d：gen y=_N li s t compa n yid fye x y in 1/303、创建新变量等于每个分组中变量的第一个值或最后一个值 s or t com p any i d fye by companyid：ge n a udi

19、 t fees_first=a u d itfeesl b y c o mp a n yid:g e n a u d i t f ees_ 1 ast=a u ditf e e s _N l i s t company i d fye au d itf e es audi t f e es_fir s t a u di t feesja s t i ni Ro4、创建新变量等于滞后一期或滞后两期的值 sort c o m p anyi d f y e b y c o m p anyi d：gen aud i tfees_lagl=auditf e es_n-1 b y companyid:ge

20、 n auditfees_ Iag2=a ud i tfee s _ n-2 li s t company i d f y e auditf e es auditf e e s _lag 1 a udi t fees_ lag 2 in 10二十三、转变数据集结构:reshap e不同数据库的数据集结构不同:长型是指同一公司不同年度数据在不同的行。宽型数据是指同一数据不同年度数据在现一行。两者间的转换可通过reshape命令来实现。需要注意的是,在转换过程中对数据集是有规定的，一个公司只能有一个年度数据，否则会犯错。1、长型转换为宽型：r e s h a pe wide yearend i n

21、 c or p or a tionyear com p a n y ty p e s ales a ud itfees non a u d itfees c urr e ntassets currentliabilities t o taiassets b i g 6 f y e,i(c ompan y i d)j(year)2、宽型转换为长型：r e shape I o ng yea r e nd i n c o rporationyear company t y pe s a les a uditfees n onauditfees c u r rentassets c urrentlia

22、bil i t i es tota 1 a s se t s big6 fy e,i(compa n yid)j(year)3、第二次转换时命令可简化：res h a p e w i de reshap e lo n g二十四、计算CAR的例子:已知股票日回报率,市场回报率，事件日，计算窗口期为三天的CAR。1、定义三天的窗口期：sor t t i cker e date gen window=0 if eve n td a te.(事件日为 0)r eplace wind o w=-l if w i nd o w_n+l=0&ticker=t ickern+1 re p I a ce win

23、d o w=1 i f win d ow_ n-1=0&ticker=tick e r_n-1 2、计算AR和CAR gen a r=r e t v wretd gen car=a r+ar_ n-1 +a r _n +1 if win d ow=0&tic k er=t i c k ern+1&t i c ker=ticker _n-l3、检查 1 ist t i c k er e d at e re t v wre t d a r c a r window if wind o w.二十五、means的T检查：1、检查总体上bi g 6的审计收费有无显著不同 us e M J:phdFee

24、s.d t a ,c lear gen lnaf=1 n(a uditf e es)by b ig 6 z s o r t:sum In a f te s t 1 naf,b y(big 6)2 分年度比较big6的审计收费有无显著不同，加入b y year命令。gen fye=d at e(y eare n d,MDY)f o rm a tfy e%d g e n year=year(f y e)sort year b y ye a r:t t est Inaf,b y(big6)3、均值等于特定值得的T检查：sum Ina f ttest 1 naf=2.1二十六、meadia n的显著性

25、检查：1、获取中位数的命令：b y bi g 6,sor t:s um I n a f,deta i Ib y big 6 z so r t：ce n t ile I n a f2、中位数检查：media n Inaf,by(bi g 6)ra n ks u m Ina f z by(b i g 6)二十七、列联表检查：1、创建列联表的命令：t abulate c om p a n y ty p e b ig6,row第一个变量是表的最左侧一列的项目，第二个变量是表的第一行的项目O2、两变量之间的相关性检查：ch i 2ta b ul a t e comp a n ytype bi g 6,c

26、h i 2 ro w3、相关矩阵：pwcorr Inaf b i g6 year li s ted4、列出相关矩阵并进行符号检查pwcorr I n af big 6 yea r li s ted,sig5、在矩阵中列出观测数 pw c or r Inaf b i g 6 lis t e d if year=202 3,sig obs二十八、创建一个不包含缺失值的数据集1、无缺失值的变量值为1 ,至少有一个的为0g e n sa m p =l if I n af.&b i g 6.&y e a r.&lis t e d=0&1 n a f=0&lnaf=0&I n a f 2.1 Th e b

27、asic i d e a u n d e r ly in g I i near regress i on 2.2 Sing 1 e vari a ble OLS 2.3 Co r re c tl y i n t e r p reti n g t h e coef f ic i en t s 2.4 Examinin g the r e sid u als 2.5 Multiple regressi o nA 2.6 He t e roskedas t i c j t y 2.7 C o r re 1 ated e r r o rs 2.8 M u lt i colli n earit y 2.

28、9 Ou t I y ing ob s ervat io n s 2.1 0 Medi a n reg r e ssion 2.11 Lo o ping2.1 T he basic i dea un d e r I y i ng li n e a r regressi o n1.残差F=F 人FF为 真 实 值，为预测值，为残差。OLS回归就是使残差最小。2.基本一元回归r eg r ess y x3.回归结果的保存回归结果的系数保存在一bh/arnam e 内存变量中，常数项的系数保存在（_cons）内存变量中。4、预测值及残差 p re d ic t yha t pred i ct yre

29、s,r esidyre s即为真实值得与预测值之差。5、残差与X的散点图tw o way(sea t t er y_res x)(Ifit y_r e s x)0SMf fAlPOJUIU./SOJIA y_res-Fitted values6、衡量估计系数准确限度：标准误差。用样本的标准偏差与系数之间的关系来衡量即T值(用系数除以标准差)，同时P值是根据T值的分布计算出来的，表达系数落入标准相应上下限的也许性。前提是残差符合以下假设：同方差：Homos c edasti c ity(i.e.,t h e re s iduals h a ve a con s tan t varianc e)独

30、立不相关:N o n c orrelation(i.e.,th e resi d u a Is a r e no tcorrelated with e a ch ot h er)正态分布:No r ma 1 i t y(i.e.,th e resid u als are no r m a 1 1 y distrib u ted)7、回归结果包含的一些内容的意思 各变差的自由度：F o r th e E SS,df=k-1 wher e k=n u mber of regressio n co e fficients(d f=2-1)For t he R S S,df=n-kw h ere n=

31、n umber of ob s e rvat i o ns(=1 1 2)F o rth e TSS,df=n-1(=11-1)MS:变差除以自由度:T h e la s t c ol u mn(MS)re p o r ts the ESS,RSS and TSS d i v id ed b y t h e i r respective d e g re e s of free d om R平方:Th e R-squa re d =ESS/TSS 调整的R平方：Adj R-s q u a red=1-(1-R 2)(n-1)/(n-k),消除了加入相关度不高解释变量后R平方增长的局限性。Roo

32、t MSE=square root of RSS/n-k：模型的平均解释能力 T h e F-statist i c=(E S S/k-1 )/(RSS/n-k)：模型的总解释能力2.3 C o rrectIy i nterpr e t i n g th e coeff i c i ents1、假如想检查b i g 6的审计费用在公开发行和非公开发行公司之间的区别时，可用交互变量。B ig6*listed.F=a0+%37g6+a Listed+aBig6 x Listed+E(F|Big6=0,Listed=0)=%E(F|Big6=i,Listed=0)=+%E(F|Big6=0,List

33、ed=1)=a0+o2E(F|Big6=I,Listed=l)=a0+al+a2+ai2、变量回归系数的解释(1)对连续变量系数的解释：估计系数的经济意义是指X对Y的影响，可以有不同的方法来衡量:一种是用X 从 25%变动到75%时 Y 的变动量。或 X 变动一个标准差时Y 的变动。reg auditf e e s totalasse t s s um t o t al a sse t s i f aud i tfees 2 标准差会下偏,T h is pr o b 1 em can b e av o ided by a d j usting the sta n d a rderror s f

34、 o r t he clu s t eri n g of y ear 1 y o b ser v at i o n s a c r oss a giv e ncompa n y3、消除变量相关问题：在回归中加入robust c I u s t e r()reg Inaf I n t a b i g6 listed,robust c 1 ust e r(c o mpanyi d)4、如何验证同一公司不同年度数据的残差的相关性 reg Ina f I n ta p r e d i ct r e s,res i d ke e p c ompan y i d year r e s sort c omp

35、anyid ye a r drop if c o mpan y i d=com p anyi d _n-l&y e a r=y ea r _ n-1 r eshape wide res,i(compan y i d)j(y e a r)brow s e p w co r r r e sl9 9 8-r e s 20 2 35、在使用面板数据时应注意：只用 r o bu s t 控制 heterosce d a s ticit y,而未用 clust e r()控制 time-se r iesdep e nd e n e e,T记录量也会上偏。假如h e t e r o s ce d as t

36、i c i t y也未控制，T记录量会上偏更严重。因此在使用面板数据时应加入robust c luster()o pt i on,o t he r w i s ey o u r “signi f i c ant resul t s f rom pool e d r e g r e s s io n s may b espurious.2.8 Mu I t i c ol I i n e a r ity1、什么情况下会产生多重共线性 W e ha v e se e n tha t w hen t h e r e is perf e c t c o 1 linearit y b e t wee n

37、indepen d ent v a r i a b les,STAT A wi 1 I h a v e to e xclu d e o n e ofth e m.F o r e x am p Ie,year_ 1+yea r _2+yea r_ 3 +year_ 4+year 5=1 reg Inaf ye a r_l yea r_2 y e ar_3 y e ar_4 y ear_ 5,no c ons SWA a ut o m a tica 1 ly throws a w a y one of the yea r d ummi e s s o t hatth e m o d e l can

38、 bees timat e d E v e n if the indepen d en t v a riabl e s are not pe r f e c tly colline a r,t h e rec a n st i 1 I be a p r oblem if they a re hig h ly corr e I a ted2、后果：th e standa r d e rro r s of th e coe f f i c i e n ts to be large(i.e.,t he c oefficien t s are n o t e s tima t ed pr e c i

39、s ely)th e coe f f i c i e nt e stimates can be hig h ly u n sta b Ie3、衡量方法：Vari a nce-inflati o n f actors(V I F)可用来衡量是否存在多重共线性。reg Inaf In t a b j g 6 I n t a 1 vi f reg Inaf Inta big6 v i f4、多重共线性的严重限度:假如为10时可判断为高，为20时可判断为非常高。2.9 Out ly in g o b s e r vat io n s1、异常值的衡量Cook s D We c a n ca 1 cula

40、 t e the in f lue n c e o f each o b servat i on on t he estimat e d c oef f ic i en t s u s ing Cook s D Va 1 u e s of Cook s D t h a t are h i gher th a n 4/N a re consid e red large,wh e re N i s t he numbe r of o bse r va t i o ns us e d i n the reg ression2、异常值的计算r eg Inaf I n t a b i g6 pred i

41、 c t cook,cooksd(将 cooksd 的值赋给 co o k)s u m c o ok,detai 1 gen max=4/e(N)(求ma x,e(N)是回归过程中的内部已知变量)count i f cookma x&cook.4、去掉异常值后重新回归 re g In a f Int a big6 i f cook=m a x5、用 wins o r i z e 方法消除异常值洪缺陷是 A disa d v a ntage with”wins。r i z ing”istha t th e re s e a rc h e ris as s u mi n g that out 1

42、iers lie o n ly at the e xtremes of the variable s d i s t ributi o no winsor Inaf,g e n (wlna f)p(0.01)win s or Int a,gen(win t a)p(0.0 1)sum Inaf wl n af I n ta wl nta,de t ail reg win a f wlnta big 62.10 Med i a n regress i on1、中位数回归是当存在异常值问题时使用。2、原理：OL S估计是尽量使残差平方和最小：n n nRss=靖=一 少)=Z(J ,一 。一7=1

43、 1=1 7=1中位数回归是尽量使th e s um o f the a bsol u te residuals最小。f M-9 7=13、回归方法：STATA将中位数回归看作是quan t i Ie re g r e ssions的一个特例。qr e g Ina f In t a big 62.11“Loop i n g”1、当多次用到一个命令集时，我们可以建立一个程序集，以P r o g ra m开头，以fo rv a1 u e s引导的内容，以e n d结束。使用时只须输入程序名te n”即可执行程序中的一引起命令集。Ex a mpl e:program ten，f orva lu e

44、s i=1(1)1 0 odisp 1 ay i1，end2、修改命令集：须一方面删除内存中的命令集:cap t ure progr a m dro p te n然后重新编写。4、例子：运用J ONES模型计算操控性应计。u s e J:p h d acc r u a Is.dt a，c Ie a r gen one_sic=i nt(s i c/1000)gen n c c a=curre n t_a s se t s-c a s h gen ndcl=c u r r e nt_ lia b i lit i e s-deb t _i n _c u r r e n t _ l labiliti

45、es s o rt c i k yea r g en ch ncc a=ncc a-nc c a n-1 i f c i k=cik_ n-1 gen c h_ndcl=nd c l-ndcl_n-1 if cik=cik_n-l g e n accruals=(c h _ n cca c h_ndcl)/asset s _ n-1 i f cik=c i k_ n-1 gen 1 ag_asset s=a s se t s_ n-1 if c i k=c i k_n-l g e n p p e_ s caled=ppe/a sset s _n-l if c ik=c i k _n-l gen

46、 c h sa 1 e s_sca 1 e d=(sale s-s a I e s_ n 1)/asse t s _ n 1 if c汰=61 3.8 Dur a t ion mod e Is 3.1 W hy not OLS?1、tw o statistical prob 1 e ms i f we u s e OLS wh en th e depend e n t var i able is cat e gorica 1 :T he p re d i ct e d v a 1 u es can b e n e g ati v e org r e a t e r th a n o n e T

47、he stand a rd errors a re biased b eca u s e th e r esi d uals a r e h e ter o sce dast i c.2、I nst e ad o f OLS,w e ca n use a I o g i t mo del 3.2 The b a sic i dea underlying logit mo d els15 We n e e d t o cr e a t e a v a r ia b I e tha t:将离散型的因变量转变为符合O LS的形式。h a s an i nf i n it e ran g e,r ef

48、lects th e lik e lihood of c h oos i ng a big6 a u d i to r versu s a no n-big6 auditor.2、“odds ra t i on”可实现上面的两项规定：I o g(o d d s ration)Pt oM加方。，如6odds 一“Pro加 方 例，制 姆6P(big6=1)odds-1 尸(6西6=1)3、具体例子:P(big6=l)oddsP(big6=1)-l-P(W g6=l)hi(odds)0.010.01/0.99=0.01-4.600.030.03/0.97=0.03-3.480.050.05/0.9

49、5=0.05-2.940.200.20/0.80=0.25-1.390.300.30/0.70=0.43-0.850.400.40/0.60=0.67-0.410.500.50/0.50=1.000.000.600.60/0.40=1.500.410.700.70/0.30=2.330.850.800.80/0.20=4.001.390.950.95/0.05=19.002.940.970.97/0.03=32.333.480.990.99/0.01=99.004.60第一列为b i g 6 的也许性，第二列和第三列为优势比率，第四列为取自然对数后的值。4、L 和 P 之间的转换关系。IT就e

50、xp=尸(加g 6:1)1-P(b ig 6 -1)1+exp=1-P(big6=1)uxp()l+exp(Z)=P(b ig 6 =1)15、似然函数:使用最大似然法估计(maximum I i kelihood estima t ion)二 n(p(y=D)y(i-尸尸P(r=1)=s)11-P(F=1)=1+expY11 +exp6、回归命令I o git和 1 ogistic logit r e por t s t h e va 1 u e s of the e stim a ted c o e f fi c i ents I o gis t ic reports th e o d d