stata中變量描述分析和作圖

會(huì)計(jì)學(xué)1stata中變量描述分析和作圖進(jìn)行描述性統(tǒng)計(jì)分析的目的：對(duì)數(shù)據(jù)進(jìn)行描述性分析的目的是熟悉和了解數(shù)據(jù)的基本統(tǒng)計(jì)特征，把握數(shù)據(jù)的總體分布形態(tài)，進(jìn)而決定如何對(duì)數(shù)據(jù)作進(jìn)一步處理，進(jìn)而回答所要研究的問(wèn)題。第1頁(yè)/共51頁(yè)本章主要內(nèi)容6.1．頻數(shù)分布6.2．條件頻數(shù)分布6.3．頻數(shù)分布的常見(jiàn)錯(cuò)誤分析及解決方法6.4．變量的中央趨勢(shì)和離散趨勢(shì)6.5．描述數(shù)值型數(shù)據(jù)統(tǒng)計(jì)量的其它方法6.6．畫(huà)圖第2頁(yè)/共51頁(yè)數(shù)據(jù)描述的方法獲得數(shù)據(jù)的目的是為了描述和分析數(shù)據(jù)，回答研究問(wèn)題數(shù)據(jù)分析的第一步是描述變量的基本特征。只有在熟悉數(shù)據(jù)的基本特征和變量分布的基礎(chǔ)上，才能決定如何對(duì)數(shù)據(jù)作進(jìn)一步處理描述性統(tǒng)計(jì)通過(guò)一系列的程序幫助組織、歸納、總結(jié)樣本的基本特征。常見(jiàn)的方法包括頻數(shù)分布、百分比、分位數(shù)、均值和標(biāo)準(zhǔn)差、中數(shù)、眾數(shù)、最大值和最小值等單變量分析（univariateanalysis）?？疾熳兞康膶傩苑植级蚨嘣徊姹?、二元相關(guān)關(guān)系分析圖形第3頁(yè)/共51頁(yè)描述性分析的菜單窗口該內(nèi)容是statistics菜單下的首個(gè)選項(xiàng)：Statistics–Summaries，tables&tests第4頁(yè)/共51頁(yè)6.1．頻數(shù)分布頻數(shù)、比例（proportion）、百分比（percentage）和比率（ratio）等描述性統(tǒng)計(jì)方法適用于所有類型數(shù)據(jù)，包括定性、定序、定距和定比數(shù)據(jù)。第5頁(yè)/共51頁(yè)頻數(shù)與頻數(shù)分布頻數(shù)也稱次數(shù)，即分布在各個(gè)類別中的數(shù)據(jù)個(gè)數(shù)頻數(shù)分布就是對(duì)樣本中變量的不同屬性出現(xiàn)次數(shù)的描述假如一個(gè)班60%的同學(xué)是女生，40%的同學(xué)是男生，則60%和40%是女生和男生的分布情況2000年人口普查顯示，中國(guó)7%的人群年齡在65歲及以上，則7%是當(dāng)時(shí)老年人口在總?cè)丝谥兴嫉谋壤?頁(yè)/共51頁(yè)菜單窗口在Stata的窗口菜單下，有多種描述數(shù)據(jù)頻數(shù)分布特征的選項(xiàng)，每一選項(xiàng)都具有一定獨(dú)特的功能，但有些功能是相通的第7頁(yè)/共51頁(yè)第8頁(yè)/共51頁(yè)單變量頻數(shù)分布.tab[變量名]

①②

①：.tab也可寫(xiě)為tabulation，是獲得頻數(shù)分布的基本命令

②：需要輸出頻數(shù)分布的變量名稱該命令不對(duì)頻數(shù)分布作任何定義，只提供單個(gè)變量的頻數(shù)分布.tabgirl該命令告訴Stata，給變量girl生成一張頻數(shù)分布表第9頁(yè)/共51頁(yè)girlin|2004,0=boy|---1=girl|Freq.PercentCum.------------+-----------------------------------0|1,24853.7053.701|1,07646.30100.00------------+-----------------------------------Total|2,324100.00

輸出結(jié)果顯示，該數(shù)據(jù)一共有2324個(gè)觀察值變量girl有兩個(gè)取值：0代表男孩，1代表女孩樣本中有1248個(gè)男孩，占53.7%；女孩為1075，占46.3%第10頁(yè)/共51頁(yè)多變量頻數(shù)分布.tab1[變量a

變量b

變量c]

①②

①：同時(shí)獲得多個(gè)變量頻數(shù)分布的基本命令

②：需要輸出頻數(shù)分布的變量名稱與tab或tabulate不同的是，.tab1可接多個(gè)變量

.tabgirlurban該命令告訴Stata，給變量girl和urban各自生成一張頻數(shù)分布表第11頁(yè)/共51頁(yè)6.2．條件頻數(shù)分布條件頻數(shù)分布也稱交叉頻數(shù)表為或列聯(lián)表，同時(shí)生成兩個(gè)變量之間關(guān)系的頻數(shù)分布，屬于相關(guān)分析中的一種.第12頁(yè)/共51頁(yè)基本命令.tab提供、且只能提供雙變量的交叉分析，生成二者之間的交叉頻數(shù)分布，相當(dāng)于命令tabulate若其令后面僅有一個(gè)變量，則Stata輸出該變量的頻數(shù)分布若多于兩個(gè)變量，則會(huì)出現(xiàn)錯(cuò)誤提示Stata的默認(rèn)方法是，tab后面的第一個(gè)變量被當(dāng)成行變量，第二個(gè)變量被當(dāng)成列變量.tab2也提供雙變量的交叉分析表.tab和tab2的主要區(qū)別在于，前者僅可以用于兩個(gè)變量的交互分析（tab后面最多只能有兩個(gè)變量）；tab2可同時(shí)生成多個(gè)兩兩變量之間的交互頻數(shù)分布表第13頁(yè)/共51頁(yè)例1.tabgirlenroll,chi2

column

row

miss

nokey

①②③④⑤①:提供兩個(gè)變量關(guān)系的卡方②:提供列變量的百分比③:提供行變量的百分比④:提供缺失變量的比例⑤:壓縮單元格內(nèi)容的提示第14頁(yè)/共51頁(yè)第15頁(yè)/共51頁(yè)6.3．頻數(shù)分布的常見(jiàn)錯(cuò)誤之一toomanyvariablesspecified導(dǎo)致I類錯(cuò)誤的原因在于，混淆了tab，tab1，tab2的用法.tab可用于生成單個(gè)變量的頻數(shù)分布，其后只能接一個(gè)變量；.tab也可用來(lái)描述兩個(gè)變量的交叉分布，其后面只能接兩個(gè)變量tab1后面可以接多個(gè)變量，但只能分別生成單個(gè)變量的頻數(shù)分布，而不能生成交叉表tab2則可以生成多個(gè)雙變量的交叉表因此，若使用下列命令，則會(huì)遇到這類錯(cuò)誤.taburbanyrschenrolltoomanyvariablesspecifiedr(103);第16頁(yè)/共51頁(yè)6.3．頻數(shù)分布的常見(jiàn)錯(cuò)誤之二toomanyvalues導(dǎo)致這類錯(cuò)誤的原因在于，在試圖生成兩個(gè)變量的交叉表時(shí)，每個(gè)變量都包含太多的取值。比如：.tabageweight.toomanyvalues（變量的取值太多）這里，變量age和weight均為連續(xù)變量，且都有很多的取值，尤其是weight若需要生成二者之間的交叉表，可以限制其中一個(gè)或兩個(gè)變量的取值，或者將它們轉(zhuǎn)換為分類變量第17頁(yè)/共51頁(yè)6.4．變量的中央趨勢(shì)和離散趨勢(shì)第18頁(yè)/共51頁(yè)集中趨勢(shì)：眾數(shù)數(shù)據(jù)分布的一種表現(xiàn)形式。頻數(shù)最多的組段代表了中心位置（平均水平），從兩側(cè)到中心，頻數(shù)分布逐漸增加描述集中趨勢(shì)的方式包括：眾數(shù)、均值、中位數(shù)眾數(shù)（mode）：最常出現(xiàn)的觀察值或?qū)傩匀绻谌?0個(gè)學(xué)生中，20個(gè)18歲的學(xué)生、5個(gè)19歲、5個(gè)20歲，則18是眾數(shù)眾數(shù)適用于所有類型數(shù)據(jù)，但主要用于測(cè)度分類數(shù)據(jù)的集中趨勢(shì)一個(gè)數(shù)據(jù)可以有兩個(gè)或多個(gè)眾數(shù)，故眾數(shù)具有不唯一性的特點(diǎn)

第19頁(yè)/共51頁(yè)集中趨勢(shì)：算術(shù)均值（mean，average）加總多個(gè)觀察值，除以總觀察量得到的數(shù)值適用于正態(tài)分布或者近似正態(tài)分布；均數(shù)受特大值和特小值的影響，會(huì)偏大或偏小，故對(duì)偏態(tài)分布的資料，均數(shù)的代表性差，不適合描述偏態(tài)分布的集中趨勢(shì)；全域（總體）均數(shù)稱為μ；樣本均數(shù)稱為第20頁(yè)/共51頁(yè)集中趨勢(shì)：中位數(shù)（median）將一組數(shù)值從小到大排列后，位于中間的數(shù)值；若5個(gè)人的年齡分別為1，3，6，8，32，則中位數(shù)為6（均值為10）；中位數(shù)度量方式適用于偏態(tài)分布數(shù)據(jù)。中位數(shù)不受兩端特大值和特小值的影響，只和位置居中的觀察值有關(guān)；對(duì)于正態(tài)分布，理論上中位數(shù)等于均數(shù)；第21頁(yè)/共51頁(yè)離散趨勢(shì)：極差或者全距（range，R）數(shù)據(jù)分布的另一種表現(xiàn)形式。從中心到兩側(cè)，頻數(shù)分布逐漸減少。反映了數(shù)據(jù)的離散程度或變異程度；描述離散趨勢(shì)的方法包括：級(jí)差、方差、標(biāo)準(zhǔn)差；極差或者全距（range，R）：表示變量取值中的最大值和最小值之差。適合所有分布類型的數(shù)據(jù)；R＝最大值－最小值計(jì)算簡(jiǎn)單，但不能反映所有變量值的變異程度，易受最大值和最小值的影響，不穩(wěn)定第22頁(yè)/共51頁(yè)離散趨勢(shì)：方差（variance）方差（variance）：表示一組變量取值的平均離散程度。方差越大，離散或者變異程度越大。適合描述近似正態(tài)分布資料的離散趨勢(shì)。第23頁(yè)/共51頁(yè)離散趨勢(shì)：標(biāo)準(zhǔn)差（standarddeviation）方差的開(kāi)方，和均數(shù)的單位一致，也是數(shù)據(jù)波動(dòng)性的一種度量，即是對(duì)圍繞均值的離散趨勢(shì)的測(cè)量標(biāo)準(zhǔn)差和方差是實(shí)際中應(yīng)用最廣的測(cè)量離散程度的統(tǒng)計(jì)量如果一個(gè)變量具有正態(tài)分布，則均值68%的數(shù)值將會(huì)位于離平均值加減一個(gè)標(biāo)準(zhǔn)差的范圍內(nèi)；95%的個(gè)案將會(huì)位于加減兩個(gè)標(biāo)準(zhǔn)差的范圍內(nèi)；99.9%的個(gè)案將會(huì)位于加減三個(gè)標(biāo)準(zhǔn)差的范圍內(nèi)標(biāo)準(zhǔn)差越小，數(shù)據(jù)的分布就越圍繞均值聚集；標(biāo)準(zhǔn)差越大散，數(shù)據(jù)的分布就越分散。第24頁(yè)/共51頁(yè)離散趨勢(shì)：標(biāo)準(zhǔn)差（II）適合描述近似正態(tài)分布資料的離散趨勢(shì)方差或標(biāo)準(zhǔn)差都是根據(jù)全部數(shù)據(jù)計(jì)算的，反映了每個(gè)數(shù)據(jù)與其均值相比平均相差的數(shù)值，因此能準(zhǔn)確地反映數(shù)據(jù)的離散程度計(jì)算公式：第25頁(yè)/共51頁(yè)離散趨勢(shì)：自由度為什么樣本標(biāo)準(zhǔn)差的分母是n-1呢自由度：一組數(shù)據(jù)中可以自由取值的個(gè)數(shù)。當(dāng)樣本的個(gè)數(shù)為n時(shí)，若樣本均值確定后，必有一個(gè)數(shù)據(jù)不能自由取值。因此，只有n-1個(gè)數(shù)據(jù)可以自由取值；假如樣本有3個(gè)數(shù)值，x=4，y=8，z=18，則均值=10。當(dāng)均值=10確定后，x，y，z中只有兩個(gè)數(shù)可以自由取值；在抽樣估計(jì)中，當(dāng)用樣本方差去估計(jì)總體方差時(shí)，樣本方差是總體方差的無(wú)偏估計(jì)量。第26頁(yè)/共51頁(yè)正態(tài)分布與偏態(tài)分布第27頁(yè)/共51頁(yè)正態(tài)分布（normaldistribution）一個(gè)變量的集中位置居中，左右兩側(cè)頻數(shù)基本對(duì)稱的分布從形態(tài)上看，正態(tài)曲線兩頭低、中間高、左右對(duì)稱正態(tài)分布是一條單峰、對(duì)稱呈鐘形的曲線，其對(duì)稱軸為x=μ，并在x=μ時(shí)取最大值。從x=μ點(diǎn)開(kāi)始，曲線向正負(fù)兩個(gè)方向遞減延伸，不斷逼近x軸，但永不與x軸相交，因此說(shuō)曲線在正負(fù)兩個(gè)方向都是以x軸為漸近線的其性質(zhì)如下：函數(shù)方程中μ為位置參數(shù)；σ為形狀參數(shù)若σ不變，函數(shù)曲線形狀不變。μ變大時(shí)，曲線位置向右移；μ變小時(shí)，曲線位置向左移若μ不變，函數(shù)曲線位置不變。σ變大時(shí)，曲線形狀變得越來(lái)越胖、矮；σ變小時(shí)，曲線形狀變得越來(lái)越瘦、高第28頁(yè)/共51頁(yè)正態(tài)分布.histogramyrschifyrsch<=13,percentstart(0)width(1)normal第29頁(yè)/共51頁(yè)偏態(tài)分布數(shù)據(jù)的集中位置偏向一側(cè)，頻數(shù)分布不對(duì)稱。偏態(tài)分布有兩種表現(xiàn)形式正偏態(tài)分布：集中位置偏向數(shù)值小的一側(cè)或者左側(cè)，有較長(zhǎng)的右尾部負(fù)偏態(tài)分布：集中位置偏向數(shù)值大的一側(cè)或者右側(cè)，有較長(zhǎng)的左尾部.histogramweight,percentstart(0)normalysize(4.5)xsize(2.5).histogramheight,percentstart(0)normalysize(4.5)xsize(2.5)第30頁(yè)/共51頁(yè)6.5描述性統(tǒng)計(jì).sum[連續(xù)變量]

該命令給出標(biāo)準(zhǔn)統(tǒng)計(jì)量。輸出結(jié)果包括：

ObsMeanStd.Dev.MinMax（觀察量）（均值）（標(biāo)準(zhǔn)差）（最小值）(最大值）.sum[連續(xù)變量]，detailsumm或summarize得出同樣的結(jié)果第31頁(yè)/共51頁(yè)標(biāo)準(zhǔn)信息描述.sumageyrschweightheightVariable|ObsMeanStd.Dev.MinMax-------------+--------------------------------------------------------age|234110.092275.283423019yrsch|18306.0316943.440358015weight|210334.8563518.54676.4151height|2100132.819330.602770185.5由于缺失值個(gè)數(shù)的差異，幾個(gè)變量的觀察值都不一樣第32頁(yè)/共51頁(yè)詳細(xì)情況描述.sumage,detailagein2004-------------------------------------------------------------

PercentilesSmallest1%005%1010%20Obs232125%50SumofWgt.232150%10Mean9.658337

LargestStd.Dev.5.08463175%141890%1618Variance25.8534795%1719Skewness-.31632799%1719Kurtosis1.917769第33頁(yè)/共51頁(yè)變量age有2321個(gè)觀察值最小值為0，最大值為191％的樣本為0歲5％的樣本1歲或以下10％的樣本2歲或以下25％的樣本5歲或以下

……99％的樣本在19歲及以下樣本的均值為9.66；標(biāo)準(zhǔn)差為5.08；Variance、Skewness和Kurtosis分別表示樣本的方差為25.85、偏移度為-0.32和年齡分布的峰度為1.92。第34頁(yè)/共51頁(yè)6.5．描述數(shù)值型數(shù)據(jù)統(tǒng)計(jì)量的其它方法第35頁(yè)/共51頁(yè)均值估計(jì)（mean）.meangirlurbanMeanestimationNumberofobs=5381--------------------------------------------------------------|MeanStd.Err.[95%Conf.Interval]-------------+------------------------------------------------girl|.4781639.0068103.464813.4915148urban|.1908567.0053577.1803535.2013599--------------------------------------------------------------第36頁(yè)/共51頁(yè)比例估計(jì)（proportion）.proportiongirlurbanProportionestimationNumberofobs=5381_prop_1:girl=0.boy _prop_2:girl=1.girl_prop_3:urban=0.Rural _prop_4:urban=1.Urban--------------------------------------------------------------|BinomialWald|ProportionStd.Err.[95%Conf.Interval]-------------+------------------------------------------------girl|_prop_1|.5218361.0068103.5084852.535187_prop_2|.4781639.0068103.464813.4915148-------------+------------------------------------------------urban|_prop_3|.8091433.0053577.7986401.8196465_prop_4|.1908567.0053577.1803535.2013599--------------------------------------------------------------第37頁(yè)/共51頁(yè)使用table命令描述數(shù)據(jù).table[變量a],contents[mean

變量b

sd

變量b]①②③④⑤④⑤ ①：計(jì)算和表現(xiàn)統(tǒng)計(jì)量的命令 ②：分組變量。按照其分類描述中央趨勢(shì)或離散趨勢(shì)的統(tǒng)計(jì)量 ③：需要輸出統(tǒng)計(jì)量的內(nèi)容。后面括號(hào)內(nèi)列出（1）要描述的統(tǒng)計(jì)量，（2）需要計(jì)算統(tǒng)計(jì)量的變量名稱 ④：分別指均值和標(biāo)準(zhǔn)差 ⑤：需要計(jì)算均值和標(biāo)準(zhǔn)差的變量.tableab,contents(meancsdd)按變量a和b的分類，計(jì)算變量c的均值、d的標(biāo)準(zhǔn)差第38頁(yè)/共51頁(yè).tableurban,contents(meanyrschsdsibs)------------------------------------urban|residence|mean(yrsch)sd(sibs)----------+-------------------------0,Rural|5.622172.62964511,Urban|7.109127.5369387------------------------------------按urban的分類，計(jì)算變量yrsch的均值和sibs的標(biāo)準(zhǔn)差第39頁(yè)/共51頁(yè)使用tabstat命令描述數(shù)據(jù).tabstat

abcd①②①：展示一個(gè)或多個(gè)數(shù)值型變量的描述性統(tǒng)計(jì)②:為變量a，b，c，d提供均值統(tǒng)計(jì)量輸出的統(tǒng)計(jì)量是可選擇的。若不選擇，則默認(rèn)值為均值。其主要選項(xiàng)包括：.tabstatabcd,by(e)statistics(meansd)columns(statistics) ①②③④①：按照選項(xiàng)by后面變量的類別，分組計(jì)算統(tǒng)計(jì)量；by后面的變量多是分類變量，也可以是取值不多的連續(xù)變量②：需要得到的統(tǒng)計(jì)量，可多選，不同統(tǒng)計(jì)量之間需用空格隔開(kāi)③：輸出結(jié)果的格式可以選擇④：選擇columns(statistics)，則豎列表述的是統(tǒng)計(jì)量，橫行表現(xiàn)的是變量。若選擇columns(variables)格式，則反之第40頁(yè)/共51頁(yè)使用tabulate,sum命令描述數(shù)據(jù).tab

ab,sum(c)①②

③④

①：接變量a、b的分類變量，計(jì)算變量c的統(tǒng)計(jì)量，并輸出a、b的頻數(shù)分布③：sum后面接一個(gè)需要輸出統(tǒng)計(jì)量的數(shù)值型變量②：分類變量；④：連續(xù)變量.tabstrata,sum(yrsch)|Summaryofyearofschoolstrata|MeanStd.Dev.Freq.------------+------------------------------------1.city|5.41916173.69704186682.suburb|6.69467213.38783494883.town|5.75415283village|6.48525472.9960408373------------+------------------------------------Total|6.0316943.44035821830第41頁(yè)/共51頁(yè)6.6畫(huà)圖數(shù)據(jù)往往使人眼花繚亂。沒(méi)有人能記住數(shù)據(jù)中的所有數(shù)值。頻數(shù)分布提供數(shù)據(jù)分布的一些基本特征和規(guī)律。若用圖形表示頻數(shù)分布，則更形象和直觀統(tǒng)計(jì)圖形是用點(diǎn)的位置、線段的升降、線條的長(zhǎng)短或面積的大小等方法來(lái)表達(dá)數(shù)據(jù)的內(nèi)容，包括統(tǒng)計(jì)資料反應(yīng)的變化趨勢(shì)、數(shù)量的多少、分布狀態(tài)和相互關(guān)系等通過(guò)圖形描述出來(lái)的數(shù)據(jù)便于閱讀、比較和分析一張好的統(tǒng)計(jì)圖表，勝過(guò)冗長(zhǎng)的文字表述第42頁(yè)/共51頁(yè)Stata的制圖功能既可通過(guò)命令產(chǎn)生圖形，也可以直接使用Graphics窗口菜單中的選項(xiàng)來(lái)實(shí)現(xiàn)在Easygraph的菜單下，Stata的作圖模塊主要提供十種基本圖形的制作：散點(diǎn)圖(twoway)、線圖(line)、面積圖(area)、柱形圖(bar)、點(diǎn)圖(dot)、圓形圖（餅圖）(pie)、直方圖(histogram)、箱線圖/盒型圖(boxplot)、矩陣圖、回歸線圖和功能圖對(duì)簡(jiǎn)單圖形（Easygraph）的巧妙應(yīng)用，可以滿足絕大多數(shù)用戶的統(tǒng)計(jì)作圖要求。但有時(shí)我們必須求助于復(fù)雜的制圖功能在Graphics的主菜單下，可選擇制作更復(fù)雜的圖形第43頁(yè)/共51頁(yè)Stata制圖的窗口菜單第44頁(yè)/共51頁(yè)Stata的其它制圖功能Stata的某些非繪圖命令也具有繪制圖形的功能。比如在頻數(shù)分布命令中，有制作簡(jiǎn)單莖葉圖的選項(xiàng)事件史分析提供生存曲線圖回歸分析提供回歸線或殘差圖等Stata制圖功能比較復(fù)雜。生成圖形的過(guò)程中往往會(huì)遇到錯(cuò)誤。有時(shí)，命令中一個(gè)不恰當(dāng)?shù)目崭瘢粋€(gè)不正確的標(biāo)點(diǎn)符號(hào)都將使程序不能正常運(yùn)行。因此，從窗口菜單入手可能更容易一些但是，Stata的圖形種類及每種圖形的選項(xiàng)雖多，但許多基本命令十分類似，可舉一反三第45頁(yè)