stata常用命令集(編輯修改稿)

　

【文章內容簡介】 en xrank=rank(x)（在不改變變量x各個值排序的情況下，獲得反映x值大小排序的xrank）數據計算器display命令：display x[12]（顯示x的第十二個觀察值）display chi2(n,x)（自由度為n的累計卡方分布）display chi2tail(n,x)（自由度為n的反向累計卡方分布，chi2tail(n,x)=1chi2(n,x)）display invchi2(n,p)（卡方分布的逆運算，若chi2(n,x)=p，那么invchi2(n,p)=x）display invchi2tail(n,p)（chi2tail的逆運算）display F(n1,n2,f)（分子、分母自由度分別為n1和n2的累計F分布）display Ftail(n1,n2,f)（分子、分母自由度分別為n1和n2的反向累計F分布）display invF(n1,n2,P)（F分布的逆運算，若F(n1,n2,f)=p，那么invF(n1,n2,p)=f）display invFtail(n1,n2,p)（Ftail的逆運算）display tden(n,t)（自由度為n的t分布）display ttail(n,t)（自由度為n的反向累計t分布）display invttail(n,p)（ttail的逆運算）給數據庫和變量做標記：label data ~~~（對現用的數據庫做標記，~~~就是標記，可自行填寫）label variable x ~~~（對變量x做標記）label values x label1（賦予變量x一組標簽:label1）label define label1 1 a1 2 a2（定義標簽的具體內容：當x=1時，標記為a1，當x=2時，標記為a2）頻數表：tabulate x1,sorttab1 x1x7,sort（做x1到x7的頻數表，并按照頻數以降序顯示行）table c1,c（n x1 mean x1 sd x1）（在分類變量c1的不同水平上列出x1的樣本量和平均值）二維交互表：auto數據庫：table rep78 foreign, c(n mpg mean mpg sd mpg median mpg) center row col（rep78，foreign均為分類變量，rep78為行變量，foreign為列變量，center表示結果顯示在單元格中間，row表示計算行變量整體的統計量，col表示計算列變量整體的統計量）tabulate x1 x2,all（做x1和x2的二維交互表，要求顯示獨立性檢驗chi似然比卡方獨立性檢驗lrchi對定序變量適用的等級相關系數gamma和taub、以及對名義變量適用的V）tabulate x1 x2,column chi2（做x1和x2的二維交互表，要求顯示列百分比和行變量和列變量的獨立性檢驗——零假設為變量之間獨立無統計關系）tab2 x1x7,all nofreq（對x1到x7這七個變量兩兩地做二維交互表，不顯示頻數：nofreq）三維交互表：by x3,sort:tabulate x1 x2,nofreq col chi2（同時進行x3的每一個取值內的x1和x2的二維交互表，不顯示頻數、顯示列百分比和獨立性檢驗）四維交互表：table x1 x2 x3,c(ferq mean x1 mean x2 mean x3) by(x4)tabstat X1 X2,by(X3) stats(mean n q max min sd var cv) col(stats)tabstat X1 X2,by(X3) stats(mean range q sd var cv p5 p95 median),[aw=X4]（以X4為權重求XX2的均值，標準差、方差等）ttest X1=1count if X1==0count if X1=0gen X2=1 if X1=0corr x1 x2 x3（做xxx3的相關系數表）swilk x1 x2 x3（用ShapiroWilk W test對xxx3進行正太性分析）sktest x1 x2 x3（對xxx3進行正太性分析，可以求出峰度和偏度）ttest x1=x2（對xx2的均值是否相等進行T檢驗）ttest x1,by(x2) unequal（按x2的分組方式對x1進行T檢驗，假設方差不齊性）sdtest x1=x2（方差齊性檢驗）sdtest x1，by(x2)（按x2的分組方式對x1進行方差齊性檢驗）聚類分析：cluster kmeans y x1 x2 x3, k(3)——依據y、xxx3，將樣本分為n類，聚類的核為隨機選取cluster kmeans y x1 x2 x3, k(3) measure(L1) start(everykth)—— start用于確定聚類的核，everykth表示將通過構造三組樣本獲得聚類核：構造方法為將樣本id為1+1+3 1+33……分為一組、將樣本id為2+2+32+33……分為第二組，以此類推，將這三組的均值作為聚類的核；measure用于計算相似性和相異性的方法，L1表示采用歐式距離的絕對值，也直接可采用歐式距離（L2）和歐式距離的平方（L2squared）。PS：這個方法所得的結果與SPSS所得結果相同。sort c1 c2（對c1和c2兩個分類變量排序）by c1 c2：reg y x1 x2 x3（在cc2的各個水平上分別進行回歸）bysort c1 c2：reg y x1 x2 x3 if c3=1（逗號前面相當于將上面兩步驟合一，既排序又回歸，逗號后面的“if c3=1”表示只有在c3=1的情況下才進行回歸）stepwise, pr(.2): reg y x1 x2 x3(使用Backward selection，)stepwise, pe(.2): reg y x1 x2 x3(使用forward selection，)stepwise, pr(.2) pe(.01):reg y x1 x2 x3（使用backwardstepwise selection，）stepwise, pe(.2) forward: reg y x1 x2 x3（使用forwardstepwise selection）reg y x1 x2 x3predict Yhat,xbpredict u,residpredict ustd,stdr（獲得殘差的標準誤）predict std,stdp（獲得y估計值的標準誤）predict stdf,stdf（獲得y預測值的標準誤）predict e,e(1,12)（獲得y在1到12之間的估計值）predict p,pr(1，12)（獲得y在1到12之間的概率）predict rstu,rstudent（獲得student的t值）predict lerg,leverage（獲得杠桿值）predict ckd,cooksd（獲得cooksd）reg y x1 x2 x3 c1 c2adjust x1 x2 x3，se（使得變量xx2和x3等于其均值，求y的預測值和標準誤）adjust x1 x2 x3，stdf ci（使得變量xx2和x3等于其均值，求y的預測值，預測標準誤和置信區間）adjust x1 x2,by(c1) se ci（控制變量xx2，亦即取它們的均值，在分類變量c1的不同水平上求y預測值，標準誤和置信區間）adjust x1 x2 x3,by(c1) stdf ci（控制變量xxx3，亦即取它們的均值，在分類變量c1的不同水平上求y預測值，預測標準誤和置信區間）adjust x1 x2,by(c1 c2) se ci（控制變量xx2，在分類變量cc2的不同水平上求y的預測值，標準誤和置信區間