Stata统计分析与应用的图书目录

丛书序

前言

第 1章 Stata软件概述 1

11 Stata软件简介 1

12 Stata窗口及基本 *** 作 2

121 Stata窗口说明 2

122 Stata帮助系统 5

123 Stata语法和命令 6

13 Stata主要功能模块 8

131 数据处理 8

132 绘图 8

133 统计分析 8

134 回归与建模分析 8

135 编程 8

复习与习题 9

本章回顾 9

习题 9

第 2章 Stata中的数据处理 10

21 数据的类型、压缩和转化 10

211 打开本地或网络数据文件 10

212 Stata常用数据类型与压缩 12

213 数据类型的转化 14

22 数据的导入 17

221 创建新的数据库 17

222 使用已经保存的 Stata数据 19

223 导入其他格式的数据 19

23 数据的整理 21

231 数据的标签与排序 21

232 数据的拆分 23

233 数据的合并 24

234 长宽数据的转换 25

复习与习题 27

本章回顾 27

习题 28

第 3章 Stata中的图形制作 30

31 图形制作的基本命令与相关 *** 作 30

311 图形制作的基本命令 30

312 图形制作的菜单选项 31

313 与图形绘制相关的基本 *** 作 32

32 直方图、散点图和曲线标绘图的绘制 34

321 直方图的绘制 34

322 散点图的绘制 36

323 曲线标绘图的绘制 39

33 条形图、饼图和箱线图的绘制 41

331 条形图的绘制 41

332 饼图的绘制 44

333 箱线图的绘制 45

34 图形的保存、合并及修改 46

341 图形的保存和已存图形的打开 47

342 图形的合并 47

343 图形的修改 48

复习与习题 49

本章回顾 49

习题 49

第 4章 Stata与方差分析 53

实验 41 单因素方差分析 53

实验 42 双因素或多因素方差分析 56

实验 43 协方差分析 59

复习与习题 62

本章回顾 62

习题 62

第 5章 Stata与假设检验 64

实验 51 单个总体的假设检验 64

实验 52 两个总体的假设检验 69

复习与习题 72

本章回顾 72

习题 73

第6章基本回归分析 74

实验 61 小样本的普通最小二乘分析 74

实验 62 大样本的普通最小二乘分析 81

实验 63 约束回归 85

实验 64 非线性最小二乘 89

复习与习题 93

本章回顾 93

习题 93

第 7章 Stata与模型的设定 95

实验 71 遗漏变量的检验 95

实验 72 解释变量个数的选择 100

实验 73 多重共线性与逐步回归法 102

实验 74 极端数据的诊断与处理 109

实验 75 虚拟变量的处理 111

实验 76 经济结构变动的 Chow检验 114

复习与习题 117

本章回顾 117

习题 117

第 8章 Stata与模型的修正 119

实验 81 异方差检验与处理 119

实验 82 自相关和可行广义最小二乘法 130

实验 83 内生性与 2SLS、GMM 145

复习与习题 154

本章回顾 154

习题 156

第 9章 Stata与离散被解释变量模型 157

实验 91 二值选择模型 157

实验 92 多值选择模型 168

实验 93 排序数据模型 173

实验 94 条件 logit模型 177

实验 95 嵌套 logit模型 182

复习与习题 189

本章回顾 189

习题 190

第 10章计数模型 192

实验 101 泊松回归模型 192

实验 102 负二项和广义负二项回归模型 198

实验 103 零膨胀回归模型 205

复习与习题 210

本章回顾 210

习题 210

第 11章受限被解释变量 212

实验 111断尾回归模型 212

实验 112截取回归模型 217

实验 113样本选择模型 222

复习与习题 229

本章回顾 229

习题 229

第 12章基本时间序列分析 231

实验 121 时间序列的定义与扩展 231

实验 122 相关图绘制与白噪声检验 237

实验 123 移动平均滤波与指数平滑法 242

实验 124 ARIMA模型 251

实验 125 SARIMA模型 260

实验 126 ARIMAX模型 266

实验 127 单位根检验 272

实验 128 向量自回归模型 277

实验 129 协整与向量误差修正模型 300

实验 1210 ARCH族模型 312

复习与习题 322

本章回顾 322

习题 324

第 13章面板数据分析 327

实验 131 面板数据的基本 *** 作 327

实验 132 固定效应与随机效应模型 334

实验 133 长面板模型 344

实验 134 面板工具变量法 352

实验 135 动态面板模型 356

实验 136 面板数据的离散选择模型 363

实验 137 面板数据的计数模型 367

实验 138 随机效应 tobit模型 371

复习与习题 374

本章回顾 374

习题 376

第 14章系统方程模型 378

实验 141 似不相关回归 378

实验 142 多元回归模型 383

实验 143 联立方程模型 386

复习与习题 392

本章回顾 392

习题 392

第 15章蒙特卡罗模拟和自助法 394

实验 151 随机数的生成 394

实验 152 蒙特卡罗模拟 397

实验 153 重复抽样 401

实验 154 自助法 409

复习与习题 415

本章回顾 415

习题 415

第 16章 Stata编程基础 417

实验 161 基本概念与工具 417

实验 162 程序文件的基本格式 425

实验 163 程序控制语句 440

复习与习题 448

本章回顾 448

习题 450

第 17章 Stata综合案例分析 451

171 综合案例一：社会保障与经济增长关系实证研究 451

1711 问题背景和数据描述 451

1712 统计方法与 Stata实现 452

1713 结论 455

172 综合案例二：外部竞争环境不同的企业公司治理对绩效影响的敏感性分析 456

1721 问题背景和数据描述 456

1722 统计方法与 Stata实现 458

1723 结论 467

173 综合案例三：农民焚烧秸秆意愿的实证研究 467

1731 问题背景 467

1732 相关假设 468

1733 数据来源及描述 469

1734 统计分析与 Stata的实现 469

1735 结论 473

宏本身分为名称和内容两部分，类似于变量名和值。它可以分为两类：

这里先介绍局部宏（ local macros）

即局部宏后面可以跟

局部宏的调用方式：`local_macro_name'

注意：左边的引号是Tab键上方的，右边的引号是Enter键左侧的

局部宏的使用场景，如简化控制变量

此外，我们可以利用局部宏在程序结束后丢失的特点，建立临时变量、临时文件，一旦do文件结束，这些临时变量和临时文件就会自动被删除。

我们在处理数据时，有时需产生临时文件，最后还需要把临时文件删除，比较麻烦，此时就可以使用tempfile来处理，当程序结束时会自动删除这些文件。

参考资料：

爬虫俱乐部精通Stata之数据整理

F026Stata中产生临时文件命令tempfile的例子

如果是连贯的时间序列

tsset date

gen d_price = dprice   // 一阶差分

如果不连贯

gen date_c = _n

tsset date_c

gen d_price = dprice 

stata 好多都能够点鼠标 。matlab 和 r都是编程的 ，r是免费的 ，软件包也有免费更新，matlab 和 r你学好一个就可以了 ，个人认为matlab使用的范围更广些，但是R近几年发展迅猛，用户很多。。。。用哪个楼主自己喜欢就好 ，两个都可以。stata 或者是SPSS应该要会一个，因为好多可以点鼠标的就不用编程了，这两个点鼠标的功能都挺大的，会一个就好。顺带说一句，excel也很实用。

python主要应用领域：

1、云计算：

PYTHON语言算是云计算最火的语言， 典型应用OpenStack。

2、WEB前端开发

python相比php\ruby的模块化设计，非常便于功能扩展；多年来形成了大量优秀的web开发框架，并且在不断迭代；如目前优秀的全栈的django、框架flask，都继承了python简单、明确的风格，开发效率高、易维护，与自动化运维结合性好。

python已经成为自动化运维平台领域的事实标准；众多大型网站均为Python开发，Youtube, Dropbox, 豆瓣。

3、人工智能应用

基于大数据分析和深度学习而发展出来的人工智能本质上已经无法离开python的支持，目前世界优秀的人工智能学习框架如Google的TransorFlow 、FaceBook的PyTorch以及开源社区的神经网络库Karas等是用python实现的。

甚至微软的CNTK（认知工具包）也完全支持Python，而且微软的Vscode都已经把Python作为第一级语言进行支持。

4、系统运维工程项目

Python在与 *** 作系统结合以及管理中非常密切，目前所有linux发行版中都带有python，且对于linux中相关的管理功能都有大量的模块可以使用，例如目前主流的自动化配置管理工具：SaltStackAnsible（目前是RedHat的）。

目前在几乎所有互联网公司，自动化运维的标配就是python+Django/flask，另外，在虚拟化管理方面已经是事实标准的openstack就是python实现的，所以Python是所有运维人员的必备技能。

5、金融理财分析

量化交易，金融分析，在金融工程领域，Python语言不但在用，且用的最多，而且重要性逐年提高。原因：作为动态语言的Python，语言结构清晰简单，库丰富，成熟稳定，科学计算和统计分析都很牛逼，生产效率远远高于c,c++,java,尤其擅长策略回测。

5、大数据分析

Python语言相对于其它解释性语言最大的特点是其庞大而活跃的科学计算生态，在数据分析、交互、可视化方面有相当完善和优秀的库（python数据分析栈：Numpy Pandas ScipyMatplotlipIpython）

并且还形成了自己独特的面向科学计算的Python发行版Anaconda，而且这几年一直在快速进化和完善，对传统的数据分析语言如R MATLAB SAS Stata形成了非常强的替代性。

参考资料：

网络错误和电脑卡顿。

1、在运行wordstata时，网络网速不行会直接导致该软件反应速度慢，可以更换网络重试即可。

2、如果电脑配置过低，在运行wordstata时，会造成电脑卡顿导致反应慢。只能更换配置高点的电脑尝试。

1stata是工具，学习动力来自于你要解决的问题

2不需要基础，只需要解决问题

本来想学Excel VBA，但stata里stack命令让我放弃了VBA，我这三个月有时候一天看3个小时，有时候一星期不看，主要是根据自己论文需要去学习。几乎把国内所有主要的stata图书看了一遍（其实，看透一本即可），网络上讲义、PPT也无所遗漏。

刚学习stata的时候，是为了解决论文的数据处理，那时候看了汉密尔顿的《应用STATA做统计分析》，糊里糊涂看完了，但是发现还是不懂，这时候网上下载了《stata18讲》，这个讲义让我开始熟练 *** 作，然后购买了《随机模拟与金融数据处理stata教程》，这本书让我懂得让stata自己解决问题，我开始了用do文件，用program命令。

之后，又草草看了《高级计量经济学与stata应用》，这本书也是良心之作，后来还看了王天夫的、王群勇的（也听过王老师来我校的讲课）、

现在，来点硬货

1 人大有stata专版，犹如excel届的EH，还有连玉君老师亲自坐镇解答

2 多 *** 作，真的，学任何软件都是，做一个学习者而不是资料下载者

3 多和stata牛人，或者是同时学习的人在一起，最好加相关QQ群

4 如果需要回归、面板等命令时，请先学好理论。