stata运算命令

怎么用stata计算集中指数

用stata算集中指数采用Stata系统自带数据库auto.dta。

一、集中趋势的统计描述 以变量price为例进行说明。 均数：采用mean price计算得6165.257。

算术均数、几何均数和调和均数可以采用means、ameans、gmeans、hmeans计算。 众数：没有对应的命令可以直接计算众数，但是可以通过几种策略进行变通计算。

如通过egen x=mode(price); disp x; drop x，不过本例中price中没有相同的数值，所以无法计算众数；另外也可通过preserve; contract price, freq(x); sum x; list price if x==r(max); restore 来显示。 中位数：centile price或tabstat price, s(med)，当然tabstat还可以计算均数、样本量、标准差，标准误、方差、极差、四分位间距、变异系数、峰度系数、偏度系数等等很多指标。

不过采用Stata(summarize ,tabstat等命令)计算的峰度系数与Excel、SPSS和SAS计算的结果有所不同，原因是采用的公式不同，大家根据实际情况来选择。 二、离散趋势指标 极差（全距）：tabstat price, s(r) 标准差：tabstat price, s(sd) 方差：tabstat price, s(v) 四分位间距：tabstat price, s(iqr) 变异系数：tabstat price, s(cv) 采用summarize , detail命令可以计算均数、标准差、峰度系数、偏度系数、多个百分位数。

不加detial可以得到最大值、最小值。

stata中哪个命令和stats命令等价

调整变量格式： format x1 %10.3f ——将x1的列宽固定为10，小数点后取三位 format x1 %10.3g ——将x1的列宽固定为10，有效数字取三位 format x1 %10.3e ——将x1的列宽固定为10，采用科学计数法 format x1 %10.3fc ——将x1的列宽固定为10，小数点后取三位，加入千分位分隔符 format x1 %10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符 format x1 %-10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符，加入“-”表示左对齐 合并数据： use "C:\Documents and Settings\xks\桌面\2006.dta", clear merge using "C:\Documents and Settings\xks\桌面\1999.dta" ——将1999和2006的数据按照样本（observation）排列的自然顺序合并起来 use "C:\Documents and Settings\xks\桌面\2006.dta", clear merge id using "C:\Documents and Settings\xks\桌面\1999.dta" ,unique sort ——将1999和2006的数据按照唯一的（unique）变量id来合并，在合并时对id进行排序（sort） 建议采用第一种方法。

对样本进行随机筛选： sample 50 在观测案例中随机选取50%的样本，其余删除 sample 50,count 在观测案例中随机选取50个样本，其余删除 查看与编辑数据： browse x1 x2 if x3>3 （按所列变量与条件打开数据查看器） edit x1 x2 if x3>3 （按所列变量与条件打开数据编辑器） 数据合并（merge）与扩展（append） merge表示样本量不变，但增加了一些新变量；append表示样本总量增加了，但变量数目不变。 one-to-one merge： 数据源自stata tutorial中的exampw1和exampw2 第一步：将exampw1按v001~v003这三个编码排序，并建立临时数据库tempw1 clear use "t:\statatut\exampw1.dta" su ——summarize的简写 sort v001 v002 v003 save tempw1 第二步：对exampw2做同样的处理 clear use "t:\statatut\exampw2.dta" su sort v001 v002 v003 save tempw2 第三步：使用tempw1数据库，将其与tempw2合并： clear use tempw1 merge v001 v002 v003 using tempw2 第四步：查看合并后的数据状况： ta _merge ——tabulate _merge的简写 su 第五步：清理临时数据库，并删除_merge，以免日后合并新变量时出错 erase tempw1.dta erase tempw2.dta drop _merge 数据扩展append： 数据源自stata tutorial中的fac19和newfac clear use "t:\statatut\fac19.dta" ta region append using "t:\statatut\newfac" ta region 合并后样本量增加，但变量数不变 茎叶图： stem x1,line(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成两段来显示，前半段为0~4，后半段为5~9） stem x1,width(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成五段来显示，每个小树茎的组距为2） stem x1,round(100) （将x1除以100后再做x1的茎叶图） 直方图 采用auto数据库 histogram mpg, discrete frequency normal xlabel(1(1)5) (discrete表示变量不连续，frequency表示显示频数，normal加入正太分布曲线，xlabel设定x轴，1和5为极端值，（1）为单位） histogram price, fraction norm (fraction表示y轴显示小数，除了frequency和fraction这两个选择之外，该命令可替换为“percent”百分比，和“density”密度；未加上discrete就表示将price当作连续变量来绘图) histogram price, percent by(foreign) （按照变量“foreign”的分类，将不同类样本的“price”绘制出来，两个图分左右排布） histogram mpg, discrete by(foreign, col(1)） （按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，两个图分上下排布） histogram mpg, discrete percent by(foreign, total) norm （按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，同时绘出样本整体的“总”直方图） 二变量图： graph twoway lfit price weight || scatter price weight （作出price和weight的回归线图——“lfit”，然后与price和weight的散点图相叠加） twoway scatter price weight,mlabel(make) （做price和weight的散点图，并在每个点上标注“make”，即厂商的取值） twoway scatter price weight || lfit price weight,by(foreign) （按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈左右分布） twoway scatter price weight || lfit price weight,by(foreign,col(1)） （按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈上下分布） twoway scatter price weight [fweight= displacement],msymbol(oh) （画出price和weight的散点图，“msybol(oh)”表示每个点均为中空的圆圈，[fweight= displacement]表示每个点的大小与displacement的取值大小成比例） twoway connected y1 time,yaxis(1) || y2 time,yaxis(2) （画出y1和y2这两个变量的时间点线图，并将它们叠加在一个图中，左边“yaxis(1)”为y1的度量，右边“yaxis(2)”为y2的） twoway line y1 time,yaxis(1) || y2 time,yaxis(2) （与上图基本相同，就是没有点，只显示曲线） graph twoway scatter var1 var4 || scatter var2 var4 || scatter v。

怎么用stata计算集中指数

用stata算集中指数采用Stata系统自带数据库auto.dta。

一、集中趋势的统计描述

以变量price为例进行说明。

均数：采用mean price计算得6165.257。

算术均数、几何均数和调和均数可以采用means、ameans、gmeans、hmeans计算。

众数：没有对应的命令可以直接计算众数，但是可以通过几种策略进行变通计算。如通过egen x=mode(price); disp x; drop x，不过本例中price中没有相同的数值，所以无法计算众数；另外也可通过preserve; contract price, freq(x); sum x; list price if x==r(max); restore 来显示。

中位数：centile price或tabstat price, s(med)，当然tabstat还可以计算均数、样本量、标准差，标准误、方差、极差、四分位间距、变异系数、峰度系数、偏度系数等等很多指标。

不过采用Stata(summarize ,tabstat等命令)计算的峰度系数与Excel、SPSS和SAS计算的结果有所不同，原因是采用的公式不同，大家根据实际情况来选择。

二、离散趋势指标

极差（全距）：tabstat price, s(r)

标准差：tabstat price, s(sd)

方差：tabstat price, s(v)

四分位间距：tabstat price, s(iqr)

变异系数：tabstat price, s(cv)

采用summarize , detail命令可以计算均数、标准差、峰度系数、偏度系数、多个百分位数。不加detial可以得到最大值、最小值。

stata中哪个命令和stats命令等价

调整变量格式： format x1 %10.3f ——将x1的列宽固定为10，小数点后取三位 format x1 %10.3g ——将x1的列宽固定为10，有效数字取三位 format x1 %10.3e ——将x1的列宽固定为10，采用科学计数法 format x1 %10.3fc ——将x1的列宽固定为10，小数点后取三位，加入千分位分隔符 format x1 %10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符 format x1 %-10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符，加入“-”表示左对齐 合并数据： use "C:\Documents and Settings\xks\桌面\2006.dta", clear merge using "C:\Documents and Settings\xks\桌面\1999.dta" ——将1999和2006的数据按照样本（observation）排列的自然顺序合并起来 use "C:\Documents and Settings\xks\桌面\2006.dta", clear merge id using "C:\Documents and Settings\xks\桌面\1999.dta" ,unique sort ——将1999和2006的数据按照唯一的（unique）变量id来合并，在合并时对id进行排序（sort） 建议采用第一种方法。

对样本进行随机筛选： sample 50 在观测案例中随机选取50%的样本，其余删除 sample 50,count 在观测案例中随机选取50个样本，其余删除 查看与编辑数据： browse x1 x2 if x3>3 （按所列变量与条件打开数据查看器） edit x1 x2 if x3>3 （按所列变量与条件打开数据编辑器） 数据合并（merge）与扩展（append） merge表示样本量不变，但增加了一些新变量；append表示样本总量增加了，但变量数目不变。 one-to-one merge： 数据源自stata tutorial中的exampw1和exampw2 第一步：将exampw1按v001~v003这三个编码排序，并建立临时数据库tempw1 clear use "t:\statatut\exampw1.dta" su ——summarize的简写 sort v001 v002 v003 save tempw1 第二步：对exampw2做同样的处理 clear use "t:\statatut\exampw2.dta" su sort v001 v002 v003 save tempw2 第三步：使用tempw1数据库，将其与tempw2合并： clear use tempw1 merge v001 v002 v003 using tempw2 第四步：查看合并后的数据状况： ta _merge ——tabulate _merge的简写 su 第五步：清理临时数据库，并删除_merge，以免日后合并新变量时出错 erase tempw1.dta erase tempw2.dta drop _merge 数据扩展append： 数据源自stata tutorial中的fac19和newfac clear use "t:\statatut\fac19.dta" ta region append using "t:\statatut\newfac" ta region 合并后样本量增加，但变量数不变 茎叶图： stem x1,line(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成两段来显示，前半段为0~4，后半段为5~9） stem x1,width(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成五段来显示，每个小树茎的组距为2） stem x1,round(100) （将x1除以100后再做x1的茎叶图） 直方图 采用auto数据库 histogram mpg, discrete frequency normal xlabel(1(1)5) (discrete表示变量不连续，frequency表示显示频数，normal加入正太分布曲线，xlabel设定x轴，1和5为极端值，（1）为单位） histogram price, fraction norm (fraction表示y轴显示小数，除了frequency和fraction这两个选择之外，该命令可替换为“percent”百分比，和“density”密度；未加上discrete就表示将price当作连续变量来绘图) histogram price, percent by(foreign) （按照变量“foreign”的分类，将不同类样本的“price”绘制出来，两个图分左右排布） histogram mpg, discrete by(foreign, col(1)） （按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，两个图分上下排布） histogram mpg, discrete percent by(foreign, total) norm （按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，同时绘出样本整体的“总”直方图） 二变量图： graph twoway lfit price weight || scatter price weight （作出price和weight的回归线图——“lfit”，然后与price和weight的散点图相叠加） twoway scatter price weight,mlabel(make) （做price和weight的散点图，并在每个点上标注“make”，即厂商的取值） twoway scatter price weight || lfit price weight,by(foreign) （按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈左右分布） twoway scatter price weight || lfit price weight,by(foreign,col(1)） （按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈上下分布） twoway scatter price weight [fweight= displacement],msymbol(oh) （画出price和weight的散点图，“msybol(oh)”表示每个点均为中空的圆圈，[fweight= displacement]表示每个点的大小与displacement的取值大小成比例） twoway connected y1 time,yaxis(1) || y2 time,yaxis(2) （画出y1和y2这两个变量的时间点线图，并将它们叠加在一个图中，左边“yaxis(1)”为y1的度量，右边“yaxis(2)”为y2的） twoway line y1 time,yaxis(1) || y2 time,yaxis(2) （与上图基本相同，就是没有点，只显示曲线） graph twoway scatter var1 var4 || scatter var2 var4 || scatter var3 var4 （做三个点图的叠加） graph twoway line var1 var4 || line var2 var4 || line var。