Stata · 深度入门手册

分类：专业软件 ｜难度：★★☆ 进阶｜编号：stata

一、这是什么（一句话用途）

计量经济学与面板数据分析利器，命令式操作、回归与因果推断强。

二、核心定位

命令 + 数据的工作流，do 文件可复现，内置丰富面板/生存/因果方法。

三、核心原理剖析

Stata 以"命令即分析"的范式著称：一条 reg y x1 x2 就完成一次 OLS 回归并输出完整诊断表。它把全部操作写成 do 文件（脚本），使整个分析流程可一键复现——这对学术研究的严谨性（可重复、可审计）至关重要。Stata 在计量经济学领域地位稳固，面板数据（固定/随机效应）、工具变量、生存分析、双重差分（DID）等因果推断方法都有一流实现。与 SPSS 的菜单不同，Stata 的命令式让复杂分析能像编程一样组合、参数化，同时内置 Mata 矩阵引擎可写高性能自定义算法。

四、底层机制与推导

面板固定效应：对个体 $i$ 、时间 $t$ 的模型 $y_{it}=x_{it}\beta+\alpha_i+u_{it}$ （ $\alpha_i$ 为不随时间变的个体效应）。固定效应通过"组内去心"消除 $\alpha_i$ ：对每个变量减去其个体均值 $\ddot y_{it}=y_{it}-\bar y_i$ ，于是 $\ddot y_{it}=\ddot x_{it}\beta+\ddot u_{it}$ ，对去心数据做 OLS 即得一致估计。等价地，也可用最小二乘虚拟变量（LSDV）把 $\alpha_i$ 当参数估。

混合估计 vs 随机效应：用 Breusch-Pagan 检验判断是否需随机效应；Hausman 检验在固定与随机效应间择优（若 $H_0$ 成立选随机效应更效）。Stata 的 xtreg y x, fe 内部即做组内去心 OLS，输出 within R²（仅反映组内变异解释力）而非整体 $R^2$ 。

估计量方差用稳健标准误（聚类于个体）修正异方差与自相关：

$\widehat{\mathrm{Var}}(\hat\beta)=\left(\sum \ddot x_i'\ddot x_i\right)^{-1}\left(\sum \ddot x_i'\hat u_i\hat u_i'\ddot x_i\right)\left(\sum \ddot x_i'\ddot x_i\right)^{-1}$

五、上手步骤

导入数据(use/import)
用 describe/summarize 看概览
reg y x1 x2 做回归
xtset 设面板后 xtreg
esttab 导出结果表

六、关键命令 / 语法 / 界面要点

sysuse auto
reg price mpg weight        // OLS
xtset id year
xtreg y x, fe              // 固定效应
esttab using out.rtf, replace

七、最小可跑示例

用自带 auto 数据 reg price weight 看系数与 R²；xtreg 做面板固定效应。

八、学习资源 / 去哪学

Stata 官方（商业）；do 文件可复现；推荐《Introductory Econometrics》。

九、常见坑（避坑清单）

命令式，记语法
面板要先 xtset
版本间命令兼容
商业软件授权贵

十、怎么算用好了

看系数、标准误、p 值；estat 系列看诊断；R²/组内 R²。

十一、能跑哪些建模算法

可跑：回归、面板、生存分析、因果推断、政策评估。

本手册由「工具入门手册生成器」自动产出（深度版），与算法深度手册同套体系。

实战案例

Stata 回归分析实战

场景：探究 GDP、人口、研发投入对区域创新产出的影响。
任务：建立多元线性回归并检验异方差。

完整代码（stata）

* 导入数据
import excel "region.xlsx", firstrow clear

* 描述统计
summarize innovation gdp pop rnd

* 多元回归
reg innovation gdp pop rnd

* 异方差检验（怀特检验）
estat hettest

* 若存在异方差，使用稳健标准误
reg innovation gdp pop rnd, vce(robust)

运行效果

  innovation | Coefficient  Std. err.      t    P>|t|

-------------+---------------------------------------
gdp | 0.3421*** 0.0512 6.68 0.000
pop | -0.1188* 0.0621 -1.91 0.058
rnd | 1.2056*** 0.2103 5.73 0.000
_cons | -2.3410 1.8820 -1.24 0.215
R-squared = 0.783，研发投入对创新产出正向显著。