《Stata统计分析与应用(第2版)》一导读

简介:

image

前 言

Stata与SAS、SPSS统称为三大权威统计软件,被广泛应用于统计学、经济学、生物学、医药学、社会学、人口学等领域,功能十分强大。与其他软件相比,Stata具有以下优势:操作简单,方便掌握;系统开放,及时更新;数据处理,功能强大;图形制作,精美优良等。Stata软件具有5大功能,分别为数据的基本处理、图形绘制、统计分析、回归与建模分析、编程等。该软件是由Stata公司在1985年推出的,虽然现在最新的版本为2009年推出的Stata 11.0,但是鉴于11.0版本还基本没有在我国推广和使用,所以本书所介绍的功能主要是通过Stata 10.0来实现的。
  本书共17章,编写时先讲解各个实验案例的理论依据和模型,然后讲解该操作的通用命令模块,最后讲解操作的具体命令和命令执行结果。
  * 第1章是Stata软件概述,主要介绍Stata软件的窗口、基本操作及主要功能模块。
  * 第2章主要介绍数据的类型、压缩、转化、导入及整理。
  * 第3章主要介绍Stata的图形制作,主要包括图形制作的基本命令与相关操作,直方图、散点图、曲线标绘图、条形图、饼图、箱线图的绘制方法,以及图形的保存、合并和修改。
  * 第4章主要介绍单因素方差分析、多因素方差分析、协方差分析的相关实验内容。
  * 第5章主要介绍单个总体的假设检验和两个总体的假设检验等相关内容。
  * 第6章主要介绍小样本、大样本的OLS估计原理、操作方法和结果的解读,然后介绍约束回归和非线性最小二乘的相关实验内容。
  * 第7章主要介绍虚拟变量的处理、经济结构变动的Chow检验、遗漏变量的检验、自变量数量的选择、极端数据的诊断与处理等。
  * 第8章主要介绍多重共线性与逐步回归法、异方差检验与处理、内生性与2SLS等。
  * 第9章主要介绍二值选择模型、多值选择模型、排序选择模型、条件和嵌套Logit模型等内容。
  * 第10章主要介绍泊松回归模型、负二项和广义负二项回归模型、零膨胀回归模型等。
  * 第11章主要介绍断尾回归模型、截取回归模型及样本选择模型。
  * 第12章主要介绍时间序列的定义与扩展、相关图绘制与白噪声检验、移动平均滤波与指数平滑法、ARIMA模型、SARIMA模型、ARIMAX模型、单位根检验、向量自回归模型、协整与向量误差修正模型、ARCH族模型。
  * 第13章主要介绍面板数据的基本操作、固定效应与随机效应模型等。
  * 第14章主要介绍似不相关回归、多元回归模型、联立方程模型。
  * 第15章主要介绍随机数的生成、重复抽样及自助法。
  * 第16章是Stata编程基础,主要介绍基本概念与工具、程序文件的基本格式和程序控制语句。
  * 第17章是Stata综合案例分析,包括社会保障与经济增长关系实证研究、外部竞争环境不同的企业公司治理对绩效影响的实证研究、农民焚烧秸秆意愿的实证研究。
  本书内容丰富,语言叙述清晰,结构简洁明了,通俗易懂,是一本较为实用的Stata实验教程。书中各章不仅通过详细的理论和案例讲解,而且还有与之配套的所有数据,在每章最后还附有一定数目的上机练习题,以供读者自行练习和应用,因此,读者只需按照书中介绍的步骤一步步地实际操作,就能完全掌握本书的内容。

目 录

 
第1章 Stata软件概述
1.1 Stata软件简介
1.2 Stata窗口及基本操作
1.3 Stata主要功能模块
第2章 Stata中的数据处理
2.1 数据的类型、压缩和转化
2.2 数据的导入
2.3 数据的整理
第3章 Stata中的图形制作
3.1 图形制作的基本命令与相关操作
3.2 直方图、散点图和曲线标绘图的绘制
3.3 条形图、饼图和箱线图的绘制
3.4 图形的保存、合并及修改
第4章 Stata与方差分析
实验4.1 单因素方差分析
实验4.2 多因素方差分析
实验4.3 协方差分析
复习与习题

相关文章
|
6月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用R语言进行统计分析的深入探索
【5月更文挑战第22天】R语言是数据分析首选工具,以其强大的统计计算和图形绘制功能受青睐。本文介绍了R在描述性统计、假设检验、回归分析、聚类分析和时间序列分析中的应用。通过线性回归案例展示了R如何进行数据分析,强调了其在数据科学中的重要地位。随着数据科学的发展,R语言将继续发挥关键作用。
|
6月前
|
前端开发 数据挖掘
使用R语言进行非参数统计分析
【4月更文挑战第27天】R语言非参数统计分析,适用于数据分布未知或不满足正态分布的情况。常用方法包括秩和检验、符号秩检验、Spearman秩相关及Kruskal-Wallis H检验,可通过`wilcox.test`、`signrank.test`、`cor.test`和`kruskal.test`等函数实现。在社会、生物、经济等领域广泛应用,结果解释与验证可借助`summary`、`plot`、自助法和置换测试。通过实例展示了如何使用R进行非参数分析,以比较不同治疗方法的效果。R为非参数统计提供强大工具,助力复杂现象理解和预测。
108 0
|
6月前
|
算法 数据挖掘
R语言在统计分析中的应用
【4月更文挑战第25天】本文探讨了R语言在统计分析的广泛应用,包括描述性统计(如`mean()`, `median()`, `sd()`函数)、推断性统计(如`t.test()`, `aov()`)、回归分析(`lm()`, `glm()`)、时间序列分析(`ts()`, `auto.arima()`)、贝叶斯统计与模拟、多元统计(主成分分析、因子分析、聚类和判别分析)。R的开源性质和丰富的包生态系统使其成为统计工作的理想工具,助力用户保持对最新统计方法的了解。
81 0
|
6月前
|
数据挖掘
SPSS频数分析
SPSS频数分析
86 0
SPSS频数分析
|
6月前
|
数据可视化 数据挖掘
SPSS描述性统计分析
SPSS描述性统计分析
130 0
|
6月前
|
数据挖掘
SPSS信度分析
SPSS信度分析
116 0
|
6月前
|
数据挖掘
SPSS列联表分析
SPSS列联表分析
164 0
【Stata】4-数据整理
【Stata】4-数据整理
95 0
|
数据中心 数据格式
【Stata】3-数据
【Stata】3-数据
87 0
|
数据挖掘 Python
spss、R语言、Python数据分析系列(5)spss基本统计分析
spss、R语言、Python数据分析系列(5)spss基本统计分析
220 0
spss、R语言、Python数据分析系列(5)spss基本统计分析