Day 01 · 手写教程

描述性统计

第一张表不是凑数，是数据可信度体检

返回方法库 · 共用案例 · 变量百科

描述性统计是什么？

描述性统计就是论文里的第一张表。它不负责证明假设，也不负责告诉你因果关系；它只回答一个更早的问题：这份样本到底长什么样。读者看到 Table 1，应该能知道样本有多少、变量大概在什么范围、有没有明显右偏、有没有离谱的极端值。

本案例的有效样本是 720 个公司-年观测。企业创新 patent_count 的均值是 1.993，中位数是 2，最大值是 7；这说明它不是一个很平滑的连续变量，而是有计数特征。核心变量 dfi_index 在建模口径下已经标准化，均值约为 -0.063，标准差约为 1.014，所以后面回归里的系数要按标准化变量理解。

这张表怎么做？

先把论文主模型会用到的变量列出来：因变量、核心解释变量、控制变量都要在 Table 1 里出现。然后对每个变量输出 N、均值、标准差、最小值、中位数和最大值。不要只给均值和标准差；对专利计数这种变量，中位数和最大值比均值更能暴露分布形状。

实际操作时，先读入数据，生成 ln_patent1 = ln(1 + patent_count)，再用 tabstat 或同类命令输出统计量。加 1 的原因很简单：有些企业当年没有专利，ln(0) 不存在。

结果应该怎么读？

• 先看 N。如果不同变量的 N 差很多，后面的回归样本会被缺失值吃掉。
• 再看均值和中位数。如果均值远大于中位数，变量通常右偏，需要考虑取对数或计数模型。
• 最后看最小值和最大值。它们能帮你发现缺失码、录入错误和没有处理过的极端值。

论文里怎么写？

可以这样写：表 1 报告了主要变量的描述性统计。样本为 2015-2020 年 A 股上市公司面板。企业创新的专利计数均值为 1.993，中位数为 2，说明样本企业的创新产出存在一定右偏；核心解释变量数字普惠金融指数在建模口径下已标准化，均值接近 0，标准差接近 1。

常见错误

不要把描述性统计写成“DFI 促进创新”。Table 1 只能说明样本分布，不能说明因果。也不要只贴表不解释；至少要说明样本量、核心变量量纲和因变量分布。

本页案例代码和输出

下面这部分是本教程对应的实际案例材料，方便你把前面的解释和真实输出对上。

Stata 代码

log using "/root/workspace/empirical-wizard/workspace/5b186599/analysis.log", replace text
global JOB_DIR "/root/workspace/empirical-wizard/workspace/5b186599"
set more off
adopath + "/root/ado/plus"
global DATA_PATH "/root/workspace/empirical-wizard/workspace/test_e2e/csmar_innovation.csv"
import delimited "/root/workspace/empirical-wizard/workspace/test_e2e/csmar_innovation.csv", clear case(preserve)
capture confirm global JOB_DIR
if _rc global JOB_DIR "."
quietly duplicates drop

local statvars "patent_count dfi_index roa lev size growth cashflow tobinq top1 dual"
local timevar "year"
local idvar "stkcd"
local dvvar "patent_count"
local ivvar "dfi_index"

tempfile ewiz_desc
tempname ewiz_post
postfile `ewiz_post' str64 variable double count mean sd min p25 p50 p75 max using `ewiz_desc', replace
foreach v of local statvars {
    capture confirm numeric variable `v'
    if !_rc {
        quietly summarize `v', detail
        post `ewiz_post' ("`v'") (r(N)) (r(mean)) (r(sd)) (r(min)) (r(p25)) (r(p50)) (r(p75)) (r(max))
    }
}
postclose `ewiz_post'

preserve
use `ewiz_desc', clear
rename count N
export delimited using "$JOB_DIR/描述性统计.csv", replace
restore

quietly pwcorr `statvars', sig
matrix EWIZ_C = r(C)
matrix EWIZ_P = r(sig)
local nvars : word count `statvars'
preserve
clear
set obs `nvars'
gen str64 variable = ""
forvalues i = 1/`nvars' {
    local vname : word `i' of `statvars'
    replace variable = "`vname'" in `i'
}
forvalues j = 1/`nvars' {
    gen c`j' = .
}
forvalues i = 1/`nvars' {
    forvalues j = 1/`nvars' {
        replace c`j' = EWIZ_C[`i', `j'] in `i'
    }
}
forvalues j = 1/`nvars' {
    local vname : word `j' of `statvars'
    rename c`j' `vname'
}
export delimited using "$JOB_DIR/相关系数矩阵.csv", replace
restore

* 同时导出 p 值矩阵（上三角 p、下三角系数约定：这里直接把 p 矩阵单独导出
* 供 reporter 读取；渲染时组合成『下三角系数+星号 / 上三角 p』学术格式）
preserve
clear
set obs `nvars'
gen str64 variable = ""
forvalues i = 1/`nvars' {
    local vname : word `i' of `statvars'
    replace variable = "`vname'" in `i'
}
forvalues j = 1/`nvars' {
    gen p`j' = .
}
forvalues i = 1/`nvars' {
    forvalues j = 1/`nvars' {
        capture replace p`j' = EWIZ_P[`i', `j'] in `i'
    }
}
forvalues j = 1/`nvars' {
    local vname : word `j' of `statvars'
    rename p`j' `vname'
}
export delimited using "$JOB_DIR/相关系数矩阵_pvalue.csv", replace
restore

foreach v in `dvvar' `ivvar' {
    if "`v'" != "" {
        capture confirm numeric variable `v'
        if !_rc {
            quietly inspect `v'
            local _nunique = r(N_unique)
            quietly summarize `v', meanonly
            local _vmin = r(min)
            local _vmax = r(max)
            // Treat as dummy ONLY when there are exactly 1-2 unique values AND they are 0/1.
            if `_nunique' <= 2 & `_vmin' >= 0 & `_vmax' <= 1 & `_vmax' - `_vmin' <= 1 & `_vmax' == int(`_vmax') & `_vmin' == int(`_vmin') {
                graph bar (mean) `v', title("`v' Distribution") ytitle("Share") blabel(bar, format(%9.3f))
            }
            else {
                histogram `v', normal title("`v' Distribution") xtitle("`v'") ytitle("Frequency")
            }
            capture graph export "$JOB_DIR/distribution_`v'.png", replace width(1600)
        }
    }
}

if "`timevar'" != "" & "`dvvar'" != "" {
    capture confirm variable `timevar'
    if !_rc {
        preserve
        keep `timevar' patent_count dfi_index
        collapse (mean) patent_count dfi_index, by(`timevar')
        sort `timevar'
        if "`ivvar'" != "" {
            twoway (line `dvvar' `timevar', lcolor(navy) lwidth(medthick) msymbol(o)) (line `ivvar' `timevar', yaxis(2) lcolor(maroon) lpattern(dash) msymbol(diamond)), title("Core Variable Trends") xtitle("`timevar'") ytitle("`dvvar' mean", axis(1)) ytitle("`ivvar' mean", axis(2)) legend(order(1 "`dvvar'" 2 "`ivvar'"))
        }
        else {
            twoway line `dvvar' `timevar', lcolor(navy) lwidth(medthick) msymbol(o) title("Outcome Trend") xtitle("`timevar'") ytitle("`dvvar' mean")
        }
        capture graph export "$JOB_DIR/descriptive_trend.png", replace width(1800)
        restore
    }
}

if "`idvar'" != "" & "`timevar'" != "" {
    capture confirm variable `idvar'
    capture confirm variable `timevar'
    if !_rc {
        preserve
        collapse (count) obs_count=`timevar' (min) start_period=`timevar' (max) end_period=`timevar', by(`idvar')
        export delimited using "$JOB_DIR/panel_structure.csv", replace
        restore
    }
}

di "描述性统计与相关分析输出完成"
log close

输出表

补充输出

下面这些文件来自同一次案例运行或烟测输出，用来补齐主表之外的诊断信息。

panel_structure.csv

这里只展示前 36 行，完整文件保存在资产目录中。

相关系数矩阵.csv

相关系数矩阵_pvalue.csv

案例图

写作检查

本文在共用企业面板样本上报告描述性统计，核心输出见 描述性统计.csv。结果解释时同时关注样本口径、变量构造、系数方向、标准误和适用前提，避免只凭单个 p 值完成方法选择。

• 确认本页使用的因变量、核心解释变量、控制变量与论文主模型一致。
• 先看表格里的样本口径，再看系数、p 值或诊断指标。
• 代码里的输出文件名要能对应网页展示的结果表。

返回方法库 · 打开 empirical-wizard