STATA第2章描述性统计命令与输出结果说明.docxVIP

 PAGE \* MERGEFORMAT 4 第二章 描述性统计命令与输出结果说明 本 节STATA? 命 令 摘 要 by?? 分组变量：]summarize 变量名1? 变量名2?…???变量名m[,detail] ci变量名1? 变量名2?…??? 变量名m ?[,level(#) binomial poisson exposure(varname) by(分组变 量)? ] cii ??样本量??? 均数?? 标准差 [,level(#) ] tab1 变量名 [,generate(变量名)]资料特征描述(均数，中位数，离散程度) 例：某地测定克山病患者与克山病健康人的血磷测定值如下表 患 者2.63.243.733.734.324.735.185.585.786.406.53健康人1.671.981.982.332.342.503.603.734.144.174.574.825.78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： Mean 均值；Std.Dev.标准差 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： 结果： Percentiles 显示了从1%到99%的分位数的取值。第二列是最小和最大的5个数。第三列从上到下：obs观测值数目、mean平均数、std.dev标准差、variance方差。 skewness偏度: 偏度的绝对值越小，表明该数据的正态对称性越好。 kurtosis峰度: 峰度值越大表明该数据的正态峰越明显。 95%可信限计算： 正态数据：ci 变量名 0-1 数 据：ci?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) 正态数据：ci?变量名,level(90) 0-1数据：ci?变量名,level(90) binomial poisson分布数据：ci?变量名，level(90) poisson ci x1 x2 [95%Conf.Interval]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。 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： cii 样本数??样本均数?? 标准差[，level(#)] 例：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 90 40 12 该样本均数95%可信限为[37.48665,42.51335] cii 90 40 12,level(90) 该样本均数90%可信限为[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。 例：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。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。 x:2.231.142.6311.352.011.641.131.011.70group:1111111111x:5.590.966.961.231.612.941.963.681.542.59group:2222222222x:4.53.9210.338.232.074.96.846.423.726group:3333