Stata教程：描述性统计命令与输出结果说明

藤菜

　　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
　　3．354615
　　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3．3546，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
　　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）　3．73
　　SumofWgt．
　　11
　　50%
　　4．73（中位数）
　　（最大值）
　　Mean
　　4．710909（均数）
　　Largest
　　Std．Dev．
　　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
　　3．354615
　　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
　　3．354615
　　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
　　3．354615
　　．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：
　　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
　　1．264911
　　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
　　1．264911
　　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（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，　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