第一篇：linux的_CVS 的命令總結(jié)

Linux 的cvs命令總結(jié)

1）# export CVSROOT = :pserver:username@hostname: / cvsrootpath Note：pserver是訪問方式，如果服務(wù)器設(shè)置的是口令認證，則是 pserver。

username是

CVS服務(wù)器的用戶名，可以根據(jù)你的設(shè)置修改;

the_server_name是CVS服務(wù)器的名稱或者IP地址;

/home/cvsroot是你的CVS服務(wù)器的CVSROOT目錄，根據(jù)你的CVS服務(wù)器設(shè)置做修改或者詢問管理員．

2)# cvs login //會提示輸入用戶名和密碼 這時候cvs會問你口令，請把你在CVS服務(wù)器上的口令敲進去： Passwd:xxxxx 3）# cvs import-m“test log message”-ko test/aoxj/ testprojuect test

Cvs的add命令并不真正添加文件，只是將文件注冊到項目中，要真正添加文件，還要使用commit命令。

$cvs add-m “test add” testadd.c $cvs commit Cvs的remove命令并不真正刪除文件，只是將文件從項目中取消，要真正刪除文件，還要使用commit命令。

$cvs rm testadd.c $cvs commit testadd.c 一.checkout 簽出

cvs checkout [-ANPRcflnps] [-r rev|-D date] [-d dir] [-j rev1] [-j rev2] [-k kopt] modules...-A 重置所有粘性標(biāo)記/日期/kopts-N 如果指定了-d選項，不要使用短模塊路徑-P 刪除空目錄

-R 操作應(yīng)用于子目錄-c 顯示模塊數(shù)據(jù)庫的內(nèi)容

-f 如果沒有發(fā)現(xiàn)標(biāo)記/日期，強制與一個head版本號匹配-l 只有本目錄，不包括子目錄-n 不運行模塊程序

-p 把文件簽出到標(biāo)準輸出設(shè)備-s 類似-c，但是包括模塊狀態(tài)

-r rev 按版本號或標(biāo)記(tag)遷出模塊(暗含-P選項：具有粘性)-D date 簽出時間為date時的文件版本(暗含-P選項：具有粘性)-d dir 簽出到名稱為dir的目錄而不是以模塊名為名稱的目錄-k kopt 在簽出時使用RCS的kopt-k選項

-j rev merge將當(dāng)前版本與指定的rev版本合并

使用范例:(1)cvs co-d bossbi aimc/bossbi 將aimc/bossbi簽出到當(dāng)前目錄下的bossbi目錄(2)cvs co-d uab40-r R-4-0-0-0 aimc/uabweb 將aimc/uabweb的tag=R-4-0-0-0的版本簽出到uab40目錄，可以用cvs status-v 來察看tag 二.commit 將文件簽入到倉庫中

cvs commit [-nRlf] [-m msg |-F logfile] [-r rev] files...此命令將當(dāng)前目錄下的源代碼與CVS中最新版本比較，并進行更新。-n 不運行模塊程序-R 操作應(yīng)用于子模塊

-l 只有本目錄，不包括子目錄-f 強制提交文件，不應(yīng)用于子目錄-F file 從file中讀出日志信息-m msg 日志信息

-r rev 提交到這個分支或主干版本

三.update 將本地文件更新為最新版本

cvs update [-APdflRp] [-k kopt] [-r rev |-D date] [-j rev] [-I ign] [-W spec] [ files...] 此命令只有在checkout命令使用過后才能使用。

在執(zhí)行update命令時，CVS并不是簡單的將新版本覆蓋當(dāng)前文件，而是試圖將新版本所做的修改添加到當(dāng)前文件中去。如果發(fā)生沖突，CVS會以字符串 “<<<<<<”和“>>>>>>”來表示沖突發(fā)生。這時候你可以修改文件，重新提交。

提示：如果你已經(jīng)做過一次checkout了，那么不需要重新checkout，只需要進入cvstest項目的目錄，更新一把就行了：

-A 重置所有粘性標(biāo)記/日期/kopts-P 刪除空目錄

-d 像checkout命令一樣創(chuàng)建目錄

-f 如果沒有發(fā)現(xiàn)標(biāo)記/日期，強制與一個head版本號匹配-l 只有本目錄，不包括子目錄-R 操作應(yīng)用于子目錄

-p 把文件簽出到標(biāo)準輸出設(shè)備

-k kopt 使用checkout命令上的RCSkopt-k選項-r rev 使用指定版本號/標(biāo)記進行更新(具有粘性)-D date 設(shè)置進行更新的日期(具有粘性)-j rev merge將當(dāng)前版本與指定的rev版本合并-I ign 忽略文件(使用!重置)-W spec 包裝指定行 四.cvs中的branch和tag辨析

branch“分支”指不同需求或功能差異很大的同一系統(tǒng)的不同產(chǎn)品線，每一個新的產(chǎn)品線都可以演化成新的產(chǎn)品，branch一般在產(chǎn)生新的產(chǎn)品線的時候創(chuàng)建。

tag“標(biāo)記”經(jīng)過QA人員測試之后的，確認達到要求時才創(chuàng)建的類似歷史記錄的標(biāo)記，tag是記錄版本歷史的里程碑，tag是不可修改的。

我們checkout時指定版本的branch，可以取出該分支的最新的代碼，進行修改之后，可以commit回cvs中去。

我們checkout時指定版本的tag，可以取出創(chuàng)建該標(biāo)記時刻的代碼，從該tag中取出的代碼是反映歷史的、不可修改的。

一個系統(tǒng)可以包含多個tag和branch，tag只能屬于某個branch，一個branch可以包含多個tag。

默認的branch是Main，分支Main最新代碼的tag是默認的Head標(biāo)簽。新的branch可以創(chuàng)建新的自定義名稱，新的tag可以創(chuàng)建新的自定義名稱。

不知不覺工作已經(jīng)超過一年多了。在這其中參加了公司很多項目的開發(fā)與實施，頻繁的使用著CVS這一工具。這篇文章就是想記錄一下自己對CVS的一點使用心得，希望可以給剛剛接觸這個工具的后來者一點幫助。同時也是拋磚引玉，可以在與大家交流的過程中提高自我。

CVS(Concurrent Version Control System)是一個能讓很多程式開發(fā)者同時做軟體開發(fā)的非常強大工具。對于它可能大部分軟件工程師都應(yīng)該有所接觸，起碼也是對這個名字如雷貫耳了。CVS的基本命令和使用，網(wǎng)上已經(jīng)有了很多的教程，我就不再羅嗦。本文想介紹的，可以說是CVS的精華，同時又是對初學(xué)者來說很難理解和掌握的（包括當(dāng)時我也花了很多精力去學(xué)習(xí)）的兩個功能：tag和branch。

一、tag

1.1 revision number（修訂號）

要理解tag，首先要介紹一下revision number（修訂號）。在CVS中每個文件的版本都有一唯一的 revision number。修訂號的形式一般是這樣的：`1.1'，`1.2'，`1.3.2.2' 甚至是 `1.3.2.2.4.5'。一個修訂號總有偶數(shù)個用句號分隔的十進制數(shù)。按照默認，文件第一個修訂號是 1.1。每個新的修訂號的最右邊的數(shù)會比它的上一個修訂號的最右邊的數(shù)大 1。下圖顯示了一些修訂號，較新的版本在右邊。

+-----+ +-----+ +-----+ +-----+ +-----+!1.1!----!1.2!----!1.3!----!1.4!----!1.5!+-----+ +-----+ +-----+ +-----+ +-----+ 其實，對于大多數(shù) cvs 用戶來說，不需要考慮修訂號；他們只要知道 cvs 已經(jīng)自動地加上了類似 1.1，1.2 之類的修訂號就可以了。

1.2 tag（標(biāo)簽）

由于每個文件都有自己的修訂號，每次提交該文件一次，它的修訂號就會就會增加。這樣就會產(chǎn)生一個問題：對于軟件的某一個發(fā)行版，源文件的修訂號可能都不一樣。例如： ci.c 5.21 co.c 5.9 ident.c 5.3 rcs.c 5.12 rcsbase.h 5.11 rcsdiff.c 5.10 rcsedit.c 5.11 rcsfcmp.c 5.9 rcsgen.c 5.10 rcslex.c 5.11 rcsmap.c 5.2 rcsutil.c 5.10 因此，要checkout某一個特定的發(fā)行版的所有源碼的時候，如果是要根據(jù)修訂號來的話，是異常繁瑣和難以跟蹤的。這個時候，就要用到CVS提供的很炫的一個功能了：tag（標(biāo)簽）。

標(biāo)簽可以用來標(biāo)記多個文件的一組修訂號，你可以想象標(biāo)簽以文件名為橫軸，以版本號為縱軸繪制了一個曲線圖（或者也可以想象成在一個由文件名和版本號組成的矩陣里面繪制的曲線）。

在過去的某個時候帶 * 的版本號已被標(biāo)記上標(biāo)簽。你可以把標(biāo)簽想象成一條經(jīng)過所有被標(biāo)記的文件的曲線。當(dāng)你抓住線就得到所有標(biāo)簽標(biāo)記的版本了。也可以通過另一種方式來看待這一點：把被同一個標(biāo)簽標(biāo)記的所有版本號經(jīng)過的曲線拉直，然后直直地看過去。

1.3 tag命令的用法

下面的例子說明了怎樣給一個文件添加標(biāo)簽。命令必須在模塊的工作目錄中發(fā)出。也就是說，你應(yīng)該在 backend.c 文件所在的目錄中發(fā)出該命令。

$ cvs tag rel-0-4 backend.c T backend.c $ cvs status-v backend.c =================== File: backend.c Status: Up-to-date

Version: 1.4 Tue Dec 1 14:39:01 1992 RCS Version: 1.4 /u/cvsroot/yoyodyne/tc/backend.c,v Sticky Tag:(none)Sticky Date:(none)Sticky Options:(none)

Existing Tags: rel-0-4(revision: 1.4)

很少對單個孤立文件添加標(biāo)簽。一種更常見的用法是在產(chǎn)品開發(fā)周期中的各個里程碑任務(wù)完成后對一個模塊的所有文件添加標(biāo)簽，比如在發(fā)行版完成的時候。

$ cvs tag rel-1-0.cvs tag: Tagging.T Makefile T backend.c T driver.c T frontend.c T parser.c

（當(dāng)把一個目錄作為 cvs 的一個參數(shù)的時候，該命令不僅對該目錄下的所有文件執(zhí)行操作，而且也會遞歸地對該目錄下的所有子目錄中的文件執(zhí)行操作。）

如果要檢出一個模塊的某個版本，可以使用checkout-r命令。在 checkout 命令中使用 `-r' 標(biāo)志可以檢出一個模塊某個版本。下面的命令可以很容易地取出模塊 `tc' 1.0 發(fā)行版的所有源文件：

$ cvs checkout-r rel-1-0 tc

1.4 什么時候使用tag tag的功能就像是給你的工程的某個時刻建立了一個快照。添加了tag后，不論你最源文件做了任何修改，只要發(fā)現(xiàn)你的修改發(fā)生了錯誤，或者是如果有人宣稱在某個版本里有個 bug，但你在當(dāng)前工作的副本中是找不到那個 bug，都可以根據(jù)tag重新rollback回去，或checkout出那個快照。

tag給開發(fā)人員帶了這樣的便利，因此在任何重要的開發(fā)階段，都應(yīng)該打上tag。

一般性的，在下面的情況都應(yīng)該考慮給你的工程簡歷一份快照（tag）：

完成了某個重要的功能

在每一個milestone 在去掉某個存在功能之前

在測試開始之前

在你對源文件做重大修改之前

新建分支（branch，下文會詳細談到）的時候

很并分支之前

當(dāng)然了，這些都是一般性的建議。其實我感覺是只要你覺得做的修改可能會有副作用的時候，就應(yīng)該打上tag。

第二篇：stata命令總結(jié)

表2-1: 回歸分析相關(guān)命令一覽

命令用途

anova 方差和協(xié)方差分析 heckman Heckman 篩選模型

intreg 離散型變量模型，包括Tobit、cnreg 和intreg ivreg 工具變量法（IV 或2SLS）

newey Newey-West 標(biāo)準差設(shè)定下的回歸

prais 針對序列相關(guān)的Prais-Winsten, Cochrane-Orcutt, or Hildreth-Lu 回歸 qreg 分量回歸 reg OLS 回歸 sw 逐步回歸法

reg3 三階段最小二乘回歸

rreg 穩(wěn)健回歸（不同于方差穩(wěn)健型回歸，即White 方法）sureg 似無相關(guān)估計

svyheckman 調(diào)查數(shù)據(jù)的Heckman 篩選模型 svyintreg 調(diào)查數(shù)據(jù)的間斷變量回歸 svyregress 調(diào)查數(shù)據(jù)的線性回歸 tobit Tobit 回歸

treatreg treatment 效應(yīng)模型 truncreg 截斷回歸

表2-2: 時間序列命令一覽

命令用途

clemao1 允許結(jié)構(gòu)突變的單位根檢驗 zandrews dfuller dfgls pperron coin 單方程協(xié)整檢驗

dwstat 參考dwstat2 , durbina2 durbinh

表2-3: Panel Data 模型相關(guān)命令一覽I 命令模型

統(tǒng)計描述相關(guān)命令：

xtdes 變量類型，數(shù)據(jù)類型描述 xtsum 基本統(tǒng)計量 xttab 按表格形式列示 xtpattern 面板數(shù)據(jù)的模式 估計相關(guān)命令：

xtreg 面板數(shù)據(jù)模型（固定效應(yīng)、隨機效應(yīng)）

xtregar 含有AR(1)干擾項的固定效應(yīng)和隨機效應(yīng)面板數(shù)據(jù)模型

xtgls 截面-時序混合模型，可處理異方差、組內(nèi)序列相關(guān)和組間相關(guān)性 xtpcse OLS or Prais-Winsten models with panel-corrected standard errors xtrchh Hildreth-Houck random coefficients models xtivreg 面板模型的工具變量或兩階段最小二乘法估計 xtabond Arellano-Bond(1991)線性動態(tài)面板數(shù)據(jù)模型估計

xtabond2 Arellano-Bover(1995)系統(tǒng)GMM 動態(tài)面板數(shù)據(jù)模型估計 xttobit Tobit 隨機效應(yīng)面板模型

xtintreg Random-effects interval data regression models xtlogit Fe, Re, Pa logit models xtprobit Re, Pa probit models xtcloglog Re, Pa cloglog models xtpoisson Fe, Re, Pa Poisson models xtnbreg Fe, Re, Pa negative binomial models xtfrontier 面板隨機前沿模型

xthtylor Hausman-Taylor estimator for error-components models

表2-4: Panel Data 模型相關(guān)命令一覽II 命令模型

假設(shè)檢驗相關(guān)：

test Wald 檢驗，如時間效應(yīng)聯(lián)合顯著性檢驗 xttest0 隨機效應(yīng)檢驗 xttest1 面板序列相關(guān)檢驗 xttest2 ads xtserial Wooldridge 一階序列相關(guān)檢驗 xtab Arellano 面板一階序列相關(guān)檢驗 hausman Hausman 檢驗 面板單位根和協(xié)整相關(guān)： xtunit stata提供的檢驗方法

ipshin IPS(2003)面板單位根檢驗

levilin Levin，Lin和Chu(LLC, 2002)面板單位根檢驗 madfuller Sarno-Taylor(1998)面板單位根檢驗

xtfisher Maddala和Wu(1999),基于P 值的面板單位根檢驗

表2-5: Post-estimation Commands 命令名稱用途

adjust 列示預(yù)測結(jié)果的均質(zhì)，適于多種回歸分析，可分組列示 estimates 估計結(jié)果的存儲、再顯示、列表比較等 hausman Hausman 模型識別檢驗

lincom 獲得參數(shù)的線性組合，在Logit 模型中可以獲得系數(shù)線性組合的OR 值 linktest 但方程link 識別檢驗，用y 對Oy 和Oy2 回歸 lrtest 似然比（LR）檢驗

mfx 計算邊際效應(yīng)和彈性系數(shù) nlcom 系數(shù)的非線性組合 predict 獲得擬合值、殘差等

predictnl 獲得非線性估計的擬合值、殘差等 test 線性約束的假設(shè)檢驗，Wald 檢驗 testnl 非線性約束的假設(shè)檢驗

vce 列示參數(shù)估計值的方差-協(xié)方差矩陣

表2-6: 二維圖種類一覽

圖形種類簡單描述 scatter scatterplot line line plot connected connected-line plot scatteri scatter with immediate arguments area line plot with shading bar bar plot spike spike plot dropline dropline plot dot dot plot rarea range plot with area shading rbar range plot with bars rspike range plot with spikes rcap range plot with capped spikes rcapsym range plot with spikes capped with symbols rscatter range plot with markers rline range plot with lines rconnected range plot with lines and markers tsline time-series plot tsrline time-series range plot mband median-band line plot mspline spline line plot lowess LOWESS line plot lfit linear prediction plot qfit quadratic prediction plot fpfit fractional polynomial plot lfitci linear prediction plot with CIs qfitci quadratic prediction plot with CIs fpfitci fractional polynomial plot with CIs function line plot of function histogram histogram plot kdensity kernel density plot 表2-7: 二維圖選項一覽

選項類別簡單描述

added line options draw lines at specified y or x values added text option display text at specified(y,x)value axis options labels, ticks, grids, log scales title options titles, subtitles, notes, captions legend option legend explaining what means what scale(#)resize text, markers, and line widths region options outlining, shading, aspect ratio, size aspect option constrain aspect ratio of plot region scheme(schemename)overall look by(varlist,...)repeat for subgroups nodraw suppress display of graph name(name,...)specify name for graph saving(filename,...)save graph in file advanced options difficult to explain 表2-9: 模擬分析相關(guān)命令一覽

命令用途備注 抽樣相關(guān)：

corr2data 產(chǎn)生具有指定相關(guān)性的數(shù)據(jù)僅適用于模擬相關(guān)分析 drawnorm invnorm(uniform())產(chǎn)生服從標(biāo)準正態(tài)分布的隨機數(shù)函數(shù)，可調(diào)節(jié)均值和方差 matuniform(r,c)產(chǎn)生均勻分布函數(shù)

sample 從現(xiàn)有數(shù)據(jù)中進行非重復(fù)隨機抽樣參考bsample sim arma 產(chǎn)生服從ARIMA 過程的隨機變量需要下載 Bootstrap 相關(guān)： bootstrap bs bstat bsample MC 相關(guān): simulate MC simulation jknife 類似于MC permute postfile 存儲MC 的結(jié)果 statsby exp list

第三篇：stata命令總結(jié)

stata11常用命令

注：JB統(tǒng)計量對應(yīng)的p大于0.05，則表明非正態(tài)，這點跟sktest和swilk檢驗剛好相反； dta為數(shù)據(jù)文件； gph為圖文件； do為程序文件；

注意stata要區(qū)別大小寫； 不得用作用戶變量名：

_all _n _N _skip _b _coef _cons _pi _pred _rc _weight double float long int in if using with 命令：

讀入數(shù)據(jù)一種方式 input x y 1 4 2 5.5 3 6.2 4 7.7 5 8.5 end su/summarise/sum x 或 su/summarise/sum x,d 對分組的描述： sort group by group:su x %%%%% tabstat economy,stats(max)%返回變量economy的最大值

%%stats括號里可以是：mean，count(非缺失觀測值個數(shù))，sum(總和)，max，min，range，%% sd，var，cv(變易系數(shù)＝標(biāo)準差/均值)，skewness，kurtosis，median，p1(1％分位

%% 數(shù)，類似地有p10, p25, p50, p75, p95, p99)，iqr(interquantile range = p75 – p25)_all %描述全部

_N 數(shù)據(jù)庫中觀察值的總個數(shù)。_n 當(dāng)前觀察值的位置。_pi 圓周率π的數(shù)值。list gen/generate %產(chǎn)生數(shù)列 egen wagemax=max(wage)clear use by(分組變量)set more 1/0 count %計數(shù)

gsort +x(升序)gsort-x(降序)sort x 升序；并且其它變量順序會跟著改變 label var y “消費” %添加標(biāo)簽 describe %描述數(shù)據(jù)文件的整體，包括觀測總數(shù)，變量總數(shù)，生成日期，每個變量的存儲類型(storage type)，標(biāo)簽(label)replace x5=2*y if x!=3 %替換變量值

replace age = 25 in 107 %令第107個觀測中age為25 rename y2 u %改變變量名

drop in 2 %刪除全部變量的第2行

drop if x==.刪去x為缺失值的所有記錄

keep if x<2 %保留小于2的數(shù)據(jù)，其余變量跟隨x改變 keep in 2/10 %保留第2-10個數(shù)

keep x1-x5 %保留數(shù)據(jù)庫中介于x1和x5間的所有變量(包括x1和x5)，其余變量刪除

ci x1 x2,by(group)%算出置信區(qū)間,不過先前對group要先排序，即sort group；

%by的意思逐個進行

cii 12 3.816667 0.2710343, level(90)%已知均值，方差，計算90%的置信區(qū)間

cii 10 2 %obs=10,mean=2,以二項分布形式，計算置信區(qū)間 centile x,centile(2.5 25 50 75 97.5)%取分位數(shù) correlate/corr x y z %相關(guān)系數(shù)

pwcorr x y,sig %給出原假設(shè)r=0的命令 %如果變量非服從正態(tài)分布，則spearman x y regress/reg mean year %回歸方程建立 reg y x,noconstant %無常數(shù)項 predict meanhat %預(yù)測擬合值 predict e,residual %得到殘差 estat hettest % 異方差檢驗

dwstat % Durbin-Watson自相關(guān)檢驗 vif % 方差膨脹因子

logit y x1 x2 x3(y取0或1，是被解釋變量，x1-x3是被解釋變量)%logit回歸

probit y x1 x2 x3(y取0或1，是被解釋變量，x1-x3是被解釋變量)%probit回歸

tobit y x1 x2 x3(y取值在0和1之間，是被解釋變量，x1-x3是被解釋變量)%tobit回歸

sktest e %殘差正態(tài)性檢驗 p>0.05則接受原假設(shè)，即服從正態(tài)分布； %% sktest是基于變量的偏度和斜度(正態(tài)分布的偏度為0，斜度為3)swilk x %基于Shapiro-Wilk檢驗

%%p值越小，越傾向于拒絕零假設(shè)，也就是變量越有可能不服從正態(tài)分布 xi %生成虛擬變量 tabulat gender,summ(math)%用gender指標(biāo)對math進行分類，返回兩類math的mean、std、freq tabulate=tab %gen f=int((shengao-164)/3)*3+164 組距為3 tabulate 變量名 [, generate(新變量)missing nofreq nolabel plot ] %%%%% generate(新變量)// 按分組變量產(chǎn)生啞變量 nofreq // 不顯示頻數(shù) nolabel // 不顯示數(shù)值標(biāo)記 plot // 顯示各組頻數(shù)圖示 missing // 包含缺失值

cell // 顯示各小組的構(gòu)成比(小組之和為 1)column // 按欄顯示各組之構(gòu)成(各欄總計為 1)row // 按行顯示各組之構(gòu)成(各行總計為 1)%%%%% 求和，求最小？ mod(x,y)%求余數(shù)

means %返回三種平均值 di normprob(1.96)di invnorm(0.05)di binomial(20,5,0.5)di invbinomial(20,5,0.5)di tprob(10,2)di invt(10.0.05)di fprob(3,27,1)di invfprob(3,27,0.05)di chi2(3,5)di invchi2(3,0.05)stack x y z,into(e)%把三列合成一列 xpose,clear %矩陣轉(zhuǎn)置

append using d: