【正文】 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據集補充：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?？赡苁菧y試的編號，1or2——定義pweight為finalwgt——定義stratum identifer為stratid。PS：這個方法所得的結果與SPSS所得結果相同。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。STATA常用命令集整變量格式：format x1 .3f ——將x1的列寬固定為10，小數點后取三位format x1 .3g ——將x1的列寬固定為10，有效數字取三位format x1 .3e ——將x1的列寬固定為10，采用科學計數法format x1 .3fc ——將x1的列寬固定為10，小數點后取三位，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，有效數字取三位，加入千分位分隔符，加入“”表示左對齊合并數據：use C:\Documents and Settings\xks\桌面\, clearmerge using C:\Documents and Settings\xks\桌面\——將1999和2006的數據按照樣本（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的數據按照唯一的（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。若不寫入“stack”，則a1和a2顯示為兩個并排的條形柱）graph dot (median)y,over(x)（畫點圖，沿著水平刻度，在x的每一個取值水平所對應的y的中位數上打點）qnorm x（畫出一幅分位正態(tài)標繪圖）rchart a1 a2 a2（畫出質量控制R圖，顯示a1到a3的取值范圍）簡單統(tǒng)計量的計算：ameans x（計算變量x的算術平均值、幾何平均值和簡單調和平均值，均顯示樣本量和置信區(qū)間）mean var1 [pweight = var2]（求取分組數據的平均值和標準誤，var1為各組的賦值，var2為每組的頻數）summarize y x1 x2,detail（可以獲得各個變量的百分比數、最大最小值、樣本量、平均數、標準差、方差、峰度、偏度）***注意***stata中summarize所計算出來的峰度skewness和偏度kurtosis有問題，與ECELL和SPSS有較大差異，建議不采用stata的結果。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(qū)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(qū)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(qū)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(qū)間）adjust x1 x2 x3,by(c1 c2) stdf ci（控制變量xxx3，在分類變量cc2的不同水平上求y的預測值，預測標準誤和置信區(qū)間）adjust x1=a x2=b x3=c，se ci（當x1=a、x2=b、x3=c時，求y的預測值、標準誤和置信區(qū)間）adjust x1=a x2=b x3=c，by(c1) se ci（當x1=a、x2=b、x3=c時，在分類變量c1的不同水平上，求y的預測值、標準誤和置信區(qū)間）adjust x1=a x2=b c1=1，by(c1) se ci（當x1=a、x2=b，并假設所有的樣本均為c1=1，求在分類變量c1的不同水平上，因為變量x3的均值不同，而導致的y的不同的預測值……）mvreg Y1 Y2 ……: X1 X2 X3……（多元回歸）mvreg y1 y2 y3: x1 x3 x3（多元回歸分析，y1 y2 y3為因變量，x1 x3 x3為自變量）以下命令只有在進行了mvreg之后才能進行test [y1]（測試對y1的回歸系數聯合為0）test [y1]: x1 x2（測試對y1的回歸中xx2的系數為0）test x1 x2 x3（測試在所有的回歸中，xxx3的系數均為0）test [y1=y2]（對y1的回歸和對y2的回歸系數相等）test [y1=y2]: x1 x2 x3, mtest（對y1和y2的回歸中，分別測試xxx3的系數是否相等，若沒有mtest這個命令，則測試他們的聯和統(tǒng)計）test [y1=y2=y3]（三個回歸的系數是否相等，可加mtest以分別測試）test [y1=y2=y3]: x1 x2 （測試三個回歸中的xx2是否相等，可加mtest）est命令的用法：（1）儲存回歸結果：reg y x1 x2 x3（不限于reg，也可儲存ivreg、mvreg、reg3）est store A（2）重現回歸結果：est replay A（3）對回歸結果進行進一步分析est for A:sum（對A回歸結果中的各個變量運行sum命令）異方差問題：獲得穩(wěn)健性標準