#stata中哪个命令和stats命令等价#stata中计算命令 _stata中codebook命令

f的临界值在stata中怎么输入命令计算
stata怎么用命令计算有几个变量 dis `c(k)'可以看到数据中含有的变量的个数。不过这个命令会把“股票代码”和“日期”也包含在内。
如何用stata命令计算某一行数据的均值和标准差
平均值直接命令mean(x)
方差直接命令sd(x)
stata中哪个命令和stats命令等价
调整变量格式：
format x1 .3f ——x1宽固定为10，小数取三位
format x1 .3g ——将x1的列宽为10，有效数字取三位
format x1 .3e ——将x1的列宽固定为10，采用科学计数法
format x1 .3fc ——将x1的列宽固定为10，小数点后取三位，加入千分位分隔符
format x1 .3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符
format x1 %-10.3gc ——将x1的列宽固定为10，有效数字取三位，加入千分位分隔符，加入“-”表示左对齐
合并数据：
use "C:\Documents and Settings\xks\桌面\2006.dta", clear
merge using "C:\Documents and Settings\xks\桌面\1999.dta"
——将1999和2006的数据按照样本（observation）排列的自然顺序合并起来
use "C:\Documents and Settings\xks\桌面\2006.dta", clear
merge id using "C:\Documents and Settings\xks\桌面\1999.dta" ,unique sort
——将1999和2006的数据按照唯一的（unique）变量id来合并，在合并时对id进行排序（sort）
建议采用第一种方法。
对样本进行随机筛选：
sample 50
在观测案例中随机选取50%的样本，其余删除
sample 50,count
在观测案例中随机选取50个样本，其余删除
查看与编辑数据：
browse x1 x2 if x3>3 （按所列变量与条件打开数据查看器）
edit x1 x2 if x3>3 （按所列变量与条件打开数据编辑器）
数据合并（merge）与扩展（append）
merge表示样本量不变，但增加了一些新变量；append表示样本总量增加了，但变量数目不变。
one-to-one merge：
数据源自stata tutorial中的exampw1和exampw2
第一步：将exampw1按v001～v003这三个编码排序，并建立临时数据库tempw1
clear
use "t:\statatut\exampw1.dta"
su ——summarize的简写
sort v001 v002 v003
save tempw1
第二步：对exampw2做同样的处理
clear
use "t:\statatut\exampw2.dta"
su
sort v001 v002 v003
save tempw2
第三步：使用tempw1数据库，将其与tempw2合并：
clear
use tempw1
merge v001 v002 v003 using tempw2
第四步：查看合并后的数据状况：
ta _merge ——tabulate _merge的简写
su
第五步：清理临时数据库，并删除_merge，以免日后合并新变量时出错
erase tempw1.dta
erase tempw2.dta
drop _merge
数据扩展append：
数据源自stata tutorial中的fac19和newfac
clear
use "t:\statatut\fac19.dta"
ta region
append using "t:\statatut\newfac"
ta region
合并后样本量增加，但变量数不变
茎叶图：
stem x1,line(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成两段来显示，前半段为0～4，后半段为5～9）
stem x1,width(2) （做x1的茎叶图，每一个十分位的树茎都被拆分成五段来显示，每个小树茎的组距为2）
stem x1,round(100) （将x1除以100后再做x1的茎叶图）
直方图
采用auto数据库
histogram mpg, discrete frequency normal xlabel(1(1)5)
（discrete表示变量不连续，frequency表示显示频数，normal加入正太分布曲线，xlabel设定x轴，1和5为极端值，(1)为单位）
histogram price, fraction norm
（fraction表示y轴显示小数，除了frequency和fraction这两个选择之外，该命令可替换为“percent”百分比，和“density”密度；未加上discrete就表示将price当作连续变量来绘图）
histogram price, percent by(foreign)
（按照变量“foreign”的分类，将不同类样本的“price”绘制出来，两个图分左右排布）
histogram mpg, discrete by(foreign, col(1))
（按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，两个图分上下排布）
histogram mpg, discrete percent by(foreign, total) norm
（按照变量“foreign”的分类，将不同类样本的“mpg”绘制出来，同时绘出样本整体的“总”直方图）
二变量图：
graph twoway lfit price weight || scatter price weight
（作出price和weight的回归线图——“lfit”，然后与price和weight的散点图相叠加）
twoway scatter price weight,mlabel(make)
（做price和weight的散点图，并在每个点上标注“make”，即厂商的取值）
twoway scatter price weight || lfit price weight,by(foreign)
（按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈左右分布）
twoway scatter price weight || lfit price weight,by(foreign,col(1))
（按照变量foreign的分类，分别对不同类样本的price和weight做散点图和回归线图的叠加，两图呈上下分布）
twoway scatter price weight [fweight= displacement],msymbol(oh)
（画出price和weight的散点图，“msybol(oh)”表示每个点均为中空的圆圈，[fweight= displacement]表示每个点的大小与displacement的取值大小成比例）
twoway connected y1 time,yaxis(1) || y2 time,yaxis(2)
（画出y1和y2这两个变量的时间点线图，并将它们叠加在一个图中，左边“yaxis(1)”为y1的度量，右边“yaxis(2)”为y2的）
twoway line y1 time,yaxis(1) || y2 time,yaxis(2)
（与上图基本相同，就是没有点，只显示曲线）
graph twoway scatter var1 var4 || scatter var2 var4 || scatter var3 var4
（做三个点图的叠加）
graph twoway line var1 var4 || line var2 var4 || line var3 var4
（做三个线图的叠加）
graph twoway connected var1 var4 || connected var2 var4 || connected var3 var4
（叠加三个点线相连图）
更多变量：
graph matrix a b c y
（画出一个散点图矩阵，显示各变量之间所有可能的两两相互散点图）
graph matrix a b c d,half
（生成散点图矩阵，只显示下半部分的三角形区域）
用auto数据集：
graph matrix price mpg weight length,half by( foreign,total col(1) )
（根据foreign变量的不同类型绘制price等四个变量的散点图矩阵，要求绘出总图，并上下排列】=具）
其他图形：
graph box y,over(x) yline(.22)
（对应x的每一个取值构建y的箱型图，并在y轴的0.22处划一条水平线）
graph bar (mean) y,over(x)
对应x的每一个取值，显示y的平均数的条形图。括号中的“mean”也可换成median、sum、sd、p25、p75等
graph bar a1 a2,over(b) stack
（对应在b的每一个取值，显示a1和a2的条形图，a1和a2是叠放成一根条形柱。若不写入“stack”，则a1和a2显示为两个并排的条形柱）
graph dot (median)y,over(x)
（画点图，沿着水平刻度，在x的每一个取值水平所对应的y的中位数上打点）
qnorm x
（画出一幅分位-正态标绘图）
rchart a1 a2 a2
（画出质量控制R图，显示a1到a3的取值范围）
简单统计量的计算：
ameans x
（计算变量x的算术平均值、几何平均值和简单调和平均值，均显示样本量和置信区间）
mean var1 [pweight = var2]
（求取分组数据的平均值和标准误，var1为各组的赋值，var2为每组的频数）
summarize y x1 x2,detail
（可以获得各个变量的百分比数、最大最小值、样本量、平均数、标准差、方差、峰度、偏度）
***注意***
stata中summarize所计算出来的峰度skewness和偏度kurtosis有问题，与ECELL和SPSS有较大差异，建议不采用stata的结果。
summarize var1 [aweight = var2], detail
（求取分组数据的统计量，var1为各组的赋值，var2为每组的频数）
tabstat X1,stats(mean n q max min sd var cv)
（计算变量X1的算术平均值、样本量、四分位线、最大最小值、标准差、方差和变异系数）
概率分布的计算：
（1）贝努利概率分布测试：
webuse quick
bitest quick==0.3,detail
（假设每次得到成功案例‘1’的概率等于0.3，计算在变量quick所显示的二项分布情况下，各种累计概率和单个概率是多少）
bitesti 10,3,0.5,detail
（计算当每次成功的概率为0.5时，十次抽样中抽到三次成功案例的概率：低于或高于三次成功的累计概率和恰好三次成功概率）
（2）泊松分布概率：
display poisson(7,6)
.44971106
（计算均值为7，成功案例小于等于6个的泊松概率）
display poissonp(7,6)
.14900278
（计算均值为7，成功案例恰好等于6个的泊松概率）
display poissontail(7,6)
.69929172
（计算均值为7，成功案例大于等于6个的泊松概率）
（3）超几何分布概率：
display hypergeometricp(10,3,4,2)
.3
（计算在样本总量为10，成功案例为3的样本总体中，不重置地抽取4个样本，其中恰好有2个为成功案例的概率）
display hypergeometric(10,3,4,2)
.96666667
（计算在样本总量为10，成功案例为3的样本总体中，不重置地抽取4个样本，其中有小于或等于2个为成功案例的概率）
检验极端值的步骤：
常见命令：tabulate、stem、codebook、summarize、list、histogram、graph box、gragh matrix
step1.用codebook、summarize、histogram、graph boxs、graph matrix、stem看检验数据的总体情况：
codebook y x1 x2
summarize y x1 x2,detail
histogram x1,norm（正态直方图）
graph box x1（箱图）
graph matrix y x1 x2,half（画出各个变量的两两x-y图）
stem x1（做x1的茎叶图）
可以看出数据分布状况，尤其是最大、最小值
step2.用tabulate、list细致寻找极端值
tabulate code if x1==极端值（作出x1等于极端值时code的频数分布表，code表示地区、年份等序列变量，这样便可找出那些地区的数值出现了错误）
list code if x1==极端值（直接列出x1等于极端值时code的值，当x1的错误过多时，不建议使用该命令）
list in -20/l（l表示last one，-20表示倒数第20个样本，该命令列出了从倒数第20个到倒数第一个样本的各变量值）
step3.用replace命令替换极端值
replace x1=? if x1==极端值
去除极端值：
keep if y<1000
drop if y>1000
对数据排序：
sort x
gsortx
（对数据按x进行升序排列）
gsort -x
（对数据按x进行降序排列）
gsort -x, generate(id) mfirst
（对数据按x进行降序排列，缺失值排最前，生成反映位次的变量id）
对变量进行排序：
order y x3 x1 x2
（将变量按照y、x3、x1、x2的顺序排列）
生成新变量：
gen logx1=log(x1)（得出x1的对数）
gen x1`=exp(logx1)（将logx1反对数化）
gen r61_100=1 if rank>=61