【stata系列】——入门必备

01  导入

将excel导入stata通常有两种方式：一是import；二是insheet。两者有不同的适用范围和格式要求。

import excel_name using 'xxxx', clear

// 用import直接将excel导入stata较为方便快捷，但是弊端在于超过40m的excel无法导入，stata12版本可以用import导入，stata12以上版本未测可行，建议stata12以上版本采用insheet导入。

// clear是为了清除页面已有的dta文件，也可以先在交互行里输入clear语句，再输入import语句。

insheet using 'xxxx', clear

// 用insheet导入stata不受大小40m的限制，但是对格式有要求，必须先将excel另存为csv格式，再用insheet导入，建议stata12以上版本用户采用这种方法。

// “xxxx”指的是文件存储地址，windows用户可以通过文件-显示简介查看路径名，mac用户可以打开terminal终端，直接将文件拖入终端窗口，获取路径名。

// 如果导入失败，请检查是否用错英文格式的标点符号。

// 导入成功后，在退出前记得及时save为dta文件，放入指定文件夹中，方便管理。

在stata里打开dta文件就比excel导入更为简单，也有两种方式：直接点击open选择文件，或者写一条use的代码打开指定文件。

如图，直接点击stata界面左上角的open选项，选择要打开的dta文件：

use 'xxxx', clear

// 通过写use的语句也可以打开指定dta文件，写语句的形式更适用于do-file文件的记录。

// do-file就是一个可以替代交互式代码的记录文件，交互式代码一次输入一行命令，do-file文件可以同时执行n条指定命令，方便使用和检查，保存好do-file后会显示.do后缀名。（就跟码农敲代码一样，新手们可以码起来啦，告别傻瓜式交互窗口会是实证小白的第一次飞跃！）

02  初始处理

在导入excel或csv文件或打开dta文件后，此时需要对原有的变量进行初始处理，如：重命名rename、设置标签label、删除drop、保留keep、保存save/saveold、替换replace、变量排序order、大小排序sort、变量类型转换destring、encode等。

rename x1 x2

// 将x1的名称换为x2。

label variable x1 'xxxx'

// 将变量x1的标签设置为xxxx。

drop x1 x2

// 删除x1和x2，中间空格，不加标点。

duplicates drop x1 x2, force

// 删除x1和x2两个变量一一对应的重复值，force是强制执行。

keep x1 x2

// 保留x1和x2，其他变量删除。

// drop和keep都可以与if语句联合使用。

replace x1=x2

// 将x2的值赋给x1，也可以是一个具体赋值。

order y x1 x2

// 变量按照y x1 x2的顺序排序。

sort x1 x2

// 将x1和x2按大小排序。

// 建议在命名变量时尽量采用英文命名方式，stata12及以下版本不支持中文变量名，stata13及以上版本支持中文变量名。即便您使用了最新版本的stata，依然存在他人用低版本stata打开时出错的可能性，为了避免出错，建议养成英文变量命名的习惯。

save 'xxxx'

// 保存为xxxx.dta文件，不覆盖原文件。

save '', replace

// 保存为xxxx.dta文件，覆盖原文件。

saveold xxxx

// 默认将dta文件存为stata13版本

saveold xxxx, version(12)

saveold xxxx, version(11)

// 将dta存为stata12或stata11版本

destring x1, replace

// 字符型转为数值型，覆盖原变量。

destring x1, gen(x1_new)

// 字符型转为数值型，生成新变量x1_new。

encode x1, gen (x1_new)

// 字符型转为数值型（按字符排序），生成新变量x1_new，常用于对industry字符型变量的转换。

03  变量管理及数据合并

在初始处理后，可能需要数据合并，并设置新的变量，以便完成后续的实证分析部分。常用到生成新变量gen、生成中位数或均值egen、变量分组xtile、滞后变量lag、横向合并merge、纵向合并append。

gen x=0

replace x=1 if y==0|y==1

// 令新生成的x变量赋值为0，若y=1或y=0就令x的值为1。

// gen全称是generate，简称gen即可。

// 在stata中y=1的写法是y==1，同时y！=1表示y不等于1，如果stata显示出错，请检查双等号是否输入错误。

egen x_mean=mean(x)

// 生成变量x的均值x_mean。

egen x_median=median(x)

// 生成变量x的中位数x_median。

by type: egen x_mean=mean(x)

// 按照type分类生成变量x的均值x_mean。

// egen和gen的不同在于，gen常用于生成新的变量，生成均值或中位数只能用egen，二者不可随意替代。

// gen和egen两者不同于设置标量sca和global，sca适用于局部标量，global适用于全局标量，标量可以“整体打包”变量，在变量复杂时更不易出错。（新手可以直接忽略，会用gen和egen即可）

xtile x_group=x, nquantile(a)

// 将x分成a组，定义为x_group，x_group的取值为1到a，若a=3，那么取值为1、2、3，分别代表最低组、中位组和最高组。

gen x_lag1=x[_n-1]

// 生成x滞后一期的变量，若需生成滞后两期，只需要将[_n-1]换成[_n-1]即可，滞后多期同理。

merge 1:1 x1 x2 using 'xxxx'

// 横向合并：按照x1和x2两个变量在子表xxxx中1:1匹配，若主表和子表是多对一，将1:1换成m：1，若主表和子表是一对多，将1:1换成1:m即可，“xxxx”表示子表路径名。

append using 'xxxx'

// 纵向合并：前提是保证主表和子表的变量个数和名称全部一致，即可直接匹配，“xxxx”表示子表路径名。

// merge横向合并和append纵向合并的优点在于：可以将单表汇总，简单易行；缺点在于：一次性只能匹配一张表，若有多表需要匹配，则需合并多次。csmar提供的跨表数据可以解决数据匹配和合并问题，除此之外，多表横向合并可以通过mergemany实现，后续的【stata系列】合并篇会分享多表合并的实现方法。

04  描述性统计及相关性分析

描述性统计和相关性分析是实证分析的第一步，通常要用到list、tab、describe、sum等命令。进一步的，关于结果的输出会在后续的【stata系列】结果输出篇统一呈现。

list in a/b

// 看a-b个观测值，list表示列示观测值的所有变量信息。

tab y x

// 列联表显示x和y的二维分布，即统计个数。

descibe x

// 描述变量x的数据格式信息，descibe可以简写成d，即命令等同于'd x'。

sum y x

// 对y和x进行描述性统计，未加detail可以显示出最小值，最大值，标准差，个数，均值，中位数。

sum y x, detail

// 对y和x进行描述性统计，加上detail除以上各指标外，还会列示出详细的分位数情况。

by year: sum y x

// 根据年度来分别对y和x进行描述性统计。by也可写成bys，是bysort的简称，“按……分类”的意思，同理，也可加上detail。

pwcorr x1 x2 x3, sig obs

// pearson相关性分析

spearman x1 x2 x3, stas(rho p)

// spearman相关性分析

（关于相关性分析和描述性结果的其他输出方式，会在后续内容中作单独整理，并分享更为简便实用的输出方式，如您有更好的见解，欢迎不吝赐教。）

05  单变量分析

对单变量的均值、中位数和虚拟变量之间的差异分析，常用ttest、ranksum、prtest。

ttest x, by(r)

// 测试r=0和r=1的两组x的均值是否显著存在差异，单变量均值差异分析用ttest。

ttest y=0

// 测试y的均值是否显著异于0。

ranksum x, by(r)

// 测试r=0和r=1的两组x的中位数是否显著存在差异，单变量中位数差异分析用ranksum，一般采用秩和检验。

prtest y, by(r)

// 测试r=0和r=1的y是否显著不同。

（差异分析常用在difference-in-difference双重差分模型里。需要注意的是，单变量分析和组间系数差异分析不同，组间系数差异分析会在后续的【stata系列】中陆续更新。）

06  普通OLS回归分析

实证分析最重要的一环就是回归分析部分。常涉及到的模型有OLS模型、FEM固定效应模型和REM随机效应模型。同时，要关注异方差、自相关的问题。（后续会单独对异方差和自相关的问题进行整理，此处不赘述其成因和检验方法，只介绍解决办法，感兴趣的读者可移步至后续更新的【计量小知识】系列查阅。）

reg y x1 x2 x3 (if post==0)

// 普通OLS回归，可加if语句。

reg y x1 x2 x3, robust

// 稳健标准误的普通OLS回归，robust用以解决异方差问题，不改变系数大小，改变的是变量的标准误。

reg y x1 x2 x3, robust cluster(id)

// 对id进行聚类的稳健标准误后的普通OLS回归，cluster(id)表示对id进行聚类标准误处理，允许id组内自相关，但是不同id之间无组间自相关。

// 不管是否存在异方差和多重共线性问题，使用robust和cluster会使结果更加稳健，否则可能会低估标准误，导致结果过分显著。

以上内容由教学课件和个人经验简要整理而成，不便直接分享原始资料。为补充stata常用命令，可查阅以下参考链接：

1-stata使用频率最高的15个命令：

https://www.sohu.com/a/282111637_659080

2-常用的27个stata命令：

http://www.360doc.com/content/17/0501/09/39103730_649991233.shtml