A. stata数据处理什么时候要用中心化处理
当模型运行不稳定时数据用中心化处理。
具体方法如下：在SPSSAU“数据处理”选项里找到-生成变量右侧选项卡选择中心化(C)。点击想要进行标准化的数据-确认生成，点Ctrl或者Shift键同时选中多个标题，进行批量选中处理。生成变量后，系统会新生成数据。
B. 如何用stata对数据进行中心化处理
直接代码解决
ssc install center（安装center）
center vars即可
C. stata做多水平模型,类别变量需要中心化吗
需要。
在心理学等社会科学的量化研究中，回归分析统计技术的运用非常普遍。
当变量具有明显的嵌套关系时(例如，学生嵌套于学校，员工嵌套于组织，重复测量嵌套于个体)，传统回归分析可能混淆不同测量水平的预测效应，低估回归系数标准误，增大统计一类错误概率。
此时，需要使用多水平模型(multilevelmodel，也叫多层线性模型，hierarchicallinearmodel)进行分析。
D. stata如何去中心化后写交互
调节效应。
你应该是第一张放两个变量，第二张放3个变量，选择的回归方法是enter(进入)。但是spss不是按照你的顺序去放变量，而是把你所选的所有变量都加到模型里面去，在进行第一个回归的时候把多出来的变量排除，所以会有这个表格出现。如果不想出现这个表格，你就分两次做回归，第一次放中心D中心H，出了结果再放中心D中心H D乘H，分两次做就不会有了。
E. stata调节变量去中心化处理后还是不显著怎么办
安装CENTER。
控制变量用来在多元回归分析中缓解混杂变量对因果效应估计的干扰。我们不需要过多的担心「控制变量的系数变化并没有预期的迹象」。因为在实际操作中控制变量的估计总是可能会产生偏差。相反，研究人员应该更加专注于解释主要变量的边际效应。相比之下，控制变量几乎没有实质性意义，我们可以放心地省略或只在附录中讨论。这样不仅会有效阻止研究人员从控制变量中得出错误的因果结论，而且还简化实证研究论文的讨论部分，并节省宝贵的资源用来讨论主要变量的经济效果。