Stata教程描述性统计命令与输出结果说明Word格式.docx
《Stata教程描述性统计命令与输出结果说明Word格式.docx》由会员分享,可在线阅读,更多相关《Stata教程描述性统计命令与输出结果说明Word格式.docx(18页珍藏版)》请在冰豆网上搜索。
5.18
5.58
5.78
6.40
6.53
健康人
1.67
1.98
2.33
2.34
2.50
3.60
4.14
4.17
4.57
4.82
并假定这些数据已以STATA格式存入ex2.dta文件中,其中 变量x1 为患者的血磷测定值数据,变量x2为 健康人的血磷测定值数据。
上述数据也可以用变量x表示血磷测定值,分组变量group=0 表示患者组和group=1表示健康组(如:
患者组中第一个数据为2.6,则x=2.6,group=0;
又如:
健康组中第三个数据为1.98,则x为1.98以及group为1),并假定这些数据已以STATA格式存入ex2a.dta文件中。
计算 资料 均数,标准差命令summarize,以述资料为例:
useex2,clear
summarizex1 x2
结果:
变量
样本数
标准差
最小值
最大值
Variable|
Obs
Mean
Std.Dev.
Min
Max
---------+
x1|
11
4.710909
1.302977
x2|
13
3.354615
1.304368
即:
本例中急性克山病患者组的样本数为11,血磷测定值均数为4.711(mg%), 相应的标准差为1.303,最小值为2.6以及最大值为6.53;
健康组的样本量为13,血磷测定值均数为3.3546,相应的标准差为1.3044,最小值为1.67以及最大值为5.78。
计算 资料 均数,标准差,中位数,低四分位数和高四分位数的 命令summarize以及子命令detail, 仍以述资料为例:
use ex2,clear
summarizex1x2,detail
x1
Percentiles
Smallest(最小值)
1%
5%
10%
11(样本数)
25%
3.73(低四分位) 3.73
SumofWgt.
50%
4.73(中位数)
(最大值)
4.710909(均数)
Largest
1.302977(标准差)
75%
5.78(高四分位)
90%
6.4
Variance
1.697749(方差)
95%
Skewness
-.0813446(偏度)
99%
Kurtosis
1.809951(峰度)
x2
④
Smallest
① 2.33
② 3.6
⑤
⑥
75%③
⑥Variance
1.701377
⑦Skewness
.2963943
⑧Kurtosis
1.875392
由上述结果可知:
summarize命令并使用子命令detail, 不仅可以得到各变量资料的均数和⑥标准差,而且可以得到主要的非参数描述指标:
①低四分位(lowerquartile),②中位数(Median)以及③高四分位(upperquartile)。
对于非正态资料,一般不应用均数±
标准差进行描述,而应使用中位数 以及(低四分位-高四分位,称 interquartilerange,IQR)进行描述。
如:
若本资料不正态[1],则x1的Median以及IQR为:
4.73(3.73-5.78)以及 x2的Median以及IQR为:
3.6(2.33-4.17)。
⑥为样本方差;
⑦为偏度,偏度 的绝对值越小,表明该数据的正态对称性越好;
⑧峰度,峰度值越大表明该数据的正态峰越明显;
④在该数据中最小的四个数据;
⑤在该数据中最大的四个数据。
若调用ex2a.dta 文件,进行描述性统计,可用下列命令:
use ex2a,clear
sortgroup (将资料以 group 变量为例从小到大排序)
bygroup:
summarizex
->
group=
0
x
1.697749
-.0813446
1.809951
1
3.6
上述结果与前面的结果对应相同。
根据样本数据计算可信限[2]
95% 可信限计算:
正态数据:
ci
变量名
0-1数据:
变量名, binomial
poisson分布数据:
ci 变量名,poisson
90% 可信限计算(其它可信限类推)
变量名,level(90)
变量名, level(90)binomial
ci 变量名,level(90)poisson
以ex2.dta为例计算x1,x2的95%可信限。
use ex2.dta,clear
①
②
③
Std.Err.
[95%Conf.Interval]
|
.3928624
3.835557
5.586261
.3617667
2.566393
4.142837
以上结果中:
①为样本数;
②为均数;
③为标准误;
④为95%的可信限,因此x1的95%可信限为[3.8356,5.5863],x2的95%可信限为[2.5664,4.1428]。
根据样本数,样本均数 和标准差计算可信限[3]。
若数据服从正态分布,并已知样本均数和标准差以及样本数,则95%可信限计算为:
样本均数
已知样本数为90 样本均数为40以及样本标准差为12,则:
计算该 样本均数的95%可信限为
cii 904012
+
90
40
1.264911
37.48665
42.51335
该样本均数的90%
可信限为[37.48665,
42.51335]
cii 904012,level(90)
[90%Conf.Interval]
37.89752
42.10248
计数资料中频数和比例
STATA命令:
tab1 变量名[,g(新变量名)
因为该命令主要适用描述计数资料(即:
属性资料),当使用子命令g(新变量),则产生属性指示变量。
在回归分析中经常需要这些指示变量作为亚元变量进行分析。
50只小鼠随机分配到5 个不同饲料组,每组10 只小鼠。
在喂养一定时间后,测定鼠肝中的铁的含量(mg/g)如表所示:
试比较各组鼠肝中铁的含量是否有显著性差别(摘自医学统计方法,金丕焕主编,p220)。
用x 表示鼠肝中铁的含量以及用group=1,2,3,4,5分别表示对应的5个组。
tab1group,g(a)
tabulationofgroup
group|
Freq.
Percent
Cum.
1|
10
20.00
2|
40.00
3|
60.00
4|
80.00
5|
100.00
Total|
50
①为各属性资料的频数;
②为该属性占整个资料样本数的百分比;
③为累计百分比。
本例中,总样本数为50,共有5 组,每组有10个样本点,各占总样本数的10%。
因为使用了子命令g(a),从而产生5个指示变量(又可称亚元变量):
a1,a2,a3,a4和a5。
变量a1用于 指示第1组的资料:
即:
当资料属于第1组的(group=1),则a1=1;
其它组的资料(group&
sup1;
1),则a1=0。
变量 a2用于指示第2组的资料,变量a3,a4和a5相应分别指示第3,4,5组的资料(详细见下表)。
[1] 此处仅是举例而已, 事实上该资料可以用正态检验证明近似服从正态分布。
[2]
可信限是对总体均数的区间估计。
95%可信限 表示它所给出的区间能包 含总体均数的概率为 0.95。
通俗地说:
在同一个总体中, 独立地抽 样100次,每次抽取的样本量相同以及计算相应的95%可信限,则平均有95次抽样所得到的95%可信限所对应区间包含该总体均数。
[3]
直接 出现在统计命令中的数据称为立即数,相应的命令称为立即命令