【正文】 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(shù)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(jù)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）?？赡苁菧y試中被試的編號，1to31生成malegen male= (sex==1) if !missing(sex)——當sex不缺失且等于1時，male=sex生成行變量為highbp，列變量為sizplace的表格svy, subpop(male): tabulate highbp sizplace, col obs pearson lr null wald——subpop規(guī)定了以male為數(shù)據(jù)調查的范圍——tabulate highbp sizplace表示繪制行變量為highbp，列變量為sizplace的表格——col表示每一列的加總為100%，row表示每一行的加總為100%，cell表示橫縱所有單元格的加總為100%——obs表示列出每個單元格的樣本量，se表示列出每個單元格的標準誤，ci表示列出每個單元格的置信區(qū)間——pearson表示求取pearson39。括號中的“mean”也可換成median、sum、sd、p2p75等graph bar a1 a2,over(b) stack（對應在b的每一個取值，顯示a1和a2的條形圖，a1和a2是疊放成一根條形柱。matrix m=(0,2,3) ——定義三個變量的平均值matrix sd=(1,.5,2) ——定義三個變量的標準差drawnorm z1 z2 z3,n(2000) means(m) sds(sd) ——創(chuàng)建樣本量為2000，均值和標準差符合上面定義的數(shù)據(jù)集補充：除了定義均值和標準差之外，還可定義相關矩陣和協(xié)方差矩陣等。STATA常用命令集整變量格式：format x1 .3f ——將x1的列寬固定為10，小數(shù)點后取三位format x1 .3g ——將x1的列寬固定為10，有效數(shù)字取三位format x1 .3e ——將x1的列寬固定為10，采用科學計數(shù)法format x1 .3fc ——將x1的列寬固定為10，小數(shù)點后取三位，加入千分位分隔符format x1 .3gc ——將x1的列寬固定為10，有效數(shù)字取三位，加入千分位分隔符format x1 % ——將x1的列寬固定為10，有效數(shù)字取三位，加入千分位分隔符，加入“”表示左對齊合并數(shù)據(jù)：use C:\Documents and Settings\xks\桌面\, clearmerge using C:\Documents and Settings\xks\桌面\——將1999和2006的數(shù)據(jù)按照樣本（observation）排列的自然順序合并起來use C:\Documents and Settings\xks\桌面\, clearmerge id using C:\Documents and Settings\xks\桌面\ ,unique sort——將1999和2006的數(shù)據(jù)按照唯一的（unique）變量id來合并，在合并時對id進行排序（sort）建議采用第一種方法。logit回歸logit y x1 x2 x3——y必須為二分變量glogit outedata populationdata x1 x2 x3——outedata為目標樣本總量，populationdata為觀測樣本總量，outedata/populationdata的值便是一個概率，相當于logit命令中的y面板數(shù)據(jù)（Panel Data）基本套路：xtreg y x1 x2,reest store rextreg y x1 x2,feest store fehausman re fe——如果hausman檢驗的結果為顯著，則采用固定效應（fe）模型，不顯著，則選取隨機效應（re）模型隨機效應的檢驗：xtreg y x1 x2,rexttest0xttest1——xttest1是xttest0的擴展，若這xttest0的結果為顯著，則采用隨機效應（re）模型xttest1的假設是沒有隨機效應和/或沒有序列相關，它的七個結果分別表示：1) LM Test for random effects, assuming no serial correlation（假設沒有序列相關情況下對隨機效應進行LM檢驗）2) Adjusted LM test for random effects, which works even under serialcorrelation（假設有序列相關的情況下對隨機LM檢驗）3) One sided version of the LM test for random effects（假設沒有序列相關的情況下對隨機效應進行單邊檢驗）4) One sided version of the adjusted LM test for random effects（假設有序列相關的情況下對隨機效應進行單邊檢驗）5) LM test for firstorder serial correlation, assuming no random effects（假設沒有隨機效應的情況下對一階序列相關進行檢驗）6) Adjusted test for firstorder serial correlation, which works even underrandom effects（假設有隨機效應的情況下對一階序列相關進行檢驗）7) LM Joint test for random effects and serial correlation（隨機效應和序列相關的聯(lián)合檢驗）固定效應模型，可采用廣義最小二乘法（gls）進行估算，也可采用固定效應方程（fe）：xtserial y x1 x2xtgls y x1 x2xttest2xttest3——xtserial用于檢驗固定效應模型中的一階序列自相關，可通用于xtgls和fe之前——xttest2用于檢驗不同廠商的相似性，若顯著則各廠家的截面相似，可通用于xtgls和fe之后——xttest3用于檢驗固定效應模型中的異方差問題，若顯著則有異方差，可通用于xtgls和fe之后。