Stata 与 EViews 操作入门

Stata 界面四大窗口

Stata 17.0 界面有四个主要窗口：结果窗口（中央最大，显示命令执行结果）、命令窗口（下方输入区，输入命令但不保存）、历史窗口（左侧，列出已执行命令、可点击复用）、变量窗口（右侧，列变量名与标签）。另有属性窗口显示所选变量的名称、类型、格式、值标签，以及变量数、观测数与内存等数据信息。

三类文件与三种运行方式

三类文件：数据文件 *.dta 存变量与观测；程序文件 *.do 存命令代码，可批量运行、重复使用；结果文件 *.log 记录全部运行结果，可发给合作者。

三种运行方式：菜单操作执行后结果窗口能显示命令行与结果，但命令不保存；命令行操作在命令窗口直接输入，一次只能写一行，关闭后丢失；程序操作用 do-file 编辑器编写 .do 文件执行批量命令。推荐 do 文件方式：命令保存、批量运行、可复用，日志结果可存档。

文件管理与数据导入导出

清内存与设置：clear all 清除内存；set more off 让结果连续显示、不翻页暂停；capture log close 若日志已开先关闭。

目录与日志：cd "路径" 进入文件夹；log using 文件名, text replace 开始记录日志，log close 关闭日志。

数据调用与导入导出：use auto.dta, clear 调用 dta 数据；import excel using auto.xls, firstrow clear 从 Excel 导入，firstrow 表示第一行是变量名；export excel using temp.xls, first(variable) replace 导出 Excel。手工造数可用 generate var1=.、set obs 2、replace var3=6 in 3 等命令逐步构建。

数据浏览与变量操作

浏览与编辑：browse 只读查看；edit 打开数据编辑器，缺失值用点 . 表示；list in 1/10 列出前 10 条，list make price mpg in 1/10 列出指定变量；drop if rep78==. 删除满足条件的观测，缺失值判断用 ==.；save temp.dta, replace 保存。

改名与加标签：rename foreign import 只改变量名、数据不变；label var rep78 "repair record 1978" 给变量加标签说明含义。

排序：sort price 升序；gsort -price 降序（变量前加负号），数据量大时用来看最大值、最小值。

生成新变量：gen lprice=log(price) 对价格取对数，价格、GDP 等经济变量建模时常取对数；gen rep78new=rep78+1 先平移再加一（rep78 有 0 值无法取对数）；gen check=(rep78>=4) 生成 0/1 虚拟变量，条件成立为 1。

运算、数据检查、画图与描述统计

运算符号：算术 + - * / 与次方 ^（disp 2^3 输出 8）；关系运算 == != > < >= <=，比较相等用双等号 ==、单个 = 用于赋值；逻辑运算 &（和）、|（或）、~（非）。例：list rep78 price if rep78>0 & price>10000 列出"修理记录为正且价格高于 1 万"的观测。

数据检查：describe（简写 d）显示变量类型；tabulate（简写 tab）做频数表；summarize（简写 sum）给出 Obs/Mean/Std.Dev./Min/Max，写论文时先汇报描述统计；count 计数。auto 数据中 price 均值 6165.257、标准差 2949.496、最小 3291、最大 15906；rep78 只有 69 个观测，其余为缺失值，summarize 对缺失值不计数。

画图：histogram rep78, normal 画直方图并叠加正态曲线；graph twoway scatter price mpg 画散点图，price 与 mpg 呈负相关趋势。

帮助：help import 查看命令帮助，findit xtbalance 查找并安装用户自编的插件命令。注释：* 整行注释，// 行尾注释，/* */ 整块注释。

回归与检验命令

相关与回归：correlate（简写 cor）给出相关系数，cor price mpg 得 -0.459；regress（简写 reg）做回归，格式为 reg 被解释变量解释变量，如 reg price mpg。结果表给出系数、标准误、t 值、P 值、R² 等。

假设检验与模型选择：test educ exper 做 F 联合检验，test jc=univ 检验系数相等；estat hettest 做 BP 异方差检验，estat imtest, white 做 White 检验；estat ovtest 做 Ramsey RESET 检验；estat bgodfrey, lags(3) 做序列相关 LM 检验。

内生性与工具变量：ivregress 2sls lwage (educ = motheduc fatheduc) exper expersq，内生变量与工具变量用括号括起来，外生变量自己作为自己的工具变量；estat endogenous 做内生性检验，estat overid 做过度识别约束检验。

稳健标准误：reg y x1 x2, robust 报告异方差稳健标准误；newey y x, lag(3) 报告序列相关稳健标准误。

时间序列：先用 tsset 时间变量 声明时间序列结构；corrgram y, lags(10) 输出自相关、偏自相关与 Q 统计量；wntestq y, lag(10) 做白噪声 Ljung-Box 检验；dfuller y, lags(p) reg 做 ADF 单位根检验（含截距），noconstant 为无截距无趋势、trend 为截距加趋势。

以 auto.dta 为例的建模流程

1978 年汽车数据 auto.dta 有 74 个观测、12 个变量，含 make（车型）、price（价格）、mpg（每加仑英里数）、rep78（1978 年修理记录）、foreign（0=国产，1=进口）等。完整建模流程：

clear all
set more off
use auto.dta, clear

* 描述统计与数据检查
su price mpg
tab rep78
corr price mpg
graph twoway scatter price mpg

* 变量变换
gen lprice=log(price)

* 回归建模
reg price mpg
reg lprice mpg

reg price mpg 的结果：mpg 系数 -238.8943（标准误 53.07669、\(t=-4.50\)、\(P>|t|=0.000\)）、常数项 11253.06，\(R^2=0.2196\)、调整 \(R^2=0.2087\)。mpg 每提高 1，价格平均下降约 239 美元，mpg 解释价格变动的约 22%。对价格取对数后回归可以降低异方差。

EViews 常用操作

方程估计：打开工作文件后，菜单 Quick → Estimate Equation，或命令窗口输入 ls wage c education 做最小二乘估计，c 表示常数项；方法选 Least Squares。

异方差检验与稳健标准误：在 OLS 结果上 View → Residual Diagnostics → Heteroskedasticity Tests，可选 Breusch-Pagan-Godfrey 或 White 检验；方程设定中加选项 (covariance=white) 报告稳健标准误，协方差方法选择 Huber-White。

工具变量估计：菜单 Quick → Estimate Equation，method 选 TSLS，specification 填 lwage c educ exper expersq，instrument list 填 exper expersq motheduc fatheduc；命令形式为 TSLS LWAGE C EDUC EXPER EXPERSQ @ EXPER EXPERSQ MOTHEDUC FATHEDUC，@ 之后为工具变量列，不可省略。

序列相关与单位根：回归方程窗口 View → Residual Diagnostics → Serial Correlation LM Test 做序列相关检验；Quick → Series Statistics → Unit Root Test，Test type 选 ADF，Test for unit root in 选 Level / 1^st difference / 2^nd difference，Include in test equation 选 Intercept / Trend and intercept / None，滞后阶数可自动（SIC）或自定。

发现错误？想一起完善？在 GitHub 上编辑此页！
本页面贡献者：AI-PM Wiki Team
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用