一、生成矩陣
matrix 矩陣名 = (1,2,3 4,5,6)
變量轉矩陣 mkmat
矩陣轉變量 svmat
二
1 matrix list 矩陣名 [, noblank nohalf noheader nonames format(%fmt) title(string) nodotz] // 列示矩陣 2 * 更為細致地列示矩陣 3 #delimit ; 4 matrix Htest = ( 12.30, 2, .00044642 5 2.17, 1, .35332874 6 8.81, 3, .04022625 7 20.05, 6, .00106763 ) ; 8 #delimit cr 9 matrix rownames Htest = trunk length weight overall // 定義行名 10 matrix colnames Htest = chi2 df p // 定義列名 11 matlist Htest // 添加邊框 12 matrix rename 原矩陣名 新矩陣名 // 矩陣更名 13 * 矩陣的行數和列數 14 matrix 矩陣名 = (1,2,3 4,5,6) 15 scalar ra = rowsof(矩陣名) 16 scalar ca = colsof(矩陣名) 17 dis in g "矩陣 矩陣名 的行數是: " in y ra 18 dis in g "矩陣 矩陣名 的列數是: " in y ca 19 matrix dir // 查找矩陣 20 matrix drop 矩陣名 // 刪除矩陣 21 display matmissing(矩陣名) // 顯示矩陣缺漏值個數 22 * 矩陣的行名和列名 23 matrix rownames 矩陣名 = 行名(空格分隔) // 行名 24 matrix colnames 矩陣名 = 列名(空格分隔) // 列名 25 * 矩陣的選擇 26 matrix 新矩陣名 = 矩陣名[行索引,列索引] // 中間省略：.. 全部省略：.... 尾部省略：... 27 matrix 矩陣中想要修改的元素 = 修改值 // 如果想要修改區域，只需在等號左側填入修改區域左上角的元素位置即可 28 * 矩陣的合並 29 matrix aa = [a1, a2] // 橫向合並兩個矩陣 30 matrix aaa = [a1 a2] // 縱向追加兩個矩陣 31 * 常用矩陣的定義 32 matrix I = I(n) // 單位矩陣 33 matrix 矩陣名 = J(行數,列數,常數) 34 matrix r3 = matuniform(10,4) // 生成一個10*4的隨機數矩陣，隨機數區間為(0,1) 35 * 將一維矩陣轉換成對角矩陣 36 mat u = J(5,1,-0.5) 37 mat du = diag(u) // 取出對角元素 38 * 將變量轉換為矩陣 39 mkmat varlist [if] [in] [, matrix(matname) nomissing // 單變量：矩陣名默認為變量名，選項nomissing表示僅包含非缺漏值 40 * 將矩陣轉化為變量 41 xsvmat 矩陣名, list(,) // 以變量方式列示矩陣的內容 42 * 用矩陣存儲統計結果 43 makematrix [matrix_name], from(results_list) [production_options] [list_options]:["]command["] [varlist] ... [, options ] 44 * 矩陣運算 45 mgen exprlist , in(matname) out(matname) [ common(term) ] // in-進行操作的矩陣 out-新矩陣 exprlist：數學表達式 46 * 保存矩陣 47 matsave matrix [, replace saving dropall path(path) type(type) ] // 保存到dta中 48 mat2txt , matrix(matrixname) saving(filename) [ title(text) note(text) format(formatlist) replace append ] // 保存為txt格式 49 dataout <using filename> [, options] // word:轉成rtf格式的word文檔 excel:轉成xml格式的excel文檔
三
1 * 基本運算 2 matrix A = (1,23,4) 3 matrix B = (5,79,2) 4 matrix C = A+B // 加法 5 matrix B = A-B // 減法 6 matrix X = (1,12,58,04,5) 7 matrix C = 3*X*A'*B // 乘法 8 matrix D = (X'*X - A'*A)/4 9 matrix D = A#D // 直乘 10 matrix E = hadamard(A,B) // Hadamard乘法 11 * 矩陣元素的數學變換 12 math B = function(A) // 可供調用的function： help math functions 13 mgen exprlist , in(matname) out(matname) [ common(term) ] // 分列變換："v1=ln(c1)" 不可以寫為 "v1 = ln(c1)" 14 * 矩陣與單值的運算 15 scalar c = 5 // 單值c 16 mat D = J(4,4,1) // 矩陣D 17 mat Dc = D*c // mat cD = c*D 矩陣與單值相乘 18 mat D_c = D/c // 矩陣與單值相除 19 * 矩陣的轉置: 行列互換 20 matrix A = (-1, 2 3, 4 ) 21 mat At = A' // 轉置運算優先於乘法運算 22 * 矩陣的逆矩陣 23 scalar detA = det(A) // 矩陣的行列式 24 dis issym(A) // 判斷一個矩陣是否為對稱矩陣 25 mat invA = inv(A) // 求矩陣的逆矩陣 26 * 矩陣的向量化 27 mat vA = vec(A) 28 mat dA = vecdiag(A) // 向量化方陣的對角元素 29 * 矩陣的對角值(trace) 30 matrix Atr = trace(A) // 方陣的對角元素之和
四
matrix accum A = varlist [if] [in] [weight] [, noconstant deviations means(M) absorb(varname)] // matrix accum 語法 matrix vecaccum a = varlist [if] [in] [weight] [, noconstant] // matrix vecaccum語法 *- 幾個重要選項： * (1) noconstant 不在 X 矩陣中自動附加常數項； * (2) deviation 采用離差的形式 *-eg1- 線性模型的 OLS 估計 *-目的：求取 b = inv(X'X)*X'y * 其中，y = price, * X =(weight,mpg,Cons) sysuse auto, clear * 方法1：僅使用 matrix accum 命令 * 思路: 若 A = (y, X)， 則 * * [ y'y y'X ] * mat accum (A) = S = (y, X)'(y, X) = [ ] * [ X'y X'X ] matrix accum S = price weight mpg // y=price, X=[weight mpg] mat list S matrix XX = S[2..., 2...] matrix Xy = S[2..., 1] mat b = inv(XX)*Xy mat list b reg price weight mpg,nohead // 檢驗上述結果 * 方法2：結合使用 matrix accum 和 matrix vecaccum mat accum XX = weight mpg mat vecaccum yX = price weight mpg mat Xy = yX' mat b = inv(XX)*Xy mat list b reg price weight mpg, noheader // 檢驗上述結果 * -eg2- 獲取變量的相關系數矩陣 sysuse auto, clear corr price weight mpg length * 加權交乘矩陣 -mat glsaccum- matrix glsaccum A = varlist [if] [in] [weight], group(groupvar) glsmat(W|stringvar) row(rowvar) [noconstant] // 基本語法 *-mat glsaccum 的定義：mat glsaccum(X) = S = X'BX * 其中，B 為權重矩陣，定義如下： * [ W_1 0 ... 0 ] * | 0 W_2 ... 0 | * B = | . . . . | W_k(k=1,2,...,K) 表示第 k 組觀察值的權重矩陣，是一個方陣 * | . . . . | * [ 0 0 ... W_k ] * 若 X 也根據組別定義，則可表示為： * [ X_1 ] * | X_2 | * X = | . | * | . | * [ X_k ] * 由此可以更為細致的了解到 glsaccum 的定義方式：X'BX = X1'W1X1 + X2'W2X2 + ... + X_k'*W_k*X_k *- 應用舉例：White(1980) 異方差穩健性標准誤的計算 * * Var(b) = inv(X'X)*(X'WX)*inv(X'X) // White(1980)穩健性方差-協方差矩陣 * * 其中， * * [ e1^2 0 ... 0 ] * | 0 e2^2 ... 0 | * W = | . . . . | * | . . . . | * [ 0 0 ... eN^2 ] NXN 矩陣 * * ei 表示第 i 個觀察值對應的殘差 * * 問題的關鍵：求得 (X'WX) 矩陣即可，可采用 -mat glsaccum- 命令 sysuse auto, clear *-1 獲得OLS估計值 mat accum XX = weight mpg mat vecaccum yX = price weight mpg mat Xy = yX' mat b = inv(XX)*Xy mat list b *-2 求取殘差之平方向量：e2 mkmat price, mat(y) gen cons = 1 mkmat wei len mpg cons, mat(X) // 注意附加常數項 mat e = y - X*b // 殘差向量