Hướng dẫn sử dụng stata 11

1. Giới thiệu về Stata

Stata là phần mềm thống kê mạnh bạo với những phương tiện làm chủ dữ liệu thông minh. Mục đích rất có thể sử dụng làm nghiên cứu và phân tích trong quá trình có tác dụng luận văn, học các khoá học về định lượng và làm bài bác tập hoặc làm tiểu luận. Trong khuyên bảo này, thienlongho.com sẽ bắt đầu với phần trình làng nhanh và tổng quan, sau đó reviews 1 bài bác tập chủng loại và bài bác giải về stata để bạn làm rõ hơn.Bạn sẽ xem: phía dẫn sử dụng stata 11

Giao diện của Stata cơ phiên bản như sau:


*

Giao diện Stata phiên bạn dạng 15

Ở bên trái gồm cửa sổ mang tên "Command" là nơi các bạn nhập lệnh cho Stata. 

Ở thân có cửa sổ Stata hiển thị kết quả trong cửa sổ lớn số 1 được điện thoại tư vấn là của sổ Kết quả.Bạn đang xem: Cách thực hiện stata 11

Ở bên phải có cửa số Biến(variables) liệt kê những biến vào tập dữ liệu của bạn. Cửa sổ Thuộc tính (Properties) ở dưới hiển thị những thuộc tính của những biến cùng tập dữ liệu của bạn.

Bạn đang xem: Hướng dẫn sử dụng stata 11

2. Một số trong những bài tập về stata


*

Bài tập stata

Bài giải tham khảo

Câu 1: trả sử phân tích tỷ lệ tù đọng tại việt nam thì tế bào về phạm tội có thể nghiên cứu vãn bằng những yếu tố tác động như sau:

Theo những nhà tù học sẽ xác định được rất nhiều yếu tố ảnh hưởng đến tỷ lệ tội phạm như yếu đuối tố buôn bản hội, ghê tế, cá nhân. Một vài yếu tố quan trọng đặc biệt nhất được xác minh bao gồm:

Tuổi: Theo những nhà tù nhân học, người cao quý không phạm tội những so với thanh thiếu hụt niên. Chúng ta (các công ty tội phạm học) vì thế cho rằng dân sinh thiếu niên có xác suất tội phạm rất cao.Nên khiếp tê: một số nhà tội phạm tin tưởng rằng một nền kinh tế nghèo nàn, GDP phải chăng là tại sao gây ra xác suất thất nghiệp cao và vì thế gây ra tội phạm.Vấn đề buôn bản hội: khi mức độ của những vấn đề xã hội tăng thêm như con số các gia đình phụ huynh độc thân, học viên bỏ học có thể gây tác động đến tâm lý tội phạm.

Mô hình rất có thể là:


*

 

Câu 2:

a) Đồ thị trung tung sắt tức là chi tiêu thức ăn uống và trục tung TE là tổng giá thành như mặt dưới.


*

*

Gọi sắt (food Expenditure) là biến dựa vào và TE (Total Expenditure) là biến hòa bình ta được kết quả mô hình như sau:

Source

SS df

MS

Number of obs =

55

 

F( 1, 53)

= 31.10

  

Model

139022.82

1 139022.82

Prob > F

= 0.0000

Residual

236893.616

53 4469.69087

R-squared

= 0.3698

 

Adj R-squared

= 0.3579

  

Total

375916.436

54 6961.41549

Root MSE

= 66.856

     

fe

Coef.

Std. Err. T

P>t

     

te

.4368088

0.000 .2797135

.593904

_cons

94.20878

50.85635 1.85

0.070 -7.796134

196.2137

 

Ta được quy mô hồi quy tổng thể và toàn diện đó là

FE= 94.20878+ 0.436809FE +u

Câu 3:

a)

Kết qua quy mô giữa ln(wage) với educ như sau:

Ta thấy hệ số cân xứng R-squared là 0.1858 ta thấy chân thành và ý nghĩa rằng giáo dục phân tích và lý giải 22% của biến đổi lnwage

Hệ số p-value =0 chứng tỏ nếu kiểm định R2 ≠0 . Thông thường nếu p-value =0 rất có thể kết luận mô hình là có ý nghĩa sâu sắc quan hệ thân ln(wage) cùng edu tức là giáo dục có mối quan hệ với logarit tiền lương.

Xem thêm: 7 Tựa Game Nhà Hàng Miễn Phí Hay Nhất Trên Điện Thoại Android, Ios

Ta rất có thể viết lại mô hình hồi quy như sau:

Ln(wage)= 0.5837727 + 0.082744 educ +u

b)

Ta tất cả mô bên cạnh đó sau:

wage= -0.9048516 + 0.5413593*educ +u

Ta được hiệu quả và vật dụng thị sau:

Trong kia hệ đường cao hơn là đường wage và thấp rộng là ln(wage). Ta thấy hệ số thấp hơn bởi vì mô hình hổi quy ln vào một quy mô hồi quy là một cách rất thông dụng để xử trí các trường hợp mà một mối quan hệ phi con đường tồn trên giữa những biến chủ quyền và phụ thuộc. Thực hiện logarit để nhận xét cho mọt quan hệ hiệu quả phi con đường tính.. Do đó hệ số góc của mô hình ln đã thấp hơn mô hình tuyến tính chưa hẳn logarit.

Câu 4.

/* cấu hình thiết lập 100 quan gần cạnh */

set obs =100

/* thiết lập cấu hình x từ một đến 100 */

 

gen x=_n

/* chế tác u cùng với hàm phân phối chuẩn chỉnh có độ lệch tiêu chuẩn là 9 với trung bình là 0 */

gen u= rnormal(0,9)

/* sản xuất y */

gen y= 25+ 0.5*x+u

regress y x

/*Sau đó lặp lại để coi sự chuyển đổi */

. Replace u=rnormal(0,9)

(100 real changes made)

. Replace y=25+0.5*x+u

(100 real changes made)

. Regress y x

Bảng 50 biến hệ số và hằng số của mô hình bên dưới:

STT

Hệ số

Hằng số

1

0.559146

22.01877

2

0.496917

24.47293

3

0.559421

23.08086

4

0.477793

25.17664

5

0.634216

24.43563

6

0.531187

23.03467

7

0.579003

25.34174

8

0.434642

24.59241

9

0.425048

23.10669

10

0.655447

25.23225

11

0.545225

24.72915

12

0.440208

23.00782

13

0.462175

25.05967

14

0.534416

24.75997

15

0.486741

23.10199

16

0.583187

25.22057

17

0.503988

24.88844

18

0.407302

22.9527

19

0.701233

25.26039

20

0.528918

24.92657

21

0.428679

22.97768

22

0.775209

25.26597

23

0.680537

25.00867

24

0.499697

22.91682

25

0.579524

25.30272

26

0.505199

25.14032

27

0.437763

22.79972

28

0.458293

25.18758

29

0.510882

25.21255

30

0.412656

22.6339

31

0.415013

25.35426

32

0.655899

25.30749

33

0.437684

22.78882

34

0.401382

25.34872

35

0.656958

25.31893

36

0.419503

22.88048

37

0.426417

25.42346

38

0.425212

25.30239

39

0.401355

22.73032

40

0.484928

25.43568

41

0.436463

25.40308

42

0.412919

22.8271

43

0.414379

25.30417

44

0.499664

25.22376

45

0.401093

22.83304

46

0.440595

25.42079

47

0.445569

25.30174

48

0.440272

22.91587

49

0.488007

25.24615

50

0.472239

25.20093

 

Câu 5:

Trị số P, dù cực kì thông dụng trong nghiên cứu và phân tích khoa học, ko phải là một trong những phán xét sau cùng của một công trình nghiên cứu hay như là 1 giả thuyết.

Thông thường xuyên khi đơn vị khoa học ước ao kiểm tra xem liệu phụ gia thực phẩm có gây nên ung thư giỏi thuốc trị bệnh, công ty khoa học nhận định rằng nó không - đưa thuyết ko - và tiếp nối thực hiện tại thử nghiệm đối chiếu thuốc hoặc dung dịch với đưa dược hoặc một loại thuốc khá. Nếu có rất nhiều người sinh tồn hơn với dung dịch so với mang dược, thì nhà khoa học sẽ tóm lại thuốc sẽ chuyển động tốt. Điều này cũng rất có thể xảy ra giúp thấy rằng các tác dụng này cũng có thể mang tính may mắn.

Thật vậy, nếu chúng ta chịu khó xem xét lại ví dụ trên, chúng ta có thể khái quát quá trình của một nghiên cứu và phân tích khoa học (dựa vào trị số P) như sau:

• Đề ra một đưa thuyết chủ yếu (H)

• Từ trả thuyết chính, đề ra một mang thuyết hòn đảo (Ho)

• Tiến hành tích lũy dữ khiếu nại (D)

• phân tích dữ kiện: thống kê giám sát xác suất D xẩy ra nếu Ho là sự việc thật. Nói theo ngôn từ toán xác suất, cách này xác minh P(D | Ho).

Vì thế, số lượng P có nghĩa là xác suất của dữ kiện D xảy ra nếu (nhấn mạnh: “nếu”) giả thuyết đảo Ho là việc thật. Như vậy, số lượng P ko trực tiếp cho bọn họ một ý niệm gì về sự thật của đưa thuyết chính H; nó chỉ gián tiếp cung ứng bằng chứng để bọn họ chấp nhận giả thuyết thiết yếu và bác bỏ bỏ mang thuyết đảo

Tài liệu cơ bạn dạng về Stata bao gồm Help của Stata cùng Hướng dẫn xem thêm cơ sở ( Base Reference Manual) về từng mục mập của Stata từ làm chủ dữ liệu, Đồ họa với Chức năng... Các chúng ta cũng có thể tham khảo các sách như Acock - A Gentle Introduction lớn StataLawrence Hamilton- Statistics with StataScott Long & Jeremy Freese- Regression Models for Categorical Dependent Variables Using Stata (3rd edition);