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

3．354615 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 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%

group 变量为例从小到大排序）

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

本文来源：https://www.bwwdw.com/article/7mlp.html