Stata函数命令有哪些常用语法与参数？

Stata作为一款功能强大的统计软件，其函数命令体系是数据分析的核心工具，涵盖了从数据管理、统计分析到结果可视化的全流程，这些命令以简洁的语法和灵活的选项，支持用户高效处理各类研究需求，以下从数据管理、统计分析、模型估计和结果输出四个维度,详细介绍Stata常用函数命令的应用场景与操作逻辑。

数据管理类函数命令

数据管理是数据分析的基础，Stata提供了丰富的命令用于数据清洗、转换和整合。

数据导入与导出

• import delimited "文件路径"：导入CSV格式数据，可通过varnames(1)指定第一行为变量名，clear选项清除内存数据。
• use "数据文件路径"：直接导入Stata格式（.dta）数据，using关键字可指定特定数据集，例如use "data.dta", clear。
• export excel "输出路径.xlsx"：将数据导出为Excel文件，sheet("Sheet1")指定工作表，firstrow保留变量名。

变量生成与转换

• generate newvar = expression：生成新变量，例如generate log_income = log(income)对收入取自然对数。
• replace newvar = new_expression：修改变量值，常与generate配合使用，如replace log_income = 0 if income == 0处理零值。
• recode oldvar (min/20 = 1) (21/40 = 2) (41/max = 3), generate(newvar)：将连续变量分组，结果存储在newvar中。

缺失值处理

• misstable summarize varlist：查看变量缺失值统计，包括缺失值数量与比例。
• drop if missing(varlist)：删除含缺失值的观测值，misstable patern可识别缺失值模式。
• ipolate var1 var2, generate(newvar)：通过插值法填补缺失值，线性插值适用于时间序列数据。

数据排序与合并

• sort var1 var2：按变量升序排序，gsort var1:var2支持降序（-var1）或多变量混合排序。
• merge 1:1 id using "数据文件"：基于ID变量合并数据集，1:1表示一对一匹配，n:1表示多对一匹配。

统计分析类函数命令

Stata的统计分析命令覆盖描述统计、推断统计及假设检验等核心功能。

描述统计

• summarize varlist, detail：计算变量的均值、标准差、最小值、最大值及四分位数，detail输出更详细的统计量。
• tabulate var1 var2：生成交叉表，chi2选项执行卡方检验，例如tabulate gender education, chi2。
• tabstat varlist, statistics(mean sd median) by(groupvar)：按分组变量计算指定统计量，结果更简洁。

推断统计

• ttest var1 == var2：两独立样本t检验，paired选项用于配对样本检验，如ttest pre_test == post_test, paired。
• anova var1 groupvar：单因素方差分析，between()指定组间效应，within()指定组内效应。
• correlate varlist, sig：计算变量相关系数矩阵，sig输出显著性水平，pwcorr可进行偏相关分析。

回归分析基础

• regress y x1 x2：普通最小二乘法（OLS）回归，vce(robust)计算稳健标准误，beta选项输出标准化系数。
• predict yhat, xb：生成预测值，residuals生成残差，用于模型诊断。

模型估计类函数命令

针对复杂研究问题，Stata提供了高级模型估计命令，支持面板数据、时间序列等特殊数据结构。

面板数据模型

• xtset id year：声明面板数据结构，id为个体ID，year为时间变量。
• xtreg y x1 x2, fe：固定效应模型，re选项估计随机效应模型，hausman检验可判断模型选择。
• xtabond y x1 x2, lags(2)：系统GMM估计，适用于动态面板数据，lags()指定滞后阶数。

时间序列模型

• tsset timevar：声明时间序列数据，timevar为时间变量。
• arima y ar(1/2) ma(1)：ARIMA模型估计，ar(p)为自回归项，ma(q)为移动平均项。
• var y x1 x2, lag(1/2)：向量自回归（VAR）模型，lag()指定滞后阶数，irf可进行脉冲响应分析。

离散选择模型

• logit y x1 x2：Logit模型，margins计算边际效应，如margins, dydx(*) at means。
• probit y x1 x2：Probit模型，lrtest进行似然比检验，比较模型嵌套关系。

生存分析

• stset timevar, failure(eventvar)：定义生存数据，eventvar为事件指示变量（1=发生事件）。
• stcox x1 x2：Cox比例风险模型，strata(groupvar)允许分层效应，shared frailty引入 frailty 效应。

结果输出与可视化

Stata支持将分析结果以表格形式输出，并通过图形直观展示数据特征。

结果导出

• estout reg_results, cells(b(star fmt(3)) se(fmt(3))) stats(N r2_a)：将回归结果导出为表格，b(star)标注显著性，stats()输出统计量。
• asdoc summarize：通过用户编写命令（需安装asdoc包）将描述统计导出为Word或Excel表格。

绘图命令

• scatter y x：散点图，mcolor()设置点颜色，jitter(5)添加抖动避免重叠。
• histogram var, bin(10) normal：直方图，bin()指定分箱数，normal叠加正态分布曲线。
• line y time, xtitle("年份") ytitle("数值")：时间序列折线图，xtitle()设置坐标轴标签。

相关问答FAQs

Q1: 如何在Stata中处理面板数据的内生性问题？
A1: 面板数据内生性问题可通过工具变量法或固定效应模型缓解，常用命令包括：

• xtivreg y x1 (endogvar = iv1 iv2), fe：固定效应工具变量回归，需确保工具变量外生且与内生变量强相关。
• xtscc y x1 endogvar, fe：Driscoll-Kraay标准误，适用于动态面板数据，可解决序列相关和异方差问题。
• xtabond2 y x1 (endogvar = iv1 iv2), dis lag(2)：系统GMM估计，适用于短面板数据，通过Arellano-Bond检验和Sargan检验验证有效性。

Q2: Stat中如何批量处理多个变量并生成结果表格？
A2: 可结合foreach循环和estpost/esttab命令实现批量处理，示例代码如下：

estpost summarize income age education, detail
esttab using "summary.rtf", replace cells("count mean sd min max")  
foreach var in income age education {  
    regress `var' gender  
    estpost summarize `var', detail  
    esttab using "reg_results.rtf", append b(%9.3f) se(%9.3f)  
}  

上述代码先导出描述统计结果，再依次对每个变量回归并将结果追加到同一表格中，replace覆盖旧文件，append。