浅谈实证研究：第四期 描述性统计

描述统计的重要性与时机#

必要性：几乎所有的实证研究都需要进行描述性统计分析，除非研究完全基于理论模型推导。

==实施时机==：最好是做完所有检验之前&之后，都要进行描述性统计

• 初步分析：数据处理后立即进行，以自我检查数据的一致性和合理性。

  • 刚下载完数据之后，也建议大家把主要的自变量 X 与因变量 Y 之间的相关关系简单的看一下，相当做一个简单的一元回归。
    • 因为如果我们研究的 X 和 Y 之间的相关关系和我们预测的方向完全相反，假如我们预测它们是显著的正相关的，但是我们发现 x 和 y 它呈现的是一个显著的负相关的话，那其实这里我们就要小心了，要仔细考虑一下我们的假设是不是有问题。在最开始的时候发现问题，要好过我们都做完所有检验才发现问题。
  • 之后我们再整理好数据，该开始做一些回归检验的时候呢，也建议大家每一步都做一个描述统计看一下，可以让我们知道我们在整理数据的时候踢掉了多少变量。假如我们下载数据下载了1万多个变量，但是我们经过整理之后呢只剩下了二三百个数据，那我们这里就要小心在处理数据当中是不是有错误。
  • 此外我们还要看一看变量是不是有极端值，我们是不是应该对我们要做回归的变量进行缩尾处理，有没有变量缺失值。这些呢是在我们==处理完数据之后做回归之前==要看的描述统计
  • 那等我们做完了回归之后，我们也要看一下回归结果中的样本量。
    • 比如我们的样本量是5000个，但是我们回归结果报告的样本量只有1000个，那这里我们就知道要去找一找控制变量有没有缺失值。
    • 还有一种可能呢就是我们用的模型是 logit 或者 probit 模型，这个模型当它的 y 值在某一个行业或者年份，它是没有变化的，比如都是0或者都是1，那他也会把整个年份或者行业的数据都剔掉。
    • 以上呢都是可能造成我们回归中出现大量缺失值的原因，这些问题也都可以通过我们的描述统计进行检验出来。
  • 另外在探讨内生性问题，以及其他的稳健性问题的时候，我们也可以做一些描述性统计，看看我们的 IV 或者我们外生的自然冲击选择是不是合理。

• 最终分析：所有检验完成后进行，确保包含所有相关变量和控制变量。

描述统计的内容#

1. 变量选择：需对==所有有衡量意义的变量==进行描述性统计，排除无次序的名义尺度变量（如股票代码、行业分类）。
2. 关键统计量：样本量、平均值、标准差、最大/最小值、中位数、四分位数（25%，75%）等。
3. 分类变量的分组统计：对于0-1虚拟变量，分别==对两组样本==的描述统计进行比较，分析差异。

   

4. 相关性分析：分析变量间的相关性，检查控制变量间是否存在高度相关性。

Stata 中的描述统计指令#

1. tabstat：提供变量的平均值、标准差、最小值、最大值等描述统计量。
   • 使用示例：tabstat price mpg rep78, stat(n mean sd min max)
   • 分组描述统计：通过 by() 选项按分类变量进行分组描述统计。
     • tabstat price mpg rep78, stat(n mean sd min max) by(foreign)
     • 不要总体的描述性统计，只要分组的 ：tabstat price mpg rep78, stat(n mean sd min max) by(foreign) nototal
     • 转置表格：tabstat price mpg rep78, stat(n mean sd min max) by(foreign) nototal col(stat)
2. summarize：提供基本的描述统计量，如平均值、标准差、最小值和最大值。
   • 使用示例：summarize price mpg rep78
3. tabulate（简称tab）：用于分类变量，显示不同类别的频数和比例。
   • 使用示例：tabulate region
4. correlate 和 pwcorr：分别进行变量间的相关性分析。
   • correlate：排除任何含缺失值的观测。
   • pwcorr：pairwise correlate，对每对变量单独处理缺失值，允许更多的数据参与分析。
   • 使用示例：pwcorr price mpg rep78, sig，pwcorr price mpg rep78, sig star(0.01)

数据处理与检验前的描述统计#

• 目的：确保数据的完整性和一致性，避免遗漏重要变量或样本量的不匹配。
• 操作：在每个数据处理步骤后，进行描述统计以自我检查和确认数据的准确性。

描述统计报告的编写#

• 内容：根据研究需要和最终分析结果，决定哪些变量和统计量需要报告。
• 格式：根据期刊要求或论文指南，整理描述统计结果，使之清晰、准确地反映研究数据的基本情况。

通过上述指导，你可以更有效地在 Stata 中进行描述统计分析，为你的实证研究提供坚实的数据支持。