Stata统计分析从入门到精通 李昕 编 专业科技 文轩网

第一部分 基础应用篇
第1章 初识Stata 1
1.1 Stata概述 1
1.1.1 Stata功能简介 1
1.1.2 Stata功能汇总 2
1.2 操作界面 3
1.2.1 窗口介绍 4
1.2.2 语言偏好设置 5
1.2.3 常用快捷键 6
1.3 命令基本语法 6
1.3.1 命令名称（command） 7
1.3.2 变量名称（varlist） 7
1.3.3 按变量分类（by varlist:） 8
1.3.4 赋值（=exp） 9
1.3.5 条件表达式（if exp） 9
1.3.6 限定范围（in range） 10
1.3.7 权重（weight） 11
1.3.8 选项（options） 11
1.4 do文件和log文件 12
1.4.1 do文件的编写 12
1.4.2 运行do文件 13
1.4.3 log文件 14
1.5 获取帮助 14
1.5.1 调用自带帮助 15
1.5.2 使用PDF文档 17
1.6 本章小结 18
第2章 数据管理 19
2.1 变量 19
2.1.1 变量命名规则 19
2.1.2 变量类型 20
2.1.3 变量的显示格式 20
2.1.4 变量标签设置 25
2.2 创建/导入数据集 26
2.2.1 利用数据编辑器创建数据集 26
2.2.2 通过命令输入数据 27
2.2.3 读取已有Stata数据 29
2.2.4 导入其他格式数据 30
2.3 数据集基本操作命令 31
2.3.1 browse命令与edit命令 31
2.3.2 generate命令与replace命令 32
2.3.3 rename命令 33
2.3.4 save命令 33
2.3.5 describe命令 33
2.3.6 list命令 34
2.3.7 codebook命令 34
2.3.8 drop命令与keep命令 35
2.4 数值型变量和字符串变量的转换 36
2.4.1 字符串变量转换为数值型变量 36
2.4.2 数值型变量转换为字符串变量 37
2.4.3 利用real()函数实现字符串数值化 38
2.5 运算符 38
2.5.1 算术运算符 38
2.5.2 关系运算符 39
2.5.3 逻辑运算符 39
2.5.4 运算符优先级 40
2.6 常用函数 40
2.6.1 常用随机数函数 40
2.6.2 常用数学函数 41
2.6.3 常用统计函数 43
2.7 虚拟变量与分类变量 44
2.7.1 虚拟变量 44
2.7.2 分类变量 46
2.8 数据合并与抽取 50
2.8.1 横向合并数据 50
2.8.2 纵向合并数据 52
2.8.3 交叉合并数据 54
2.8.4 抽取数据 57
2.9 本章小结 59
第3章 图形绘制 60
3.1 二维绘图命令族介绍 60
3.2 散点图 62
3.2.1 scatter命令语法格式 62
3.2.2 散点显示设置 63
3.2.3 散点标签设置 67
3.2.4 散点连线设置 68
3.2.5 散点振荡设置 69
3.3 图形设置 70
3.3.1 坐标轴尺度设置 70
3.3.2 坐标轴刻度设置 72
3.3.3 坐标轴标题设置 75
3.3.4 图标题设置 77
3.3.5 图例设置 78
3.3.6 by()选项设置 81
3.3.7 图形显示格式设置 83
3.4 常见图形绘制 84
3.4.1 曲线标绘图 84
3.4.2 连线标绘图 87
3.4.3 拟合图形 87
3.4.4 直方图 90
3.4.5 条形图 92
3.5 图形保存与输出 95
3.5.1 图形保存 95
3.5.2 图形输出 95
3.6 本章小结 96
第二部分 统计分析实现篇
第4章 描述性统计 97
4.1 描述性统计基本理论 97
4.1.1 变量类型 97
4.1.2 频数分布 98
4.1.3 集中趋势 98
4.1.4 离散趋势 100
4.1.5 正态分布 101
4.1.6 偏度和峰度 102
4.1.7 Z标准化得分 103
4.2 连续变量的描述性统计 103
4.2.1 变量摘要统计信息 103
4.2.2 数值型变量汇总统计信息 105
4.2.3 统计量的置信区间 106
4.2.4 正态性检验与数据转换 108
4.3 分类变量的描述性统计 114
4.3.1 列联表概述 114
4.3.2 利用table命令生成列联表 115
4.3.3 利用tabulate命令生成列联表 120
4.3.4 利用tabstat命令生成列联表 129
4.4 本章小结 131
第5章 假设检验 132
5.1 假设检验基础理论 132
5.1.1 假设检验基本步骤 132
5.1.2 t检验 134
5.1.3 检验分类 136
5.2 基于均值的参数检验 137
5.2.1 Stata中的t检验 137
5.2.2 单样本t检验 138
5.2.3 双样本t检验 139
5.2.4 配对样本t检验 141
5.2.5 直接检验法 141
5.3 基于标准差的参数检验 142
5.3.1 Stata中的标准差检验 142
5.3.2 单样本标准差检验 143
5.3.3 双样本方差（标准差）检验 144
5.3.4 直接检验法 144
5.3.5 鲁棒检验 145
5.4 非参数检验 146
5.4.1 单样本正态分布检验 146
5.4.2 两独立样本检验 146
5.4.3 两相关样本检验 147
5.4.4 多独立样本检验 148
5.4.5 游程检验 149
5.5 本章小结 150
第6章 方差分析 151
6.1 单因素方差分析 151
6.1.1 基本理论 151
6.1.2 Stata实现 154
6.1.3 分析示例 155
6.2 多因素方差分析 158
6.2.1 基本理论 159
6.2.2 Stata实现 163
6.2.3 分析示例 164
6.3 协方差分析 169
6.3.1 基本理论 169
6.3.2 Stata实现 170
6.3.3 分析示例 170
6.4 本章小结 172
第7章 相关分析 173
7.1 简单相关分析 173
7.1.1 简单相关分析基础 173
7.1.2 Stata实现 175
7.1.3 分析示例 177
7.2 偏相关分析 180
7.2.1 偏相关分析基础 180
7.2.2 Stata实现 181
7.2.3 分析示例 181
7.3 本章小结 182
第8章 经典线性回归分析 183
8.1 线性回归模型 183
8.1.1 一元线性回归模型 183
8.1.2 多元线性回归模型 184
8.1.3 回归参数的普通最小二乘估计 185
8.1.4 回归方程的统计检验 185
8.1.5 残差分析 191
8.1.6 经典线性回归分析假设 195
8.2 线性回归的Stata实现 196
8.2.1 回归分析命令 196
8.2.2 回归系数的协方差矩阵 198
8.2.3 计算拟合值和残差 199
8.2.4 对回归系数进行假设检验 201
8.3 约束回归分析 202
8.3.1 约束回归条件设置 203
8.3.2 约束回归命令 203
8.3.3 约束回归分析示例 203
8.4 本章小结 205
第9章 非经典线性回归分析 206
9.1 多重共线性 206
9.1.1 多重共线性的检验 206
9.1.2 多重共线性的处理 207
9.2 内生性 211
9.2.1 内生性的检验 211
9.2.2 内生性的处理 214
9.2.3 扩展回归模型 215
9.3 异方差 219
9.3.1 异方差的检验 219
9.3.2 异方差的处理 221
9.4 本章小结 223
第10章 高级回归分析 224
10.1 非线性回归分析 224
10.1.1 Stata实现 224
10.1.2 应用示例 225
10.2 非参数回归分析 227
10.2.1 Stata实现 227
10.2.2 应用示例 227
10.3 分位数回归分析 229
10.3.1 Stata实现 229
10.3.2 应用示例 229
10.4 断尾回归分析 231
10.4.1 Stata实现 231
10.4.2 应用示例 231
10.5 截取回归分析 233
10.5.1 Stata实现 233
10.5.2 应用示例 233
10.6 样本选择模型分析 235
10.6.1 Stata实现 236
10.6.2 应用示例 236
10.7 本章小结 238
第11章 离散回归分析 239
11.1 二值响应模型 239
11.1.1 二元Logistic回归分析 239
11.1.2 二元Probit回归分析 241
11.2 多值响应模型 242
11.2.1 无序响应模型 242
11.2.2 有序响应模型 245
11.3 本章小结 248
第12章 聚类分析 249
12.1 聚类分析基本理论 249
12.1.1 距离的定义 249
12.1.2 指标间的相似系数 251
12.1.3 类间距离及其递推公式 252
12.1.4 K均值聚类 253
12.2 划分聚类分析 254
12.2.1 Stata实现 255
12.2.2 应用示例 256
12.3 层次聚类分析 259
12.3.1 Stata实现 259
12.3.2 应用示例 261
12.4 本章小结 264
第13章 主成分分析与因子分析 265
13.1 主成分分析 265
13.1.1 主成分分析基本理论 265
13.1.2 Stata实现 270
13.1.3 主成分分析的其他命令 271
13.1.4 应用示例 278
13.2 因子分析 282
13.2.1 因子分析基本理论 282
13.2.2 Stata实现 288
13.2.3 因子分析的其他命令 288
13.2.4 应用示例 289
13.3 本章小结 293
第三部分 时间序列分析篇
第14章 时间序列分析初步 294
14.1 基本时间序列模型 294
14.1.1 时间序列的构成因素 294
14.1.2 时间序列长期趋势分析 295
14.1.3 平稳性检验 297
14.2 数据预处理的Stata实现 298
14.2.1 定义时间序列 298
14.2.2 调整时间设置的初始值 299
14.2.3 时间变量为字符串格式时的处理 301
14.2.4 拓展时间区间 302
14.2.5 绘制时间序列趋势图 304
14.2.6 时间序列算子 305
14.3 趋势分析与平滑方法的Stata实现 306
14.3.1 移动平均法 306
14.3.2 指数平滑法 308
14.3.3 非季节性Holt-Winters平滑法 310
14.3.4 季节性Holt-Winters平滑法 312
14.4 本章小结 315
第15章 ARIMA模型 316
15.1 模型基本理论 316
15.1.1 自回归过程（AR模型） 316
15.1.2 移动平均过程（MA模型） 317
15.1.3 自回归移动平均过程（ARMA模型） 318
15.1.4 单整自回归移动平均过程（ARIMA模型） 318
15.2 单位根过程及其检验 319
15.2.1 常见的非平稳随机过程 319
15.2.2 单位根检验 320
15.2.3 协整检验 322
15.3 ARIMA模型的Stata实现 322
15.3.1 相关性检验 322
15.3.2 平稳性检验 324
15.3.3 Stata实现 328
15.4 本章小结 333
第16章 VAR模型与VEC模型 334
16.1 模型基本理论 334
16.1.1 VAR模型定义 334
16.1.2 VAR模型的稳定性特征 335
16.1.3 格兰杰非因果性检验 336
16.1.4 VAR模型的脉冲响应函数和方差分解 337
16.1.5 VEC模型 339
16.1.6 Johansen协整检验 340
16.2 模型的Stata实现 341
16.2.1 获取VAR模型的阶数 341
16.2.2 构建VAR模型 343
16.2.3 平稳性条件判断 345
16.2.4 残差的自相关检验 346
16.2.5 残差的正态性检验 347
16.2.6 格兰杰因果性检验 348
16.2.7 脉冲响应分析 349
16.2.8 Johansen协整检验 354
16.3 本章小结 356
第17章 ARCH系列模型 357
17.1 模型基本理论 357
17.1.1 ARCH模型 357
17.1.2 GARCH模型 358
17.1.3 GARCH-M模型 359
17.1.4 其他模型 359
17.2 模型的Stata实现 360
17.2.1 拟合ARCH系列模型 360
17.2.2 ARCH模型的LM检验 361
17.2.3 对ARCH系列模型进行预测 361
17.3 本章小结 364
参考文献 365