stata导出结果括号里是什么

stata导出结果括号里是内容

安装outreg2，然后outreg2 using myfilertf, [options] 可以直接在word里面输出结果，会自动给你标注上，options里面，可以调整成自己期望看到的格式。

//lecture 9

//绘值散点图并添加图例：

scatter le year, c(l) xlabel(1990 1918 1940(20)2000, grid) legend(on)

//显示图例（自带的label，并未修改）

//le 变量的标签 图例是变量的标签,所以修改图例可以先修改标签

//不改变真正的label

scatter le_male le_female year, c(l) legend(label(1 "Male") label(2 "Female"))

//绘值le_m、le_f 散点图并添加图例，将图例分别改成“male”and“female”

scatter le_male le_female year, c(l) legend(on order(1 "male" 2 "female"))

//和上一行一样

twoway (line le_male year, lpattern(dash)) (line le_female year, lcolor(red) lpattern(dot)) (line le_w year, lcolor(green)), legend (on order(1 "Male" 2 "Female" 3 "White") col(1) ring(0) pos(4) title("标题") subtitle("子标题"))

//twoway（将几张图画在同一个里面）：展示第一个图是什么（），第二是什么（）第三个是什么。。。。。，用括号的形式展示出这个图形是什么，lpattern是线的形式 dash是虚线 （默认为实线），dot是点，lcolor是线的颜色

//其中pattern必须改 因为打印出黑白分不清颜色

//pos（4）是把图例放在四点钟方向（右下角）默认为六点钟方向， ring（0）是放在图形里面 col（）是一行放几个元素

sysuse "autodta",clear

scatter mpg weight

//散点图

twoway(scatter mpg weight if foreign == 0)(scatter mpg weight if foreign == 1)  , legend(on order(1 "国产车" 2 "进口车"))

scatter mpg weight, by(foreign)

//以foreign，domestic作区分  与twoway不同，这个是分别独立做图 散点图

scatter mpg weight, by(foreign, total)

//并添加一张包含所有观测值

scatter mpg weight, by(foreign, total rows(1))

//将绘制的图形改为一行排列

scatter mpg weight, by(foreign, total holes(3))

//将绘制图形的留白放在左下方

scatter mpg weight, by(foreign,total title("My Title"))

//将图形添加一个全标题

scatter mpg weight, subtitle(" ") by(foreign, total title("my title"))

//将每个小图的标题去掉

scatter mpg weight, subtitle(ring(0) pos(12) nobexpand) by(foreign, total title("my title"))

//将每个图的小标题位置更改

//如果foreign变量没有标签怎么办？

label drop origin

scatter mpg weight, by(foreign, total title("My Title"))

label define origin_v 0 "国产" 1 "进口"

label values foreign origin_v

scatter mpg weight, by(foreign, total title("My title"))

twoway (scatter mpg weight if foreign == 0) (scatter mpg weight if foreign == 1, msymbol(x)),legend(order(1 "国产" 2 "进口"))

scatter mpg weight || lfit mpg weight , by(foreign, row(1))

//绘制散点和线性复合图形，根据foreign分组，添加一个总体图 排成一行

scatter mpg weight || lfit mpg weight, legend(cols(1) ring(0)) by(foreign, legend(pos(4)))

//将图例变为一列显示，放置四点钟方向

scatter mpg weight || lfit mpg weight ||,legend(rows(1)) by(foreign, total legend(at(3) pos(0)))

//将图例放在2x2的留白处

scatter mpg weight || lfit mpg weight ||, by(foreign, total legend(off))

//将图例放在2x2的留白处

//scheme选项

help scheme

//轴线选择选项

help axis_choice_options

//example

sysuse auto,clear

scatter mpg price weight

//绘制散点图，要求两个y轴变量共用y轴

twoway (scatter mpg weight) (scatter price weight)

//一样

twoway (scatter mpg weight) (scatter price weight, yaxis(2))

//绘制散点图，并使用两个y轴

twoway ( scatter mpg weight ) (scatter price weight, yaxis(2)), xlabel(1000(500)5000) ytick(#10, axis(2)) ylabel(#8, axis(1))

//每一个坐标轴添加刻度和标识，x轴大约10个刻度，左边的y轴大约8个刻度，右边的大约10个刻度

//添加轴线选项

help added_line_options

//图形保存选项

sysuse auto,clear

help area

sysuse gnp96, clear

graph twoway area dgnp96 date

//时间序列数据

gen dev_gnp = gnp96 - lgnp96

twoway(line gnp96 date) (area dgnp96 date, yaxis(2))

twoway(line gnp96 date) (area dev_gnp date, yaxis(2))

twoway(line gnp96 date) (line dev_gnp date, lpattern(dot) lcolor(1))

//绘制如下复杂图：

graph use area_gnp

sysuse gnp96,clear

#delimit ;

twoway area dgnp96 date, xlabel(#20, angle(90))

ylabel(-100(50)200,angel(0))

ytitle("Billions of 1996 Dollars")

xtitle("")

subtitle("Change in US GNP",pos(11))

note("Source: US Department of Commerce, Bureau of Economics")

;

#delimit cr

//换行功能换回回车

graph save area_gp, replace

//lecture 10

sysuse lifeexp, clear

help histogram

//直方图📊，主要绘制连续变量，密度图，还要乘以宽度才是频数

twoway histogram le

//le是lexp的简称，直方图描述从多少到多少有多少个

//by 在有0，1变量时候可以用

twoway hist le, bin(10)

twoway hist le, bin(5)

//设置几个柱子

twoway hist le, width(5)

//设置柱子的宽度

twoway hist le, gap(10)

//柱子之间的间隙

twoway hist le, horizontal

//横过来，水平直方图

twoway hist le, percent

//以百分比形式显示

help graph bar

help graph hbar

//条图，主要绘制离散变量

sysuse citytemp, clear

graph bar (mean) tempjuly tempjan

graph bar tempjuly tempjan, over(region)

//默认设置为均值，按照地区（东南西北）划分

graph bar tempjuly tempjan, over(region) bargap(30)

//两个柱状之间的位置可以调，可以重叠，也可以分开一点 -30代表重叠 30代表分开

graph bar tempjuly tempjan, over(region) stack

//可以把两个变量堆积在一起，一般堆积的是个数 均值没啥意义

graph bar tempjuly tempjan, over(division) 

//数据中有两个分类变量，可以根据division再分类

tab division if region == 1

tab division if region == 2

graph bar tempjan, over(division) over(region)

//每一个region下又分几个division

graph bar tempjuly tempjan, over(region, gap(10))

//条与条之间的间隔

graph bar tempjuly tempjan, over(region, descending)

//数据中west是4 所以按4321排列

graph bar tempjuly tempjan, by(region)

//按region分别绘制四个图

//图形保存选项：

sysuse auto,clear

scatter mpg price weight

graph save fig1, replace

graph use fig1

//读取已存储图形

graph export fig1png, replace

//运行时要保证scatter mpg price weight 这个图是打开的 否则运行不了

cd /Victor/stata

//电子地图：

findit spmap

help spmap

unicode encoding set gb18030

unicode translate "china_labeldta"

//必须先清零数据，然后运行一遍路径名 才能运行这两行命令

use "china_labeldta", clear

//example 1

use china_label, clear

gen xx = uniform()

spmap xx using "china_mapdta", id(id) title("中国地图",size(08)) label(label(ename) xcoord(x_coord) ycoord(y_coord) size(8)) plotregion(icolor(stone)) graphregion(icolor(stone)) fc(Greens) clnumber(8) oc(white ) osize(medthin )

//clnumbers 代表8种不同的绿色

//example 2

tab name

replace name = subinstr(name, "省", "", )

replace name = subinstr(name, "市", "", )

replace name = subinstr(name, "回族自治区", "", )

replace name = subinstr(name, "壮族自治区", "", )

replace name = subinstr(name, "特别行政区", "", )

replace name = subinstr(name, "自治区", "", )

replace name = subinstr(name, "维吾尔", "", )

tab name

//改名字

foreach x of numlist 1/5{

gen num`x'=uniform()

}

//产生0到1的随机数

format x %93g

foreach x of numlist 1/5{

spmap `x' using "china_mapdta",id(id) title("中国地图", size(08)) label(label(ename) xcoord(x_coord) ycoord(y_coord) size(8)) plotregion(icolor(stone)) graphregion(icolor(stone)) fc(Greens) clnumber(8)  oc(white ) osize(medthin ) graph export "china0`x'png", replace

}

//lecture 11

sysuse auto, clear

summarize mpg weight

//summarize 后面可以接一个或多个变量，个数 均值 最小最大值

summarize mpg, detail

//会有关于数据其他的统计指标

help summarize

tabulate mpg, sort

//离散变量排序之后用表统计

tabulate foreign

//最好是分类变量去tabulate,展示各个种类有多少个，占多大比例（离散的）

help tabulate

sysuse nlsw88, clear

tab occ

//不同职业的样本在我的数据库里面分别有多少个，比例大小，总的样本数量是多少

tab industry

sysuse auto, clear

tabstat mpg price weight rep78 , stat(n mean sd min median max) c(s)

//c(s)是转置过来这个矩阵，默认阅读方式是：列是统计指标，行是变量名称

help tabstat

//下划线是代表可以简写，只写c(s)

//可以规定format 总长度多少个单位，小数点前面，后面有多少个单位，统一成一个格式

tabstat mpg price weight rep78 , by(foreign) stat(n mean sd min median max) c(s)

//by是以什么分类展示

//输出表格（不要复制）：

ssc install logout

logout, save(summarize) tex word excel dec(3) replace: tabstat mpg price weight rep78 , stat(n mean sd min median max) column(s) long format

//不建议导出成tex word 因为在Excel还要进一步编辑，xml格式的可以在excel打开 rtf是可以从word打开 就可以应用在论文里面了。replace替换原来的  dec（3）代表小数点后统一保留三位数，replace后面与之前一模一样 ，column是列

logout, save(summarize) tex word excel dec(3) replace: tabstat mpg price weight rep78 , by(foreign) stat(n mean sd min median max) c(s)

//save(文件名)

use nei_sampledta, clear

describe

duplicates tag newid year, gen(dup)

edit newid year if dup >= 195

duplicates drop newid year, force

help merge

duplicates drop newid year, force

//一个地方会有n个企业

merge m:1 fips year using "county_nadta"

//根据county的代码和时间调用

//有三部分的merge，merge=1和2是不需要的地方 只保留3（matched） 因为没有企业的观测值（0），而merge=1则是有企业的观测值（1），而merge=2没有政策的观测值（0）（观测到了企业污染，却没有观察到关于政策的变量）

//我们关心企业所在的地区是否有环境政策

//做一个最简单的回归，政策对污染的影响：(regress)

foreach v of varlist reg_ {

replace `v'= 0 if `v' ==

}

//将missing变成0

reg co reg_co

gen lco = ln(co)

reg lco reg_co

//有0的问题

//add a set of dummies(虚拟变量）, tear , industry, county

gen fips_st = substr(fips,1,2)

//state（截取fips编号的前两位）

gen sic2 = substr(sic,1,2)

//industry

gen sic1 = substr(sic2,1,1)

keep if sic1 == "2" | sic1 == "3"

//manufacturing only 或

gen lco = log(co)

//generate log

reg lco reg_co

//reg_co代表政府有无监管，有就是1（非常不准）表中的_cons代表截距

xi: reg lco reg_co iyear

//按照年份，每年加一个虚拟变量，是这一年就是一

//with year FE     （根据每一年不一样回归 ）

//年份前的系数是相对于基年的增加或减少，添加年份虚拟变量

//分离出宏观经济冲击的影响

bys year: egen id_sum = count(newid)

//？

xi : reg lco reg_co id_sum iyear 

//with year FE, multicolinearity

//如果观测值是1996年的，那么iyear1996=1，这个统一的因素会影响所有的企业（宏观经济因素，所有企业都受影响），今年的这个企业和明年的这个企业外部环境是不一样的，是什么不重要，要capture这个东西

xi : reg lco reg_co  iyear isic2

//with industry FE（不同产业的影响）

xi : reg lco reg_co  iyear isic2 ifips_st

//with state FE(省政府对环境保护的压力的影响）

xi : reg lco reg_co  iyear isic2 ifips

//with county FE

duplicates drop newid year， force

xtset newid year 

//set panel

xi: reg lco reg_co inewid

//通过添加dummy

xi: xtreg lco reg_co, fe

//先进行差分 （常用）

//这两行的结果相同

xi: xtreg lco reg_co iyear , fe

//year

xi: xtreg lco reg_co iyear ifips_st, fe

//state fe

xi: xtreg lco reg_co iyear isic2, fe

//industry fe

//下标都是固定效益 用希腊字母带下标 c是位置 j是行业 t为第t年的宏观经济形势/技术进步（系统性） i表示企业自身的固定效益，是观察不到的个体特征因素（有些企业管理水平天生高，低） 

sort newid sic2

by newid: gen newsic2 = sic2[_N]

xi: xtreg lco reg_co inewsic2, fe

//企业不更改行业属性

//two-way fised effects with firm fixed effects

xi:xtreg lco reg_co iteayinewsic2, fe

//industry-year FE

xi:xtreg lco reg_co iteayifips_st, fe

findit outreg2

//默默地回归quite

qui xi: xtreg lco reg_co inewsic2,fe

outreg2 using result1xls,excel keep(reg_co) dec(3) addtext(Firm FE, Y,Stata-Year FE,n,Industry-Year FE,n)

//keep只保留关心的系数，小数点后面保留多少位

//数据批量导入与导出，乱码处理，变量构造，数据的整理，数据变量的修改，相互转换

//数据可视化，在统计中summary statistic table 然后在fixeffect model 简单地看了一下

//将回归结果用excel报告

先copy as table，再无格式粘贴到excel，然后从excel粘贴到word,就比较完善了。我试过好多次，这是最高效的。

还可以用esttab命令，也挺方便。但是必须用在模型估计后。其它不适用。

stata16可以使用Putword命令，再复杂的无论什么类型的表都可以写进word，不过部分功能比较烦琐

方法：首先在Stata中输入“ssc install asdoc, replace”，安装外部命令“asdoc”；然后在数据中输入“asdoc reg price mpg weight”；最后生成一个名为“Myfiledoc”的文件即可。Stata的统计功能很强，除了传统的统计分析方法外，还收集了近20年发展起来的新方法，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归，负二项回归及广义负二项回归，随机效应模型等。

具体说， Stata具有如下统计分析能力：

数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。

分类资料的一般分析：参数估计，列联表分析 ( 列联系数，确切概率 ) ，流行病学表格分析等。

等级资料的一般分析：秩变换，秩和检验，秩相关等

相关与回归分析：简单相关，偏相关，典型相关，以及多达数十种的回归分析方法，如多元线性回归，逐步回归，加权回归，稳键回归，二阶段回归，百分位数 ( 中位数 ) 回归，残差分析、强影响点分析，曲线拟合，随机效应的线性回归模型等。

其他方法：质量控制，整群抽样的设计效率，诊断试验评价， kappa等。

在Stata中输入代码。

在Stata中输入sscinstallasdoc，replace，安装外部命令asdoc。先做第一次回归，这里小编以Stata自带的auto数据集为例。调入数据后，输入命令sdocregpricempg，nestreplace。这里一定要加上nesetreplac。执行第一次回归后，点击Stata自带生成的Word，查看输出的情况。

STATA结果就是文本，直接COPY出来就行。不过论文中的表格与结果报告有专业的标准，请按你们的专业重新在WORD里制作论文中的表格。