Stata怎么用？从界面认识到完整分析流程的入门指南
时间: 2026-01-03 浏览量: 17779
一、认识Stata的界面
第一次启动Stata，你会看到四个主要的窗口。理解它们的分工，是熟练使用Stata的第一步。
命令窗口位于界面下方，有一条横线和一个闪烁的光标。这是你输入命令的地方。在这里敲下命令并按回车，Stata就会执行它。
结果窗口占据了界面的主要部分，用来显示命令执行后的输出结果。所有的统计分析结果、错误提示都会显示在这里。
变量窗口通常位于右上方，列出当前数据集中所有变量的名称。双击某个变量名，它会自动插入到命令窗口中，省去手动输入的麻烦。
历史窗口记录了你执行过的所有命令。如果某条命令写对了，下次想再用，可以直接在历史窗口中双击它，或者用PageUp/PageDown键翻找。
除了这四个核心窗口，还有一个非常重要的存在：do文件编辑器。do文件是Stata的脚本文件，你可以把一系列命令写在一个do文件里，然后一次性运行。这是实现可复现研究的关键工具。点击菜单栏的“Window”→“Do-file Editor”或者直接点工具栏上的图标，就能打开do文件编辑器。
二、数据导入：让Stata认识你的数据
做任何分析之前，第一步都是把数据导入Stata。Stata支持多种常见的数据格式。
导入Stata格式文件（.dta）
如果你拿到的是已经保存好的Stata数据文件，操作最简单。在命令窗口输入：
use "文件路径.dta", clear
clear选项的作用是清空当前内存中的数据，避免和新数据冲突。你也可以直接把这个文件拖拽到Stata窗口中，同样可以打开。
导入Excel文件
Excel是日常最常用的数据格式。导入Excel的命令是import excel：
import excel "文件路径.xlsx", sheet("Sheet1") firstrow clear
这条命令的含义是：导入指定Excel文件，取名为“Sheet1”的工作表，把第一行作为变量名，清空当前内存中的数据。如果你的Excel文件只有一个工作表，sheet()选项可以省略。
导入CSV文件
对于CSV文件，使用import delimited命令：
import delimited "文件路径.csv", clear
默认情况下，Stata会自动识别第一行是否为变量名。如果第一行不是变量名，可以加上varnames(nonames)选项。
数据导入后，可以用browse命令打开数据编辑器，直观地查看数据内容；用describe命令查看数据的基本信息，包括变量个数、观测数、每个变量的存储类型等；用list命令在结果窗口中列出数据的前几行。
三、数据清洗：把数据整理干净
真实世界的数据很少是完美的，直接拿来分析往往会有问题。数据清洗就是把这些“脏数据”处理干净的过程。
处理变量类型
有时候从Excel导入后，某些变量在变量窗口中显示为红色，这是因为Stata把它们识别成了字符串（字符型），无法直接用于数值分析。这时需要用destring命令将其转换为数值型：
destring 变量名, replace
如果想把所有能转换的变量都转一遍，可以用destring _all, replace。
处理缺失值
数据中的缺失值在Stata中用点号（.）表示。可以用misstable summarize命令查看各变量的缺失情况。如果需要把某些特殊数值（比如999）转换为缺失值，可以用mvdecode命令：
mvdecode _all, mv(999)
处理异常值
异常值会影响分析结果的稳定性和显著性。常用的处理方法是缩尾（winsorizing），即把极端值替换为某个百分位上的数值。Stata中可以用winsor2命令实现：
winsor2 变量名, replace cuts(1 99)
这条命令会把小于1%分位数和大于99%分位数的值替换掉。
生成新变量
在分析中经常需要根据已有变量计算新变量，用generate命令：
generate 新变量名 = 表达式
比如根据出生年份计算年龄：generate age = 2026 - birth_year。如果要修改变量属性，可以用rename（重命名）、label variable（添加变量标签）、label define（定义值标签）等命令。
四、描述性分析：了解数据的基本面貌
在跑复杂的模型之前，先对数据进行描述性分析，是每个严谨研究者的习惯。这能帮你初步了解数据的分布特征，也能发现一些明显的问题。
描述性统计
summarize命令是最基础的描述性统计命令，可以计算变量的均值、标准差、最小值和最大值：
summarize 变量1 变量2 变量3
如果加上detail选项，会输出更详细的信息，包括百分位数、方差、峰度、偏度等：
summarize 变量1, detail #### 频数统计 对于分类变量，可以用`tabulate`命令查看频数和百分比：
tabulate 性别
如果想看两个分类变量的交叉表，可以加上第二个变量：
tabulate 性别 地区
#### 相关性分析 在回归之前，可以先看看变量之间的相关关系。`correlate`命令会输出变量间的相关系数矩阵：
correlate 收入 教育年限 工作经验
如果加上`means`选项，还会同时输出描述性统计。 ### 五、数据可视化：一图胜千言 图形能直观地展示数据的分布和关系。Stata的绘图功能非常强大，这里介绍几个最常用的。 #### 直方图 查看单个变量的分布，用`histogram`命令：
histogram 收入, normal
`normal`选项会在图上叠加一条正态分布曲线，方便对比。 #### 散点图 查看两个连续变量的关系，用`scatter`命令：
scatter 收入 教育年限
如果想加上拟合线，可以用`twoway`组合命令：
twoway (scatter 收入 教育年限) (lfit 收入 教育年限)
#### 箱线图 箱线图能直观地显示数据的分布和异常值：
graph box 收入
图形生成后，可以通过点击图形窗口的“File”→“Save Graph”保存为图片格式，方便插入到论文或报告中。 ### 六、回归分析：回答核心研究问题 回归分析是Stata最核心的功能，也是大多数实证研究的重头戏。 #### 线性回归 最基本的线性回归用`regress`命令：
regress 因变量 自变量1 自变量2 自变量3
比如研究收入与教育年限、工作经验的关系：
regress 收入 教育年限 工作经验
如果数据中存在异方差问题（这在横截面数据中很常见），可以加上稳健标准误选项：
regress 收入 教育年限 工作经验, vce(robust)
#### 处理分类变量 如果自变量中包含分类变量（如性别、地区），需要在变量名前加上`i.`前缀，告诉Stata这是一个分类变量，需要自动生成虚拟变量：
regress 收入 教育年限 工作经验 i.性别 i.地区
#### 解读回归结果 回归命令执行后，Stata会输出一系列结果。需要重点关注几个核心指标： **R方**表示自变量能够解释因变量变异的百分比，取值在0到1之间。比如R方为0.35，意味着自变量可以解释因变量35%的变化。 **F统计量的p值**用于检验模型整体的显著性。如果p值小于0.05，说明模型整体上有统计学意义。 **回归系数**表示自变量对因变量的影响大小和方向。正系数表示正相关，负系数表示负相关。比如教育年限的系数为0.5，意味着教育年限每增加一年，收入平均增加0.5个单位。 **p值**判断每个自变量是否显著。通常p值小于0.05，说明该自变量对因变量有显著影响；p值小于0.01，说明影响非常显著。[citation:4] #### 结果导出 回归结果需要放到论文里，可以用`esttab`命令导出到Word或Excel：
esttab using 结果.doc, replace
如果想把多个模型的结果放在一起，可以先分别运行回归并用`est store`保存，然后用`esttab`一次性导出。 ### 七、工作流程管理：从零散命令到系统分析 随着分析的深入，你会发现直接在命令窗口敲命令存在两个问题：一是容易忘记之前做过什么，二是如果中间某步出错，重新执行很麻烦。解决方法是使用**do文件**。 do文件是纯文本文件，里面存放着一条条Stata命令。你可以一次性运行整个do文件，也可以分段运行。这种工作方式有几个好处： **可复现**：无论过多久，只要重新运行do文件，就能得到完全一样的结果。 **可修改**：如果发现某步有误，只需要修改do文件中对应的命令，重新运行即可，不用从头再敲一遍。 **可共享**：把数据和do文件一起发给同行，对方就能复现你的整个分析过程。 在do文件编辑器中编写命令时，可以用`*`开头添加注释，解释这段代码在做什么。这是一个非常好的习惯，对自己、对合作者都有帮助。 ### 八、学习资源推荐 对于刚开始接触Stata的朋友，以下几个学习资源值得推荐。 **官方帮助**：在命令窗口输入`help 命令名`，可以查看该命令的详细说明和示例。这是最权威、最全面的参考资料。 **入门书籍**：国内比较经典的Stata入门书有陈强的《计量经济学及Stata应用》，以及劳伦斯·汉密尔顿的《应用Stata做统计分析》。前者偏重计量方法，后者偏重操作技巧。[citation:1] **在线课程**：国家高等教育智慧教育平台、B站等平台上有不少免费的Stata入门视频，适合视觉学习者。 **学术论文复刻**：从《中国工业经济》等期刊官网下载作者公开的数据和代码，尝试复刻一篇论文的实证结果，是提升Stata能力的有效方式。 ### 结语 Stata怎么用？从认识界面开始，到导入数据、清洗整理、描述分析、回归建模，再到用do文件把整个过程串起来，这就是一套完整的Stata使用流程。刚开始可能会觉得命令记不住，但多练习几次就会发现，常用的其实就那么二三十条命令。 对于正站在Stata门槛前的你来说，最好的学习方式就是打开软件，找一组数据，跟着本文的操作走一遍。遇到不懂的命令，就用`help`查一下。慢慢地，你会从“怎么用”的困惑中走出来，进入“怎么用好”的新阶段。