棒棒糖one
棒棒糖one

Stata作回归分析

Stata将回归分析结果直接导出到Word里

ssc install asdoc, replace

写每个命令时前面加上asdoc就可将生成的结果存在word 中
将图片保存成.emf格式，可在word中直接插入。

导入数据

Stata作回归分析_第1张图片

数据描述


. sum#描述数据

    Variable |        Obs        Mean    Std. Dev.       Min        Max
-------------+---------------------------------------------------------
           A |         25          13    7.359801          1         25
       index |         25          13    7.359801          1         25
           y |         25      26.444    24.60308        1.9       84.7
          x1 |         25     101.032    64.96047       13.2      299.5
          x2 |         25      99.384    63.28338        6.1        277
-------------+---------------------------------------------------------
          x3 |         25      5197.4    3649.682        209      15571
          x4 |         25        11.4    7.112196          2         34
          x5 |         25      11.848    7.625676        2.5       33.7

由上表可以看出每个变量的最大值，最小值，平均值，标准差以及样本个数等具体值。

describe#描述数据，和sum有一定区别

得到


Contains data
  obs:            25                          
 vars:             8                          
 size:           925                          
-----------------------------------------------------------------------------------------------
              storage   display    value
variable name   type    format     label      variable label
-----------------------------------------------------------------------------------------------
A               byte    %10.0g                
index           byte    %10.0g                index
y               double  %10.0g                y
x1              double  %10.0g                x1
x2              double  %10.0g                x2
x3              int     %10.0g                x3
x4              byte    %10.0g                x4
x5              double  %10.0g                x5
-----------------------------------------------------------------------------------------------
Sorted by: 
     Note: Dataset has changed since last saved.
得到样本数据特征

线性回归

regress y x1 x2 x3 x4 x5#作线性回归

结果

      Source |       SS           df       MS      Number of obs   =        25
-------------+----------------------------------   F(5, 19)        =     21.84
       Model |  12374.4556         5  2474.89112   Prob > F        =    0.0000
    Residual |  2153.02602        19  113.317159   R-squared       =    0.8518
-------------+----------------------------------   Adj R-squared   =    0.8128
       Total |  14527.4816        24  605.311733   Root MSE        =    10.645

------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
          x1 |   .1273254    .095979     1.33   0.200     -.073561    .3282118
          x2 |    .160566   .0556834     2.88   0.010     .0440194    .2771126
          x3 |   .0007636   .0013556     0.56   0.580    -.0020737    .0036009
          x4 |   -.333199   .3986248    -0.84   0.414     -1.16753    .5011323
          x5 |  -.5746462   .3087506    -1.86   0.078    -1.220869    .0715763
       _cons |   4.260477   10.46798     0.41   0.689    -17.64926    26.17022
------------------------------------------------------------------------------

相关系数矩阵

correlate y x1 x2 x3 x4 x5


             |        y       x1       x2       x3       x4       x5
-------------+------------------------------------------------------
           y |   1.0000
          x1 |   0.8505   1.0000
          x2 |   0.8332   0.7381   1.0000
          x3 |   0.7409   0.8832   0.5534   1.0000
          x4 |  -0.6043  -0.6231  -0.5382  -0.5225   1.0000
          x5 |  -0.4470  -0.2775  -0.3231  -0.2910   0.0953   1.0000

##Stata检查是否存在多重共线性
用容忍度和方差膨胀因子（VIF）,VIF 大于10 存在严重的共线性，若自变量间存在的多重相关性这里将采取逐步回归法进行修正。

estat vif


    Variable |       VIF       1/VIF  
-------------+----------------------
          x1 |      8.23    0.121460
          x3 |      5.18    0.192888
          x2 |      2.63    0.380237
          x4 |      1.70    0.587420
          x5 |      1.17    0.851750
-------------+----------------------
    Mean VIF |      3.78

对于违背基本假设的处理方法（不全）

pca x1 x2 x3 x4 x5

Principal components/correlation                 Number of obs    =         25
                                                 Number of comp.  =          5
                                                 Trace            =          5
    Rotation: (unrotated = principal)            Rho              =     1.0000

    --------------------------------------------------------------------------
       Component |   Eigenvalue   Difference         Proportion   Cumulative
    -------------+------------------------------------------------------------
           Comp1 |      3.06752      2.13626             0.6135       0.6135
           Comp2 |      .931263       .42405             0.1863       0.7998
           Comp3 |      .507212     .0891979             0.1014       0.9012
           Comp4 |      .418014      .342028             0.0836       0.9848
           Comp5 |     .0759864            .             0.0152       1.0000
    --------------------------------------------------------------------------

Principal components (eigenvectors) 

    ------------------------------------------------------------------------------
        Variable |    Comp1     Comp2     Comp3     Comp4     Comp5 | Unexplained 
    -------------+--------------------------------------------------+-------------
              x1 |   0.5411    0.0950    0.2986    0.0764   -0.7767 |           0 
              x2 |   0.4736   -0.0361   -0.3527    0.7615    0.2648 |           0 
              x3 |   0.4981    0.0407    0.6165   -0.2196    0.5674 |           0 
              x4 |  -0.4231   -0.3830    0.6107    0.5463   -0.0531 |           0 
              x5 |  -0.2362    0.9172    0.1828    0.2600    0.0435 |           0 
    ------------------------------------------------------------------------------

主成分分析详细内容

你可能感兴趣的:(stata)

  • linux进程sl状态,linux进程状态s和sl的区别 weixin_39830688 linux进程sl状态
    PROCESSSTATECODESHerearethedifferentvaluesthatthes,statandstateoutputspecifiers(header"STAT"or"S")willdisplaytodescribethestateofaprocess:Duninterruptiblesleep(usuallyIO)IIdlekernelthreadRrunningorrun
  • linux进程状态 Ss,Ss+,D,R+,S< Thinkcortex Linux
    ps-auxHerearethedifferentvaluesthatthes,statandstateoutputspecifiers(header"STAT"or"S")willdisplaytodescribethestateofaprocess:Duninterruptiblesleep(usuallyIO)Rrunningorrunnable(onrunqueue)Sinterrupti
  • 人生苦短我用Python pandas文件格式转换 程序喵D 人生苦短我用Pythonpythonpandas
    人生苦短我用Pythonpandas文件格式转换前言示例1excel与csv互转常用格式的方法FlatfileExcelJSONXML示例2常用格式转换简要需求依赖export方法main方法附其它格式的方法HTMLPicklingClipboardLatexHDFStore:PyTables(HDF5)FeatherParquetORCSASSPSSSQLGoogleBigQuerySTATA前
  • 微习惯复盘与感恩日记2022-04-30 小木山庄的溜溜
    微习惯复盘：1、写论文15分钟：跟导师聊了一个小时，知道了接下来应该怎么做。整理了导师的指导和经验。又学了一点stata，还没学完，看来要明天才能学完了。2、看文献15分钟：无。3、阅读正经书15分钟：《你的身体是一切美好的开始》。看一些关于健康的书，让自己健康起来。4、写小说15分钟：报名了无戒学堂的马拉松，激励自己完成豆瓣马拉松吧。虽然今天也没有写小说，已经三天没有写了。没关系，明天一定写！5
  • 双重差分模型DID PD我是你的真爱粉 计量经济学金融
    双重差分模型（DID）–潘登同学的计量经济学笔记文章目录双重差分模型（DID）--潘登同学的计量经济学笔记基本思想构造模型数据前提稳健性检验共同趋势（CT）检验安慰剂检验stata示例DID估计平行趋势检验安慰剂检验基本思想双重差分法可以理解为对随机分配实验的一种模拟，在没有随机实验的情况下去验证因果关系。步骤：分组：对于一个自然实验，其将全部的样本数据分为两组：一组是受到干预影响，即实验组；另一
  • HMM 隐马尔可夫模型初学（二） 小贝学生信
    1、HMM，HiddenMarkovmodel隐马尔科夫模型（1）天气举例假设不能直接观察天气阴晴雨情况，只能看到地面的潮湿情况（假如分为非常潮湿，一般潮湿，不潮湿三种对应A，B，C三种评级）。现在我一连观察了一周的地面潮湿情况（AABBCBA），是否能够判断这一周的天气？如上所述，有两类状态：一类是地面潮湿状态observationstata（A、B、C）；一类是天气情况latentstata（
  • 倾向得分匹配法（PSM） 姚利汪汪汪
    2、PSM的stata应用以数据集ldw_exper.dta为例，该数据集包含结果变量re78（1978年实际收入），处理变量t（是否参加就业培训），协变量age（年龄），educ（教育年限），black（是否为黑人），hisp（是否为拉丁裔），married（是否结婚），re74（1974年实际收入），re75（1975年实际收入），u74（1974年是否失业），以及u75（1975年是否失业）
  • Linux 软链接和硬链接 Linux开发那些事儿
    在Linux系统中，链接是一种文件共享的方式，它分为软链接和硬链接，对应的命令是ln什么是软连接软链接又叫符号链接,它类似于windows系统中的快捷方式，常用于将目录层次较深的文件链接到比较容易访问的目录中创建软链接使用ln-s源文件软链接命令就可以创建一个软链接，软链接可以对文件、目录、跨文件系统的文件或目录创建文件的软链接[root@ecs-centos-7tt]#stata.txt|gre
  • 一文了解什么是倾向得分匹配PSM？ spssau
    倾向得分匹配，在医学研究及计量经济领域都有广泛应用，其目的在于减少数据偏差和混杂因素的干扰。很多统计软件都支持PSM，如SPSS和stata。SPSSAU最新版本也提供了倾向得分匹配。下面我们就一起来了解下，究竟什么是倾向得分匹配？以及如何分析？PSM解决的是选择偏差问题（即控制混杂因素），倾向得分配比就是利用倾向评分值，从对照组中为处理做中的每个个体寻找一个或多个背景特征相同或相似的个体作为对照
  • Stata实证命令代码汇总 m0_71334485 #stata代码stata实证命令stata命令内生性解决
    Stata代码命令汇总数据内容：包括数据导入和管理、数据的处理、描述性统计、相关性分析、实证模型、内生性解决、检验分析、结果导出具体如下：一、数据导入和管理：数据导入、数据导出二、数据的处理：生成新变量、格式转换、缺失数据、异常数据、重命名变量、编码分类变量、设定面板数据、数据合并、数据追加三、描述性统计：基本统计、变量的详细统计、变量的频率表、变量间的相关性、回归分析及其描述性统计、简单统计四、
  • 学习笔记GMM（其三） 天鹰_2019
    天鹰（中南财大——博士研究生）E-mail:[[email protected]]在通过前两期对广义矩估计GMM基本理论了解的基础上，下面要做的就是如何在STATA中实现操作。本文所使用的数据是Arellano&Bond(1991)中的数据，具体数据可以在网上进行下载（webuseabdata）xtsetidyear----告诉Stata该数据为面板数据----browsegenlnemp=log
  • Meta分析入门工具介绍 Jabes
    主要目的是先能够简单的复现一些论文的研究方法，按照计划是了解Revman，stata与R语言的相关分析方法即可。锚定复现的论文信息为：论文名称：Clinicalevaluationofprophylacticabdominalaorticballoonocclusioninpatientswithplacentaaccreta:asystematicreviewandmeta-analysis论文
  • Stata学习（1） 何仙鸟 学习
    一、五大窗口Command窗口：实现人机交互来导入一个自带数据：sysuse是导入系统自带的数据，auto导入该数据的名称，后面的clear是清除之前的数据结果窗口：展示计算结果、查找功能在Edit的find可以实现查找功能，或者ctrl+f；清屏右击有clear回顾窗口：保存执行过的命令，漏斗可以进行筛选，点击后会自动跑到命令窗口，直接双击会执行导入编辑器可以保存：变量窗口：小箭头可以把变量搞到
  • stata学习（2） 何仙鸟 学习
    先导入自带数据，保留几个变量方便操作生成一个新变量：表里就有了：把make空格后的内容取过来：对原来存在的变量进行修改：删除数据：row(N)也就是矩阵N的行数删除变量：画一个二维图像：qfit是曲线，lfit是直线通过grapheditor可以对图进行修改：画一个三维图：先载一个包：
  • 数据统计分析三大软件之SPSS 科研侠
    引言要做好研究，就需要数据，可光有数据是没用的，我们还要学会数据的分析，想要完美精确的数据分析结果就需要一个功能齐全，计算严谨的数据软件，今天我们要给大家介绍的是SPSS。作为与Stata/SAS一起成为世界公认的三大数据软件的SPSS，其功能齐全，操作简单，还具有强大的绘图功能。SPSS简介首先我们来了解一下SPSS，SPSS的英文全称为StatisticalProductandServiceS
  • Stata收敛性分析（含详细代码说明和样例数据） m0_71334485 数据#stata代码收敛性分析stata代码
    Stata收敛性分析（含详细代码说明和样例数据）收敛性分析是管理科学和运筹学中重要的概念，是一种解决决策者对他们的管理策略的反馈的方式和手段。它的最终目的是帮助管理者从复杂的环境中筛选最优的解决方案。收敛性分析一般情况下会结合一些概念，例如实验研究，不确定性的分析，以及特定的决策环境，来解决特定问题。收敛性分析旨在帮助决策者认识和理解给定决策情境内的系统性知识组合。它由一系列步骤组成，从分析现有系
  • 微习惯复盘与感恩日记2022-05-01 小木山庄的溜溜
    微习惯复盘：1、科研15分钟：stata学完了！非常开心。虽然后半截其实没有很认真地学，因为是一些具体的实证方法，具体用到的时候才会理解得更好。我觉得这些就先知道一下，要用的时候知道在哪里找就行。毕竟只是这样听听课，其实对模型也只是浅尝辄止而已，更何况讲课的老师水平是真的不好，口头禅实在太多，听得我非常痛苦。我准备把“写论文”和“看文献”合并起来，大家都是搞科研，分开写太乱了，还是放在一起吧，给自
  • 如何用stata进行样本配对 古铜巧克力
    我现在有一个数据库，有symbol，year，size，lev，ROA，top1，insown，ind，treated等变量要求：（1）根据同year同ind，相近的size，lev，ROA，top1，insown等特征变量，对treated=1的样本选择treated=0的匹配样本（1:1），（2）同时size，lev，ROA，top1，insown等为预选变量，我希望能够通过命令进行筛选，选择
  • stata面板数据回归 九十辰 科学软件专栏回归数据挖掘人工智能
    使用工具：Stata，该工具是一个回归工具数据：面板数据回归函数：面板数据展示：回归过程将数据导入stata：会在变量窗口看到刚刚导入的四种数据根据我们的公式，需要lnrank和lnsize所以进行计算：得到新的两个变量genln_size=log(城市区域人口)genln_rank=log(rank)由于需要进行面板数据回归，所以先需要设置面板数据结构：xtsetcity_name年份由于xts
  • 双重差分法 | 平行趋势检验 KEMOSABE
    简单介绍一下实证论文中双重差分法（DID）的平行趋势检验（ParallelTrendTest）在Stata中如何操作。（本文首发于个人微信公众号DMETP，欢迎关注！）一、平行趋势假定平行趋势假定是实证论文中使用DID的前提，处理组与控制组的目标变量在政策发生前（事前）只有满足平行趋势假设才能使用DID。反之，如果处理组和控制组在事前就存在一定的差异，那么用DID做出来（可能还很好看）的结果就不再
  • Stata17安装教程 老虎也淘气 开发语言
    文章目录**Stata17安装教程**前言系统要求Windows：macOS：Linux：软件下载正式安装1.下载Stata17安装包2.双击Stata17.exe开启安装3.接受同意条款，然后继续安装4.选择想要安装的版本，StataBE为基础版、StataSE为特别版、StataMP为并行计算版；这里选择StataMP版本5.这一步很重要：安装位置可以默认（默认是C盘），也可以自行更改，但更改
  • 泛谈一下数字化技能的学习，SPSS、Stata还是Python？技术、业务+表达、展现！ 数据科学作家 pythonSPSSStataSPSS学习数据分析统计分析机器学习
    1.本科、专科上学时对于这些偏数学类的课程还是要好好学习应知乎、小红书、CSDN很多年轻朋友、同学们的邀请，今天我泛谈一下数字化技能的学习。很多学生在本科或专科上学时代学过统计学、计量经济学、机器学习、数据分析、统计分析、数据挖掘、量化建模等一门或多门课程，至少也学过概率论、数理统计、线性代数、微积分等课程，其实就已经具备了相对较好的数据分析基础。等到本科或专科毕业后，有的同学致力于读研、读博，也
  • 各种数据类型meta在stata中的实现 找兔子的小萝卜
    连续型数据meta初步分析在STATA中的实现1数据提取要对连续性数据进行meta分析，需要提取每篇文章的分组情况、样本量、均值、标准差。需要初步整理为如下格式，如下图所示：image.png对文章效应指标的选择，目前使用较多的是加权均数差（WMD）和标准均数差（SMD）。1）WMD是对均数进行加权，让原始研究效应估计的精度性决定其在meta分析中的权重，消除了绝对值的大小对分析结果的影响。WMD
  • 使用 CSMAR Stata API 自动下载数据 虹衣剑客
    CSMARAPI提供了Python、R、MATLAB和Stata四种接口，为我们从CSMAR上下载数据，提供了极大的便利性。API支持我们在上面四种编程软件中通过直接使用代码下载数据，而不必每次都要进入CSMAR官网、点选框格进行数据的筛选和下载。CSMARStataAPI的原理是基于Java语言开发的Stata插件（目前仅支持Windows系统），通过调用插件相关方法来实现CSMAR数据库的数据
  • STATA DEA代码说明及样本数据 m0_71334485 数据#stata代码DEAstatadea代码
    STATA_DEA代码说明及样本数据含DEA模型代码和malmquist指数stata代码包含具体说明数据包络分析（Dataenvelopmentanalysis，DEA）是运筹学和研究经济生产边界的一种方法。该方法一般被用来测量一些决策部门的生产效率。DEA是一个线性规划模型，表示为产出对投入的比率。通过对一个特定单位的效率和一组提供相同服务的类似单位的绩效的比较，它试图使服务单位的效率最大化。
  • stata学习3：表达式及相应运算符号 小记专家 stata学习
    1.关系符号在stata中一共有6中关系符号，等于：“==”不等于：“！=”大于：“>”小于：“=”小于等于：“<=”2.逻辑符号stata运算中，通过加入一个或者多个逻辑符号，便可以将一个或多个关系运算符联系起来，stata中的逻辑运算符号有以下几种：或：“！”且：“&”非：“I”
  • Stata 爬虫：如何爬取并清洗民政部行政区划代码数据 虹衣剑客
    下载行政区划代码（Stata爬虫）Stata爬虫数据清洗与主数据对接（merge）这里使用的行政区划代码数据来自于民政部：2020年12月中华人民共和国县以上行政区划代码。首先网页爬取和数据导入。使用copy命令，可以在当前目录生成district_code.txt文件，这里存储的是网页源码。接着使用infix将TXT文件导入Stata。从导入的结果（上图右侧）来看，我们想要的区划名称和区划代码的
  • Stata 基本回归分析 迷茫的小孩2
    普通最小二乘估计方法(OrdinaryLeastSquare，简记为OLS)，是单一方程线性回归模型最常用、最基本的估计方法。1.小样本的普通最小二乘法分析OLS的基本思想就是通过让残差e的平方和最小，从而使得模型的估计成为可能。实验原理image.png#打开数据文件、观测数据特征sysuseusaauto,clearedit#关注一下原始数据及其统计特征describe#数据的统计特征regr
  • Python 自动化办公：一键批量生成 PPT 豆本-豆豆奶 python自动化powerpoint深度学习开发语言学习
    StataandPython数据分析一、导读在实际工作中，经常需要批量处理Office文件，比如需要制作一个几十页的PPT进行产品介绍时，一页一页地制作不仅麻烦而且格式可能不统一。那么有什么办法可以一键生成PPT呢？Python提供的pptx包就可以用来自动化处理ppt。pytho****n-pptx是一个用于创建和编辑MicrosoftPowerPoint(.pptx)文件的Python库。它能
  • Python数据分析案例35——多元线性回归全流程 (数据探索可视化，回归分析，多重共线性，残差检验，异方差检验，自相关检验) 阡之尘埃 Python数据分析案例python数据分析多元回归异方差残差检验
    案例背景很多经济学同学用Python做传统统计学的回归分析时可能没有R或者Stata，Eviews，SPSS方便，他们对回归分析里面常用的检验过程不熟悉。Python做回归这些当然没有这些统计学，计量经济学常用的软件方便，但是都能做，只是没有人总结一个系统的完整的回归分析的流程。他们做回归往往忽略了，传统统计学还需要做的多重共线性的检验，残差检验，异方差检验，自相关检验等等。本次案例就来总结一下一
  • Hadoop(一) 朱辉辉33 hadooplinux
    今天在诺基亚第一天开始培训大数据，因为之前没接触过Linux，所以这次一起学了，任务量还是蛮大的。 首先下载安装了Xshell软件，然后公司给了账号密码连接上了河南郑州那边的服务器，接下来开始按照给的资料学习，全英文的，头也不讲解，说锻炼我们的学习能力，然后就开始跌跌撞撞的自学。这里写部分已经运行成功的代码吧.    在hdfs下，运行hadoop fs -mkdir /u
  • maven An error occurred while filtering resources blackproof maven报错
    转：http://stackoverflow.com/questions/18145774/eclipse-an-error-occurred-while-filtering-resources   maven报错： maven An error occurred while filtering resources   Maven -> Update Proje
  • jdk常用故障排查命令 daysinsun jvm
    linux下常见定位命令： 1、jps      输出Java进程       -q       只输出进程ID的名称，省略主类的名称；       -m      输出进程启动时传递给main函数的参数；     &nb
  • java 位移运算与乘法运算 周凡杨 java位移运算乘法
      对于 JAVA 编程中，适当的采用位移运算，会减少代码的运行时间，提高项目的运行效率。这个可以从一道面试题说起：     问题： 用最有效率的方法算出2 乘以8 等於几?” 答案：2 << 3 由此就引发了我的思考，为什么位移运算会比乘法运算更快呢？其实简单的想想，计算机的内存是用由 0 和 1 组成的二
  • java中的枚举(enmu) g21121 java
    从jdk1.5开始，java增加了enum(枚举)这个类型，但是大家在平时运用中还是比较少用到枚举的，而且很多人和我一样对枚举一知半解，下面就跟大家一起学习下enmu枚举。先看一个最简单的枚举类型，一个返回类型的枚举： public enum ResultType { /** * 成功 */ SUCCESS, /** * 失败 */ FAIL,
  • MQ初级学习 510888780 activemq
    1.下载ActiveMQ 去官方网站下载：http://activemq.apache.org/ 2.运行ActiveMQ 解压缩apache-activemq-5.9.0-bin.zip到C盘，然后双击apache-activemq-5.9.0-\bin\activemq-admin.bat运行ActiveMQ程序。 启动ActiveMQ以后，登陆：http://localhos
  • Spring_Transactional_Propagation 布衣凌宇 springtransactional
    //事务传播属性 @Transactional(propagation=Propagation.REQUIRED)//如果有事务，那么加入事务，没有的话新创建一个 @Transactional(propagation=Propagation.NOT_SUPPORTED)//这个方法不开启事务 @Transactional(propagation=Propagation.REQUIREDS_N
  • 我的spring学习笔记12-idref与ref的区别 aijuans spring
    idref用来将容器内其他bean的id传给<constructor-arg>/<property>元素，同时提供错误验证功能。例如： <bean id ="theTargetBean" class="..." /> <bean id ="theClientBean" class=&quo
  • Jqplot之折线图 antlove jsjqueryWebtimeseriesjqplot
    timeseriesChart.html <script type="text/javascript" src="jslib/jquery.min.js"></script> <script type="text/javascript" src="jslib/excanvas.min.js&
  • JDBC中事务处理应用 百合不是茶 javaJDBC编程事务控制语句
      解释事务的概念; 事务控制是sql语句中的核心之一;事务控制的作用就是保证数据的正常执行与异常之后可以恢复   事务常用命令:             Commit提交         
  • [转]ConcurrentHashMap Collections.synchronizedMap和Hashtable讨论 bijian1013 java多线程线程安全HashMap
    在Java类库中出现的第一个关联的集合类是Hashtable，它是JDK1.0的一部分。 Hashtable提供了一种易于使用的、线程安全的、关联的map功能，这当然也是方便的。然而，线程安全性是凭代价换来的――Hashtable的所有方法都是同步的。此时，无竞争的同步会导致可观的性能代价。Hashtable的后继者HashMap是作为JDK1.2中的集合框架的一部分出现的，它通过提供一个不同步的
  • ng-if与ng-show、ng-hide指令的区别和注意事项 bijian1013 JavaScriptAngularJS
            angularJS中的ng-show、ng-hide、ng-if指令都可以用来控制dom元素的显示或隐藏。ng-show和ng-hide根据所给表达式的值来显示或隐藏HTML元素。当赋值给ng-show指令的值为false时元素会被隐藏，值为true时元素会显示。ng-hide功能类似，使用方式相反。元素的显示或
  • 【持久化框架MyBatis3七】MyBatis3定义typeHandler bit1129 TypeHandler
    什么是typeHandler? typeHandler用于将某个类型的数据映射到表的某一列上，以完成MyBatis列跟某个属性的映射   内置typeHandler MyBatis内置了很多typeHandler，这写typeHandler通过org.apache.ibatis.type.TypeHandlerRegistry进行注册，比如对于日期型数据的typeHandler，
  • 上传下载文件rz,sz命令 bitcarter linux命令rz
    刚开始使用rz上传和sz下载命令： 因为我们是通过secureCRT终端工具进行使用的所以会有上传下载这样的需求： 我遇到的问题： sz下载A文件10M左右，没有问题 但是将这个文件A再传到另一天服务器上时就出现传不上去，甚至出现乱码，死掉现象，具体问题 解决方法： 上传命令改为;rz -ybe 下载命令改为：sz -be filename 如果还是有问题： 那就是文
  • 通过ngx-lua来统计nginx上的虚拟主机性能数据 ronin47 ngx-lua　统计 解禁ip
    介绍 以前我们为nginx做统计,都是通过对日志的分析来完成.比较麻烦,现在基于ngx_lua插件,开发了实时统计站点状态的脚本,解放生产力.项目主页: https://github.com/skyeydemon/ngx-lua-stats 功能 支持分不同虚拟主机统计, 同一个虚拟主机下可以分不同的location统计. 可以统计与query-times request-time
  • java-68-把数组排成最小的数。一个正整数数组，将它们连接起来排成一个数，输出能排出的所有数字中最小的。例如输入数组{32, 321}，则输出32132 bylijinnan java
    import java.util.Arrays; import java.util.Comparator; public class MinNumFromIntArray { /** * Q68输入一个正整数数组，将它们连接起来排成一个数，输出能排出的所有数字中最小的一个。 * 例如输入数组{32, 321}，则输出这两个能排成的最小数字32132。请给出解决问题
  • Oracle基本操作 ccii Oracle SQL总结Oracle SQL语法Oracle基本操作Oracle SQL
    一、表操作 1. 常用数据类型 NUMBER(p,s)：可变长度的数字。p表示整数加小数的最大位数，s为最大小数位数。支持最大精度为38位 NVARCHAR2(size)：变长字符串，最大长度为4000字节（以字符数为单位） VARCHAR2(size)：变长字符串，最大长度为4000字节（以字节数为单位） CHAR(size)：定长字符串，最大长度为2000字节，最小为1字节，默认
  • [强人工智能]实现强人工智能的路线图 comsci 人工智能
        1：创建一个用于记录拓扑网络连接的矩阵数据表      2:自动构造或者人工复制一个包含10万个连接(1000*1000)的流程图      3：将这个流程图导入到矩阵数据表中      4：在矩阵的每个有意义的节点中嵌入一段简单的
  • 给Tomcat，Apache配置gzip压缩(HTTP压缩)功能 cwqcwqmax9 apache
    背景： HTTP 压缩可以大大提高浏览网站的速度，它的原理是，在客户端请求网页后，从服务器端将网页文件压缩，再下载到客户端，由客户端的浏览器负责解压缩并浏览。相对于普通的浏览过程HTML ,CSS,Javascript , Text ，它可以节省40%左右的流量。更为重要的是，它可以对动态生成的，包括CGI、PHP , JSP , ASP , Servlet,SHTML等输出的网页也能进行压缩，
  • SpringMVC and Struts2 dashuaifu struts2springMVC
    SpringMVC VS Struts2 1: spring3开发效率高于struts 2: spring3 mvc可以认为已经100%零配置 3: struts2是类级别的拦截， 一个类对应一个request上下文， springmvc是方法级别的拦截，一个方法对应一个request上下文，而方法同时又跟一个url对应 所以说从架构本身上 spring3 mvc就容易实现r
  • windows常用命令行命令 dcj3sjt126com windowscmdcommand
    在windows系统中，点击开始－运行，可以直接输入命令行，快速打开一些原本需要多次点击图标才能打开的界面，如常用的输入cmd打开dos命令行，输入taskmgr打开任务管理器。此处列出了网上搜集到的一些常用命令。winver 检查windows版本 wmimgmt.msc 打开windows管理体系结构(wmi) wupdmgr windows更新程序 wscrip
  • 再看知名应用背后的第三方开源项目 dcj3sjt126com ios
    知名应用程序的设计和技术一直都是开发者需要学习的，同样这些应用所使用的开源框架也是不可忽视的一部分。此前《 iOS第三方开源库的吐槽和备忘》中作者ibireme列举了国内多款知名应用所使用的开源框架，并对其中一些框架进行了分析，同样国外开发者 @iOSCowboy也在博客中给我们列出了国外多款知名应用使用的开源框架。另外txx's blog中详细介绍了 Facebook Paper使用的第三
  • Objective-c单例模式的正确写法 jsntghf 单例iosiPhone
    一般情况下，可能我们写的单例模式是这样的： #import <Foundation/Foundation.h> @interface Downloader : NSObject + (instancetype)sharedDownloader; @end #import "Downloader.h" @implementation
  • jquery easyui datagrid 加载成功，选中某一行 hae jqueryeasyuidatagrid数据加载
    1.首先你需要设置datagrid的onLoadSuccess $( '#dg' ).datagrid({onLoadSuccess :  function (data){      $( '#dg' ).datagrid( 'selectRow' ,3); }});   2.onL
  • jQuery用户数字打分评价效果 ini JavaScripthtmljqueryWebcss
    效果体验：http://hovertree.com/texiao/jquery/5.htmHTML文件代码： <!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <title>jQuery用户数字打分评分代码 - HoverTree</
  • mybatis的paramType kerryg DAOsql
    MyBatis传多个参数： 1、采用#{0},#{1}获得参数：    Dao层函数方法：     public User selectUser(String name,String area); 对应的Mapper.xml    <select id="selectUser" result
  • centos 7安装mysql5.5 MrLee23 centos
    首先centos7 已经不支持mysql，因为收费了你懂得，所以内部集成了mariadb，而安装mysql的话会和mariadb的文件冲突，所以需要先卸载掉mariadb，以下为卸载mariadb，安装mysql的步骤。   #列出所有被安装的rpm package rpm -qa | grep mariadb   #卸载 rpm -e mariadb-libs-5.
  • 利用thrift来实现消息群发 qifeifei thrift
               Thrift项目一般用来做内部项目接偶用的，还有能跨不同语言的功能，非常方便，一般前端系统和后台server线上都是3个节点，然后前端通过获取client来访问后台server，那么如果是多太server，就是有一个负载均衡的方法，然后最后访问其中一个节点。那么换个思路，能不能发送给所有节点的server呢，如果能就
  • 实现一个sizeof获取Java对象大小 teasp javaHotSpot内存对象大小sizeof
       由于Java的设计者不想让程序员管理和了解内存的使用，我们想要知道一个对象在内存中的大小变得比较困难了。本文提供了可以获取对象的大小的方法，但是由于各个虚拟机在内存使用上可能存在不同，因此该方法不能在各虚拟机上都适用，而是仅在hotspot 32位虚拟机上，或者其它内存管理方式与hotspot 32位虚拟机相同的虚拟机上 适用。     
  • SVN错误及处理 xiangqian0505 SVN提交文件时服务器强行关闭
    在SVN服务控制台打开资源库“SVN无法读取current” ---摘自网络 写道 SVN无法读取current修复方法 Can't read file : End of file found 文件：repository/db/txn_current、repository/db/current   其中current记录当前最新版本号，txn_current记录版本库中版本
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他