stata

Stata 技能

你可以访问全面的 Stata 参考文件。不要加载所有文件。 请根据下方路由表，只读取与用户当前任务相关的 1-3 个文件。

---

关键注意事项

这些是 Stata 特有的陷阱，可能导致隐蔽的错误。编写任何代码前，请牢记这些事项。

缺失值排序为 +Infinity

Stata 的 .（以及 .a-.z）大于所有数字。

* WRONG — includes observations where income is missing!
gen high_income = (income > 50000)

* RIGHT
gen high_income = (income > 50000) if !missing(income)

* WRONG — missing ages appear in this list
list if age > 60

* RIGHT
list if age > 60 & !missing(age)

= 与 ==

= 表示赋值；== 表示比较。混淆二者会导致语法错误或隐蔽的错误。

* WRONG — syntax error
gen employed = 1 if status = 1

* RIGHT
gen employed = 1 if status == 1

本地宏语法

本地宏使用 `name'（反引号 + 单引号）。全局宏使用 $name 或 ${name}。 忘记闭合引号是最常见的宏错误。

local controls "age education income"
regress wage `controls'        // correct
regress wage `controls         // WRONG — missing closing quote
regress wage 'controls'        // WRONG — wrong quote characters

by 需要预先排序（使用 bysort）

* WRONG — error if data not sorted by id
by id: gen first = (_n == 1)

* RIGHT — bysort sorts automatically
bysort id: gen first = (_n == 1)

* Also RIGHT — explicit sort
sort id
by id: gen first = (_n == 1)

因子变量表示法（i. 和 c.）

分类变量使用 i.，连续变量使用 c.。省略 i. 会将分类变量视为连续变量。

* WRONG — treats race as continuous (e.g., race=3 has 3x effect of race=1)
regress wage race education

* RIGHT — creates dummies automatically
regress wage i.race education

* Interactions
regress wage i.race##c.education    // full interaction
regress wage i.race#c.education     // interaction only (no main effects)

generate 与 replace

generate 用于创建新变量；replace 用于修改现有变量。对已存在的变量名使用 generate 会报错。

gen x = 1
gen x = 2          // ERROR: x already defined
replace x = 2      // correct

字符串比较区分大小写

* May miss "Male", "MALE", etc.
keep if gender == "male"

* Safer
keep if lower(gender) == "male"

始终检查 merge 的 _merge

绝不要跳过 tab _merge——这不会增加任何成本，而且在 assert 失败时，这是唯一的诊断信息。

merge 1:1 id using other.dta
tab _merge                      // ALWAYS tab before assert
assert _merge == 3              // fails silently without tab output
drop _merge

使用 preserve / restore 和 tempfile 进行汇总-合并-还原

计算分组统计量并将其合并回原始数据的标准模式：

tempfile stats
preserve
collapse (mean) avg_x=x, by(group)
save `stats'
restore
merge m:1 group using `stats'
tab _merge
assert _merge == 3
drop _merge

对于简单的分组均值，bysort group: egen avg_x = mean(x) 可以完全避免这一来回操作。

权重不可互换

• fweight — 频数权重（复制）
• aweight — 分析/回归权重（方差倒数）
• pweight — 概率/抽样权重（调查数据，意味着使用稳健标准误）
• iweight — 重要性权重（很少使用）

capture 会吞掉错误

capture some_command
if _rc != 0 {
    di as error "Failed with code: " _rc
    exit _rc
}

使用 /// 续行

regress y x1 x2 x3 ///
    x4 x5 x6, ///
    vce(robust)

存储结果：r()、e() 与 s()

• r() — r 类命令（summarize、tabulate 等）
• e() — e 类命令（估计：regress、logit 等）
• s() — s 类命令（解析）

新的估计命令会覆盖之前的 e() 结果。请先保存：

regress y x1 x2
estimates store model1

---

从命令行运行 Stata

Claude 可以通过在终端中以批处理模式运行 .do 文件来执行 Stata 代码。以下介绍如何以非交互方式运行 Stata。

查找 Stata 二进制文件

macOS 上的 Stata 是一个 .app 应用包，实际的二进制文件位于其中。常见位置：

# Stata 18 / StataNow (most common)
/Applications/Stata/StataMP.app/Contents/MacOS/stata-mp
/Applications/StataNow/StataMP.app/Contents/MacOS/stata-mp

# Other editions (SE, BE)
/Applications/Stata/StataSE.app/Contents/MacOS/stata-se
/Applications/Stata/StataBE.app/Contents/MacOS/stata-be

如果 Stata 不在 $PATH 中，可通过以下命令查找：mdfind -name "stata-mp" | grep MacOS

批处理模式（-b）

# Run a .do file in batch mode — output goes to <filename>.log
/Applications/Stata/StataMP.app/Contents/MacOS/stata-mp -b do analysis.do

# If stata-mp is on PATH (e.g., via symlink or alias):
stata-mp -b do analysis.do

• -b = 批处理模式（非交互式，无 GUI）
• 所有 Stata 本应显示的输出都会写入工作目录中的 analysis.log
• 成功时退出代码为 0，出错时为非零
• 日志文件包含所有输出，包括错误消息——执行后请检查日志

运行内联 Stata 代码

若要快速运行一段 Stata 代码，而不创建 .do 文件：

# Write a temp .do file and run it
cat > /tmp/stata_run.do << 'EOF'
sysuse auto, clear
summarize price mpg
EOF
stata-mp -b do /tmp/stata_run.do
cat /tmp/stata_run.log

检查结果

# Check if it succeeded
stata-mp -b do tests/run_tests.do && echo "SUCCESS" || echo "FAILED"

# Search the log for pass/fail
grep -E "PASS|FAIL|error|r\([0-9]+\)" run_tests.log

提示

• 在批处理脚本顶部使用 clear all — 批处理模式会启动全新的 Stata 会话，但 clear all 可确保同一会话中先前运行遗留的状态不会影响当前运行。
• 使用 set more off — 防止 Stata 因 --more-- 提示而暂停（这在批处理模式下会造成致命问题）。
• 日志文件会静默覆盖 — analysis.do 始终会在当前目录中写入 analysis.log。如果运行多个 .do 文件，请确认检查的是正确的日志。
• 工作目录 — Stata 的工作目录是运行命令时所在的位置，而不是 .do 文件所在的位置。必要时，请在 .do 文件中使用 cd 或绝对路径。

---

路由表

只读取与用户任务相关的文件。路径相对于此 SKILL.md 文件。

数据操作

文件	主题与关键命令
references/basics-getting-started.md	use、save、describe、browse、sysuse、基本工作流
references/data-import-export.md	import delimited、import excel、ODBC、export、网络数据
references/data-management.md	generate、replace、merge、append、reshape、collapse、recode、egen、encode/decode
references/variables-operators.md	变量类型、byte/int/long/float/double、运算符、缺失值（.<.a）、if/in 限定符
references/string-functions.md	substr()、regexm()、strtrim()、split、ustrlen()、正则表达式、Unicode
references/date-time-functions.md	date()、clock()、%td/%tc 格式、mdy()、dofm()、商务日历
references/mathematical-functions.md	round()、log()、exp()、abs()、mod()、cond()、分布、随机数

统计与计量经济学

文件	主题与关键命令
references/descriptive-statistics.md	summarize、tabulate、correlate、tabstat、codebook、加权统计量
references/linear-regression.md	regress、vce(robust)、vce(cluster)、test、lincom、margins、predict、ivregress
references/panel-data.md	xtset、xtreg fe/re、Hausman 检验、xtabond、动态面板
references/time-series.md	tsset、ARIMA、VAR、dfuller、pperron、irf、预测
references/limited-dependent-variables.md	logit、probit、tobit、poisson、nbreg、mlogit、ologit、非线性模型的 margins
references/bootstrap-simulation.md	bootstrap、simulate、permute、蒙特卡洛
references/survey-data-analysis.md	svyset、svy:、subpop()、复杂抽样设计、重复权重
references/missing-data-handling.md	mi impute、mi estimate、FIML、misstable、诊断
references/maximum-likelihood.md	ml model、自定义似然函数、ml init、基于梯度的优化
references/gmm-estimation.md	gmm、矩条件、estat overid、J 检验

因果推断

文件	主题与关键命令
references/treatment-effects.md	teffects ra/ipw/ipwra/aipw、stteffects、ATE/ATT/ATET
references/difference-in-differences.md	DiD、平行趋势、事件研究、错位实施
references/regression-discontinuity.md	精确/模糊 RD、带宽选择、rdplot
references/matching-methods.md	PSM、最近邻、核匹配、teffects nnmatch
references/sample-selection.md	heckman、heckprobit、处理模型、排除限制

高级方法

文件	主题与关键命令
references/survival-analysis.md	stset、stcox、streg、Kaplan-Meier、参数模型
references/sem-factor-analysis.md	sem、gsem、CFA、路径分析、alpha、信度
references/nonparametric-methods.md	kdensity、秩检验、qreg、npregress
references/spatial-analysis.md	spmatrix、spregress、空间权重、Moran's I
references/machine-learning.md	lasso、elasticnet、cvlasso、交叉验证

图形

文件	主题与关键命令
references/graphics.md	twoway、scatter、line、bar、histogram、graph combine、graph export、方案

编程

文件	主题与主要命令
references/programming-basics.md	local、global、foreach、forvalues、program define、syntax、return
references/advanced-programming.md	syntax、mata、类、_prefix、对话框、tempfile/tempvar
references/mata-introduction.md	Mata 基础知识、何时使用 Mata 而非 ado、数据类型
references/mata-programming.md	Mata 函数、流程控制、结构、指针
references/mata-matrix-operations.md	矩阵创建、分解、求解器、st_matrix()
references/mata-data-access.md	st_data()、st_view()、st_store()、性能提示

输出与工作流

文件	主题与主要命令
references/tables-reporting.md	putexcel、putdocx、putpdf、LaTeX 集成、collect
references/workflow-best-practices.md	项目结构、主 do 文件、版本控制、调试、常见错误
references/external-tools-integration.md	通过 python: 使用 Python、通过 rsource 使用 R、shell 命令、Git
references/filing-issues.md	用户想向代码库报告 Stata 技能文档中的缺漏或错误

社区程序包

文件	功能
packages/reghdfe.md	高维固定效应 OLS（高效吸收多组固定效应）
packages/estout.md	esttab/estout：达到出版质量的回归表格
packages/outreg2.md	另一种回归表格导出工具（Word、Excel、TeX）
packages/asdoc.md	一条命令即可将任意 Stata 输出创建为 Word 文档
packages/tabout.md	将交叉表和汇总表导出到文件
packages/coefplot.md	根据已存储的估计结果绘制系数图
packages/graph-schemes.md	grstyle、schemepack、plotplain——更好的图形主题
packages/did.md	现代 DiD：csdid、did_multiplegt、did_imputation（Callaway-Sant'Anna、de Chaisemartin-D'Haultfoeuille、Borusyak-Jaravel-Spiess）
packages/event-study.md	eventstudyinteract、eventdd——事件研究估计器
packages/rdrobust.md	使用最优带宽进行稳健 RD 估计（rdrobust、rdplot、rdbwselect）
packages/psmatch2.md	倾向得分匹配（最近邻、核、半径）
packages/synth.md	合成控制法（synth、synth_runner）
packages/ivreg2.md	增强型 IV/2SLS：ivreg2、xtivreg2，附带额外诊断功能
packages/xtabond2.md	动态面板 GMM（Arellano-Bond/Blundell-Bond）
packages/binsreg.md	带置信区间的分箱散点图（binsreg、binstest）
packages/nprobust.md	非参数核估计与推断
packages/diagnostics.md	bacondecomp、xttest3、共线性与异方差检验
packages/winsor.md	缩尾处理与修剪：winsor2、winsor
packages/data-manipulation.md	gtools（快速 collapse/egen）、rangestat、egenmore
packages/package-management.md	ssc install、net install、ado update、查找程序包

---

常见模式

回归表格工作流

* Estimate models
eststo clear
eststo: regress y x1 x2, vce(robust)
eststo: regress y x1 x2 x3, vce(robust)
eststo: regress y x1 x2 x3 x4, vce(cluster id)

* Export table
esttab using "results.tex", replace ///
    se star(* 0.10 ** 0.05 *** 0.01) ///
    label booktabs ///
    title("Main Results") ///
    mtitles("(1)" "(2)" "(3)")

面板数据设置

xtset panelid timevar          // declare panel structure
xtdescribe                      // check balance
xtsum outcome                   // within/between variation

* Fixed effects
xtreg y x1 x2, fe vce(cluster panelid)
* Or with reghdfe (preferred for multiple FE)
reghdfe y x1 x2, absorb(panelid timevar) vce(cluster panelid)

双重差分

* Classic 2x2 DiD
gen post = (year >= treatment_year)
gen treat_post = treated * post
regress y treated post treat_post, vce(cluster id)

* Event study (uniform timing — must interact with treatment group)
reghdfe y ib(-1).rel_time#1.treated, absorb(id year) vce(cluster id)
testparm *.rel_time#1.treated   // pre-trend test

* Modern staggered DiD (Callaway & Sant'Anna)
csdid y x1 x2, ivar(id) time(year) gvar(first_treat) agg(event)
csdid_plot

图形导出

* Publication-quality scatter with fit line
twoway (scatter y x, mcolor(navy%50) msize(small)) ///
       (lfit y x, lcolor(cranberry) lwidth(medthick)), ///
    title("Title Here") ///
    xtitle("X Label") ytitle("Y Label") ///
    legend(off) scheme(s2color)
graph export "figure1.pdf", replace as(pdf)
graph export "figure1.png", replace as(png) width(2400)

数据清理流程

* Load and inspect
import delimited "raw_data.csv", clear varnames(1)
describe
codebook, compact

* Clean
rename *, lower                 // lowercase all varnames
destring income, replace force  // convert string to numeric
replace income = . if income < 0

* Label
label variable income "Annual household income (USD)"
label define yesno 0 "No" 1 "Yes"
label values employed yesno

* Save
compress
save "clean_data.dta", replace

多重插补

mi set mlong
mi register imputed income education
mi impute chained (regress) income (ologit) education = age i.gender, add(20) rseed(12345)
mi estimate: regress wage income education age i.gender

---

帮助改进此技能

如果你生成的 Stata 代码存在重大错误——例如语法错误、命令用法不正确，或遗漏了容易踩的坑——而且问题似乎源于这些参考文件存在缺漏，而非偶发失误，请考虑建议用户在该技能的代码仓库中提交 issue。这有助于帮助未来的用户。

**何时提出：**仅在你已经纠正错误且用户已有可用代码后再提出。将其表述为可选建议：“我在 [X] 上犯了错误，我认为这是因为 Stata 技能文档存在缺漏。如果你愿意，我可以帮你提交 issue 或 PR，让大家都能受益。”

**何时不要提出：**如果用户使用的是 Claude Haiku，那么错误更可能是模型能力所致，而非文档缺漏。在这种情况下，建议用户改用 Sonnet 或 Opus 处理复杂的 Stata 工作，而不是提交 issue。

如果用户同意，请阅读 references/filing-issues.md，了解如何撰写优质的 issue 报告。