Stata教程：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

poissonexposure（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（数据摘自四川医学院主编的卫生统计学，1978出版，p21）：

患者

2．6

3．24

3．73

3．73

4．32

4．73

5．18

5．58

5．78

6．40

6．53

健康人

1．67

1．98

1．98

2．33

2．34

2．50

3．60

3．73

4．14

4．17

4．57

4．82

5．78

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

均数

标准差

最小值

最大值

Variable|

Obs

Mean

Std．Dev．

Min

Max

---------+

x1|

11

4．710909

1．302977

2．6

6．53

x2|

13

3．3615

1．304368

1．67

5．78

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3．36，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

结果：

x1

Percentiles

Smallest（最小值）

1%

2．6

2．6

5%

2．6

3．24

10%

3．24

3．73

Obs

11（样本数）

25%

3．73（低四分位）SumofWgt．

11

50%

4．73（中位数）

（最大值）

Mean

4．710909（均数）Largest

Std．Dev．

3．73

1．302977（标准差）

75%

5．78（高四分位）

5．58

90%

6．4

5．78

Variance

1．697749（方差）

95%

6．53

6．4

Skewness

-．0813446（偏度）

99%

6．53

6．53

Kurtosis

1．809951（峰度）

x2

④

Percentiles

Smallest

1%

1．67

1．67

5%

1．67

1．98

10%

1．98

1．98

Obs

13

25%

① 2．33

2．33

SumofWgt．

13

50%

② 3．6

Mean

3．3615

⑤

⑥

Largest

Std．Dev．

1．304368

75%③

4．17

4．17

90%

4．82

4．57

⑥Variance

1．701377

95%

5．78

4．82

⑦Skewness

．2963943

99%

5．78

5．78

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

结果：

->group=

0

x

Percentiles

Smallest

1%

2．6

2．6

5%

2．6

3．24

10%

3．24

3．73

Obs

11

25%

3．73

3．73

SumofWgt．

11

50%

4．73

Mean

4．710909

Largest

Std．Dev．

1．302977

75%

5．78

5．58

90%

6．4

5．78

Variance

1．697749

95%

6．53

6．4

Skewness

-．0813446

99%

6．53

6．53

Kurtosis

1．809951

->group=

1

x

Percentiles

Smallest

1%

1．67

1．67

5%

1．67

1．98

10%

1．98

1．98

Obs

13

25%

2．33

2．33

SumofWgt．

13

50%

3．6

Mean

3．3615

Largest

Std．Dev．

1．304368

75%

4．17

4．17

90%

4．82

4．57

Variance

1．701377

95%

5．78

4．82

Skewness

．2963943

99%

5．78

5．78

Kurtosis

1．875392

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：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

以ex2．dta为例计算x1，x2的95%可信限。

use ex2．dta，clear

①

②

③

④

Variable|

Obs

Mean

Std．Err．

[95%Conf．Interval]

---------+

x1

|

11

4．710909

．3928624

3．835557

5．586261

x2

|

13

3．3615

．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[2．56，4．1428]。

·

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：

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 904012

Variable|

Obs

Mean

Std．Err．

[95%Conf．Interval]

+

|

90

40

1．2911

37．48665

42．51335

该样本均数的90%

可信限为[37．48665，

42．51335]

cii 904012，level（90）

Variable|

Obs

Mean

Std．Err．

[90%Conf．Interval]

---------+

|

90

40

1．2911

37．752

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（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

①

②

③

group|

Freq．

Percent

Cum．

+

1|

10

20．00

20．00

2|

10

20．00

40．00

3|

10

20．00

60．00

4|

10

20．00

80．00

5|

10

20．00

100．00

+

Total|

50

100．00

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（group¹1），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。

例：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， 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