描述性统计 | 经济学研究学习工作站

前置条件与学习依赖 / PREREQUISITES

① 数学 / 统计基础

概率论（期望 / 方差 / 协方差 / 相关系数）、统计推断基础（抽样分布、标准误）、偏度与峰度。

② 经济学理论前置

无专门理论要求；能把统计量与经济含义对应起来。

③ 软件 / 计算前置

Stata 17+（外部命令：estout / esttab、estpost；基础 summarize、pwcorr、tabstat、kdensity）。

④ 站内前置页面

先学 02 数据合并与面板，得到一张可分析的样本。

⑤ 难度分级

入门

本页目录 / CONTENTS

为什么 Table 1 是论文的门面
summarize / tabstat：单变量分布
标签系统：label variable / label define
分组统计：bysort 与 bys 速记
相关系数矩阵：pwcorr 带星号
estpost + esttab：导出三线表
导出到 Word / Excel（putexcel / outreg2）
数据分布可视化：histogram / kdensity
论文案例：Table 1 的范式
常见错误与调试
进阶学习资料

01 为什么 Table 1 是论文的门面

任何一篇实证论文的第一张表，几乎都是描述性统计表（Descriptive Statistics），通常被称为 Table 1。它告诉审稿人三件事：(1) 你的样本是什么（观测数、时间跨度、行业覆盖）；(2) 每个变量的分布长什么样（均值、标准差、分位数）；(3) 处理组与控制组在关键协变量上是否平衡（balance check）。一张写得好的 Table 1，能让审稿人在 30 秒内判断"这篇数据靠不靠谱"。

经济学直觉上，描述性统计本身不识别因果，但它能揭示问题：如果你的核心解释变量 $x$ 标准差极小，那它就不可能显著；如果处理组的企业规模比控制组大 10 倍，那后续不控制 firm size 就一定会有偏。Table 1 是你给自己写的"数据体检报告"。

02 summarize / tabstat：单变量分布

Stata 里最基础的两个命令：summarize（简写 sum）给出 N、mean、sd、min、max；加上 , detail 给出完整分位数（p1、p50、p99）。tabstat 是更灵活的版本，可以自定义要报告哪些统计量。

描述性统计的核心量

$$\bar{x} = \frac{1}{N}\sum_i x_i, \qquad s = \sqrt{\frac{1}{N-1}\sum_i (x_i - \bar{x})^2}$$ $$\text{skewness} = \frac{\frac{1}{N}\sum_i (x_i - \bar{x})^3}{s^3}, \qquad \text{kurtosis} = \frac{\frac{1}{N}\sum_i (x_i - \bar{x})^4}{s^4}$$

偏度（skewness）告诉你分布是左偏还是右偏——右偏意味着均值大于中位数，正是我们做对数变换的依据。峰度（kurtosis）> 3 说明比正态分布"厚尾"，极端值更常见。

Stata · summarize 与 tabstat

*--------------------------------------------------------------*
*  02-summarize-tabstat.do
*--------------------------------------------------------------*
sysuse nlsw88, clear

* 1) 基础 summarize
summarize wage tenure ttl_exp

* 2) detail：给出完整分位数与偏度峰度
summarize wage, detail

* 3) tabstat：自定义要报告的统计量
*    statistics() 可填：mean sd p50 p25 p75 min max skewness kurtosis
tabstat wage tenure ttl_exp, ///
    statistics(n mean sd p50 min max) columns(statistics)

* 4) 按年份分组的 tabstat（面板里常用）
* tabstat wage tenure, by(year) statistics(mean sd) columns(statistics)

03 标签系统：label variable / label define

描述性统计和后续导出表格能否"看得懂"，完全取决于你有没有给变量打标签。这一步在 01 数据清洗页已经埋过伏笔，这里展开讲。Stata 的标签分两类：

变量标签（variable label）：描述一个变量的含义，出现在 describe、esttab、outreg2 输出的"Variable"列。
值标签（value label）：把 0/1 翻译成"否/是"，让 tab、esttab 显示文字而不是数字。

Stata · 标签系统全套写法

*--------------------------------------------------------------*
*  03-label-system.do
*--------------------------------------------------------------*
sysuse nlsw88, clear

* 1) 变量标签：一句话写清楚
label variable wage     "小时工资 (USD)"
label variable tenure    "在当前雇主任职年限"
label variable ttl_exp  "总工作经验 (年)"
label variable collgrad "是否大学毕业"
label variable south    "是否居住在南部"

* 2) 值标签：定义一次，反复用
*    label define 名字 数字 "文字" [数字 "文字" ...]
label define yesno_lbl 0 "No" 1 "Yes"
* 把标签贴到变量上
label values collgrad south yesno_lbl

* 3) 看效果
describe wage tenure collgrad
tab collgrad
tab south

为什么必须在描述性统计之前打完标签

estpost tabstat 与 esttab 都会自动读取变量标签作为行名。如果你在导出 Table 1 之前没打标签，导出的 Word 表里就会出现"wage""ttl_exp"这种无人能懂的代码，事后再手改 Word 是噩梦。

04 分组统计：bysort 与 bys 速记

面板数据里，"按年份看均值变化"、"按行业看差异"是描述性统计的高频操作。Stata 里 bysort 分组变量: 命令（可简写为 bys）就是这个用途。

Stata · bysort 分组

*--------------------------------------------------------------*
*  04-bysort.do
*--------------------------------------------------------------*
sysuse nlsw88, clear

* 1) 按是否大学毕业分组 summarize
bysort collgrad: summarize wage tenure

* 2) 等价的 bys 简写
bys collgrad: summarize wage

* 3) 多个分组变量：按 (是否大学毕业 × 是否在南部)
bysort collgrad south: summarize wage

* 4) 先排序再分组（Stata 会自动 sort，但显式写更安全）
sort collgrad
by collgrad: summarize wage

* 5) 计算组内均值并保留
bysort collgrad: egen wage_mean_coll = mean(wage)

* 6) 分组 + tabulate：列联表
tab collgrad south, row col

05 相关系数矩阵：pwcorr 带星号

Table 1 之后经常跟一张 Table 2：相关系数矩阵。它让审稿人快速看到"哪些变量彼此高度相关"，从而预判多重共线性问题。最常用的命令是 pwcorr——pw 指 pairwise deletion，即每一对变量只用这两个都不缺失的观测计算相关系数，而不是 listwise 删除。sig 选项报告 p 值，star(.05) 在显著的相关系数上打星号。

Pearson 相关系数

$$\rho_{x,y} = \frac{\sum_i (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_i (x_i - \bar{x})^2 \cdot \sum_i (y_i - \bar{y})^2}}$$

Stata · pwcorr 带星号

*--------------------------------------------------------------*
*  05-pwcorr.do
*--------------------------------------------------------------*
sysuse nlsw88, clear

* 1) 基础相关系数矩阵
pwcorr wage tenure ttl_exp age collgrad

* 2) 带 p 值
pwcorr wage tenure ttl_exp age collgrad, sig

* 3) 带星号（最常用！）
*    star(.05) 表示 |r| 显著在 5% 水平时打 *
pwcorr wage tenure ttl_exp age collgrad, sig star(.05)

* 4) 注意：corr 命令是 listwise deletion
*    与 pwcorr 结果可能略不同，论文里统一用 pwcorr

相关系数高 ≠ 一定有共线性问题

两个解释变量相关系数超过 0.8 才需要警惕。常见的"size 与 lev"、"age 与 tenure"通常相关 0.3–0.5，不构成问题。真正要看 VIF（方差膨胀因子）时，跑 estat vif。

06 estpost + esttab：导出三线表

这是本页最重要的一组命令。estpost 把 summarize、tabstat 等命令的输出"打包"成一个 est 估计量对象，再由 esttab 把它渲染成三线表。这套流程可以直接产出符合期刊格式的 Word/Excel/LaTeX 表格。

Step 1 · estpost tabstat：把统计结果"打包"

estpost 是 estout 包的一员，它让 summarize/tabstat 的结果进入 est 系统。

Step 2 · esttab 渲染成三线表

指定 cells() 列布局，用 nomtitle nonumber noobs 控制是否显示冗余信息，用 label 自动读取变量标签。

Step 3 · 导出到 Word (.rtf) 或 Excel (.csv)

直接在 esttab 末尾加 using "output/Table1.rtf" replace。rtf 文件用 Word 打开即是三线表。

Stata · estpost + esttab 导出 Table 1

*--------------------------------------------------------------*
*  06-estpost-esttab.do  —— 一键导出三线表
*--------------------------------------------------------------*
ssc install estout, replace    // 首次运行时安装

sysuse nlsw88, clear

* 先把变量标签打好（关键！）
label variable wage     "Hourly wage (USD)"
label variable tenure   "Tenure (years)"
label variable ttl_exp "Total experience (years)"
label variable age      "Age"
label variable collgrad "College graduate (1=Yes)"

* ---------- 1) estpost 打包描述性统计 ----------
estpost tabstat wage tenure ttl_exp age collgrad, ///
    statistics(n mean sd p50 min max) columns(statistics)

* ---------- 2) esttab 渲染成三线表 ----------
* cells() 控制列布局：mean(fmt(3)) sd(fmt(3)) ...
esttab . using "output/Table1_descriptive.rtf", replace ///
    cells("count(fmt(0)) mean(fmt(3)) sd(fmt(3)) p50(fmt(3)) min(fmt(3)) max(fmt(3))") ///
    noobs nonumber nomtitle label ///
    title("Table 1. Descriptive Statistics") ///
    collabels("N" "Mean" "Std Dev" "Median" "Min" "Max")

* ---------- 3) 相关系数矩阵也走 estout 流程 ----------
estpost correlate wage tenure ttl_exp age, matrix listwise
esttab . using "output/Table2_corr.rtf", replace ///
    unstack not noobs nonumber label ///
    title("Table 2. Correlation Matrix")

07 导出到 Word / Excel（putexcel / outreg2）

除了 esttab，Stata 里还有两条主流导出路径：

esttab / outreg2 → .rtf：rtf 文件用 Word 打开后就是三线表，直接复制进论文。这是中文顶刊最常用的路径。
putexcel → .xlsx：Stata 15+ 自带的 Excel 导出命令，适合需要精细排版（合并单元格、颜色、字体）时使用。

Stata · putexcel 与 outreg2

*--------------------------------------------------------------*
*  07-export.do
*--------------------------------------------------------------*
sysuse nlsw88, clear

* ---------- 路径 A：outreg2 导出回归表 ----------
ssc install outreg2, replace
reg wage tenure ttl_exp collgrad
outreg2 using "output/reg_baseline.doc", ///
    tstat alpha(0.01 0.05 0.1) symbol(***, **, *) ///
    keep(tenure ttl_exp collgrad) ///
    title("Table 3. Baseline Regression") replace

* ---------- 路径 B：putexcel 精细控制 ----------
* 1) 先把统计量存成标量
quietly summarize wage
scalar n    = r(N)
scalar mean = r(mean)
scalar sd   = r(sd)

* 2) putexcel 写到 .xlsx
putexcel set "output/desc_summary.xlsx", replace
putexcel A1 = ("Variable") B1 = ("N") C1 = ("Mean") D1 = ("SD")
putexcel A2 = ("wage") B2 = (n) C2 = (mean) D2 = (sd)
* 打开 Excel 即可看到 Table

08 数据分布可视化：histogram / kdensity

Table 1 报告数字，图告诉你"分布形状"。对核心变量做一张直方图（histogram）加核密度（kdensity）叠加图，是审稿人最爱看的"你对数据熟不熟"的证据。

核密度估计（Kernel Density）

$$\hat{f}_h(x) = \frac{1}{nh}\sum_{i=1}^{n} K\!\left(\frac{x - x_i}{h}\right)$$ K 是核函数（默认 Gaussian），h 是带宽（bandwidth）——带宽越大曲线越平滑。

Stata · histogram 与 kdensity

*--------------------------------------------------------------*
*  08-visualize.do
*--------------------------------------------------------------*
sysuse nlsw88, clear

* 1) 直方图（默认频率）
histogram wage, ///
    title("Hourly Wage Distribution") ///
    xtitle("Hourly wage (USD)") ///
    ytitle("Frequency")
graph export "output/hist_wage.png", replace width(1600)

* 2) 直方图 + 正态密度叠加（freq 改为 density）
histogram wage, frequency normal ///
    title("Wage Histogram with Normal Overlay")

* 3) 核密度估计（kdensity）
kdensity wage, ///
    title("Kernel Density of Wage") ///
    xtitle("Hourly wage (USD)")
graph export "output/kdensity_wage.png", replace width(1600)

* 4) 分组叠加：处理组 vs 控制组的密度对比
*    这在 DID / RDD 论文里几乎是标配
kdensity wage if collgrad==0, lcolor(navy)  ///
    || kdensity wage if collgrad==1, lcolor(maroon) ///
    legend(label(1 "Non-college") label(2 "College")) ///
    title("Wage Density: College vs. Non-college")
graph export "output/kdensity_bygroup.png", replace width(1600)

09 论文案例：Table 1 的范式

English · 经典

Does Compulsory School Attendance Affect Schooling and Earnings?

Joshua Angrist & Alan Krueger · Quarterly Journal of Economics · 1991

Table 1 是分组（按出生季度）描述性统计的范本：按处理组/控制组分别报告 N、mean、sd，并加一列"差异 t 检验"。现代中文论文的 Table 1 几乎都沿用这个模板。

English · 经典

The Effects of Care and Cash? Evidence from a Randomized Experiment

numerous authors · AER / QJE 近十年 RCT 论文的标准 Table 1 写法

RCT 论文的 Table 1 必须包含 balance check：处理组 vs 控制组在所有协变量上的均值差异及 p 值。描述性统计不再只是"看数据"，而是"论证随机性是否成立"。

中文顶刊 · 标杆

《官员任期与经济增长》

张军、高远等 · 《经济研究》 · 系列论文（代表性见 2007 年张军等关于财政分权与增长的研究）

Table 1 按年份和省份分组报告 GDP 增速、财政收入、人口等核心变量的均值与标准差，演示了"省级面板描述性统计"的中文范式。其用 esttab 导出三线表、在正文中报告分位数区间的做法，已成为《经济研究》论文的事实标准。

中文顶刊 · 标杆

《企业研发投入与出口》

戴觅、余淼杰 · 《经济研究》 · 2014 年第 7 期

用中国工业企业数据库 + 海关数据库匹配样本，Table 1 同时报告"出口企业 vs 非出口企业"两组在企业规模、生产率、资本密集度上的均值差异及 t 检验。是"匹配后样本的描述性统计 + 组间差异检验"的中文模板。

10 常见错误与调试

错误 1：estpost 后没有指定 cells()

很多同学写完 estpost tabstat ... 直接 esttab . using ...，结果导出的表只有一个 mean 列。正确做法：在 esttab 里写 cells("count(fmt(0)) mean(fmt(3)) sd(fmt(3))") 显式指定列。

错误 2：pwcorr 与 corr 混用

corr 用 listwise deletion，pwcorr 用 pairwise deletion。当有缺失值时两者数值会不同。论文里请统一用 pwcorr，并在脚注里写明"pairwise correlations"。

错误 3：导出 rtf 后中文乱码

用 esttab 导出 .rtf 时，如果变量标签是中文，Word 打开可能乱码。两个解决：(1) 用 esttab, ... , booktabs 导出 LaTeX；(2) 在 do 文件开头加 set locale_utf8 on，或直接用 esttab using "...", replace encoding(UTF-8)。

错误 4：分组统计没排序就 by 调用

直接写 by collgrad: summarize wage 在新版 Stata 里能跑（Stata 自动 sort），但老版本会报 "not sorted"。规范写法：sort collgrad 后再 by collgrad:，或直接用 bysort collgrad:。

11 进阶学习资料

estout 官方手册：Ben Jann 写的 "Making regression tables from stored estimates"（Stata Journal），是 esttab 系列的"圣经"。
Stata 官方：help estpost、help esttab、help pwcorr、help putexcel。
教材：Cameron & Trivedi, Microeconometrics Using Stata 第 13 章"Production of tables and graphs"。
中文资源：陈强《高级计量经济学及 Stata 应用》第 2 章；知乎/经管之家"estout 导出三线表"专题帖。
图表示范：浏览 AER 官网的最新论文，挑一篇你感兴趣的，把它 Table 1 的结构抄下来，作为你自己论文的模板。

← 上一节

02 数据合并与面板整理

04 基准回归