stata回归分析完整步骤-吐血推荐

《stata回归分析完整步骤-吐血推荐》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、stata回归分析完整步骤——吐血推荐****下载连乘函数prod,方法为:finditdm71sortstkcddate//对公司和日期排序genr1=1+r//r为实际公司的股票收益率genr2=1+r_yq//r_yq为公司的预期股票收益率egenr3=prod(r1),by(stkcddate)//求每个公司事件日的累计复合收益率egenr4=prod(r2),by(stkcddate)//求每个公司事件日的累计预期的复合收益率genr=r4-r3captureclear（清空内存中的数据）capturelogclose（关闭所有打开的日志文件）setmem128m（设置用于s

2、tata使用的内存容量）setmoreoff（关闭more选项。如果打开该选项，那么结果分屏输出，即一次只输出一屏结果。你按空格键后再输出下一屏，直到全部输完。如果关闭则中间不停，一次全部输出。）setmatsize4000（设置矩阵的最大阶数。我用的是不是太大了？）cdD:（进入数据所在的盘符和文件夹。和dos的命令行很相似。）logusing（文件名）.log,replace（打开日志文件，并更新。日志文件将记录下所有文件运行后给出的结果，如果你修改了文件内容，replace选项可以将其更新为最近运行的结果。）use（文件名）,clear（打开数据文件。）（文件内容）logclos

3、e（关闭日志文件。）exit,clear（退出并清空内存中的数据。）假设你清楚地知道所需的变量，现在要做的是检查数据、生成必要的数据并形成数据库供将来使用。检查数据的重要命令包括codebook，su，ta，des和list。其中，codebook提供的信息最全面，缺点是不能使用if条件限制范围，所以，有时还要用别的帮帮忙。su空格加变量名报告相应变量的非缺失的观察个数，均值，标准差，最小值和最大值。ta空格后面加一个（或两个）变量名是报告某个变量（或两个变量二维）的取值（不含缺失值）的频数，比率和按大小排列的累积比率。des后面可以加任意个变量名，只要数据中有。它报告变量的存储的类型

4、，显示的格式和标签。标签中一般记录这个变量的定义和单位。list报告变量的观察值，可以用if或in来限制范围。所有这些命令都可以后面不加任何变量名，报告的结果是正在使用的数据库中的所有变量的相应信息。说起来苍白无力，打开stata亲自实验一下吧。顺带说点儿题外话。除了codebook之外，上述统计类的命令都属于r族命令（又称一般命令）。执行后都可以使用returnlist报告储存在r（）中的统计结果。最典型的r族命令当属summarize。它会把样本量、均值、标准差、方差、最小值、最大值、总和等统计信息储存起来。你在执行su之后，只需敲入returnlist就可以得到所有这些信息。其实

5、，和一般命令的return命令类似，估计命令（又称e族命令）也有ereturn命令，具有报告，储存信息的功能。在更复杂的编程中，比如对回归分解，计算一些程序中无法直接计算的统计量，这些功能更是必不可少。检查数据时，先用codebook看一下它的值域和单位。如果有-9，-99这样的取值，查一下问卷中对缺失值的记录方法。确定它们是缺失值后，改为用点记录。命令是replace(变量名)=.if(变量名)==-9。再看一下用点记录的缺失值有多少，作为选用变量的一个依据。得到可用的数据后，我会给没有标签的变量加上注解。或者统一标签；或者统一变量的命名规则。更改变量名的命令是ren（原变量名）空格

6、（新变量名）。定义标签的命令是labelvar（变量名）空格”（标签内容）”。整齐划一的变量名有助于记忆，简明的标签有助于明确变量的单位等信息。如果你需要使用通过原始变量派生出的新变量，那么就需要了解gen，egen和replace这三个命令。gen和replace常常在一起使用。它们的基本语法是gen(或replace)空格（变量名）＝（表达式）。二者的不同之处在于gen是生成新变量，replace是重新定义旧变量。虚拟变量是我们常常需要用到的一类派生变量。如果你需要生成的虚拟变量个数不多，可以有两种方法生成。一种是简明方法：gen空格（变量名）＝（（限制条件））[这外面的小括弧是命

7、令需要的，里面的小括弧不是命令需要的，只是说明“限制条件”并非命令]。如果某个观察满足限制条件，那么它的这个虚拟变量取值为1，否则为0。另一种要麻烦一点。就是gen（变量名）＝1if（取值为一限制条件）replace（相同的变量名）＝0if（取值为零的限制条件）两个方法貌似一样，但有一个小小的区别。如果限制条件中使用的变量都没有任何缺失值，那么两种方法的结果一样。如果有缺失值，第一种方法会把是缺失值的观察的虚拟变量都定义为0。而第二种方法可以将