本文作者：赵 磊、何 疆

本文编辑：王思雨

技术总编：李婷婷

 用Stata执行如下的命令可以得到下图：

第三个也是最最重要的技能就是你的数据收集和整理的技能。这里我需要强调的是，什么是数据，数据并非仅仅包含我们看到的那些阿拉伯数字字符，而是信息的另一个名字，我们的科学研究用到的数据，不仅包括企业的财务数据、价格数据、通胀率失业率等数字构成的数据，还包括很多定性变量和基于文本的数据，比如人的性别、民族、宗教、语言；国家的法律渊源、殖民历史、气候；上市公司信息披露中的年报可读性、信息披露的语气，经济学中常常用到一些制度指标，比如法律保护的程度、官员的肚皮大小、脸的长宽比例，基金经理的颜值等指标。好的实证研究都离不开数据，特别是特色数据，所谓特色数据，往往不是现成的数据，需要我们自己去寻找，自己去编码，这里面常常用到的一项技术叫做网络数据收集（俗称爬虫），你要学会网络爬虫技术，爬到你需要的一个特色数据，并与你已经获得的（比如买来的）数据合并，得到实证结果。

实证研究中的回归分析是最简单的问题，你花费的90%的时间在整理数据，9%的时间在绘制表格报告结果，回归分析用的时间只有一杯咖啡的时间而已。当然，如果数据都是买来的，清洗数据花的时间也不多，可是你的研究很可能和别人撞车，因为你能买到的数据别人也买得到。关键是那个特殊的数据，往往是你需要手工整理的数据。为了一项研究，我们手工整理了判案文书网上的每一件杀人案和每一件抢劫案，为了研究基金经理的颜值，我们整理了7万个基金从业人员的照片，并通过一个APP给他们的颜值打分，整理上市公司公告，年报中的MD&A并分析其可读性、语气，几乎是我们的日常工作。为了研究高校的学术诚信，我们把知网100多万篇论文的摘要拿来，两两进行余弦相似度的计算。为了找到上市公司附近税务局的地址，我们开发了cnmapsearch命令，通过百度地图找税务局，为了计算上市公司与税务局之间的驾车距离和交通时间，我们开发了cntraveltime，可以给出从每个上市公司到附近税务局（购物中心、飞机场、任何你需要的位置）之间的驾车距离和交通时间。为了做好事件研究，我们发布了命令cnevent，为了发送一批电子邮件，我们开发了psemail命令。为了绘制股票K线图，我们开发了cnkchart命令，我们的cntrade还有获取年末上市公司数量的隐藏功能。还有我们的hk系列命令，hktrade能获取港交所上市股票历史交易信息，支持日度、周度、月度交易数据的可选项，hkar可以获取港交所上市股票历史财报数据，hkstock可以获取港交所上市的证券、权证的名称及代码。还有cnborder命令，可以判断中文地址是否处于省、市、县边界处。为了使用户能够在Stata中与ChatGPT对话，我们还推出了chatgpt这一功能强大的命令。