Stata软件基本操作和数据分析入门第二讲 统计描述入门赵耐青
一、调查某市1998年110名19岁男性青年的身高（cm）资料如下，计算均数、标准差、中位数、百分位数和频数表。
173.1
167.8
173.9
176.9
173.8
171.5
175.1
175.2
176.7
174.5
169.2
174.7
185.4
175.8
173.5
175.9
175.9
173.2
174.8
177.2
171.9
166.0
177.3
175.2
179.8
175.7
180.8
171.4
178.9
172.6
166.9
170.8
168.7
175.0
183.7
171.6
172.9
173.6
177.7
172.4
181.2
178.1
173.3
177.5
173.0
174.3
174.5
172.5
171.3
174.0
177.9
170.7
175.2
178.5
177.6
183.3
173.1
170.9
180.5
176.8
179.6
180.6
176.6
174.3
168.7
175.2
179.5
172.5
173.0
174.2
169.5
177.0
183.6
170.3
178.8
181.1
182.9
177.8
164.1
169.1
176.3
169.4
171.1
172.9
177.0
179.8
178.2
174.4
169.2
176.4
178.3
165.0
175.8
181.0
177.6
177.4
178.7
175.1
181.8
171.3
174.8
181.7
177.3
178.5
179.3
177.0
175.8
181.8
177.5
180.2
Stata数据结构
x
1
173.1
2
169.2
3
171.9
4
166.9
5
181.2
6
177.9
7
179.6
8
169.5
9
176.3
10
178.3
11
174.8
12
167.8
13
174.7
14
166
15
170.8
16
178.1
17
170.7
18
180.6
19
177
20
169.4
21
165
22
181.7
23
173.9
24
185.4
25
177.3
26
168.7
27
173.3
28
175.2
29
176.6
30
183.6
31
171.1
32
175.8
33
177.3
34
176.9
35
175.8
36
175.2
37
175
38
177.5
39
178.5
40
174.3
41
170.3
42
172.9
43
181
44
178.5
45
173.8
46
173.5
47
179.8
48
183.7
49
173
50
177.6
51
168.7
52
178.8
53
177
54
177.6
55
179.3
56
171.5
57
175.9
58
175.7
59
171.6
60
174.3
61
183.3
62
175.2
63
181.1
64
179.8
65
177.4
66
177
67
175.1
68
175.9
69
180.8
70
172.9
71
174.5
72
173.1
73
179.5
74
182.9
75
178.2
76
178.7
77
175.8
78
175.2
79
173.2
80
171.4
81
173.6
82
172.5
83
170.9
84
172.5
85
177.8
86
174.4
87
175.1
88
181.8
89
176.7
90
174.8
91
178.9
92
177.7
93
171.3
94
180.5
95
173
96
164.1
97
169.2
98
181.8
99
177.5
100
174.5
101
177.2
102
172.6
103
172.4
104
174
105
176.8
106
174.2
107
169.1
108
176.4
109
171.3
110
180.2
(读者可以把数据直接粘贴到Stata的Edit窗口)
在介绍统计分析命令之前，先介绍打开一个保存统计分析结果的文件操作：
计算样本的均数、标准差、最大值和最小值命令1：su 变量名 (可以多个变量：即：su 变量名1 变量名2 … 变量名m)
命令2：su 变量名,d (可以多个变量:即：su 变量名1 变量名2 … 变量名m,d)
本例命令 su x
变量
样本量
均数
标准差
最小值
最大值
Variable | Obs Mean Std,Dev,Min Max
-------------+-----------------------------------------------------
x | 110 175.3655 4.222297 164.1 185.4
本例命令,su x,d
x
-------------------------------------------------------------
Percentiles Smallest
1% 165 164.1
5% 168.7 165
10% 169.45 166 Obs 110
25% 172.9 166.9 Sum of Wgt,110
50% 175.2 Mean 175.3655
Largest Std,Dev,4.222297
75% 178.1 183.3
90% 180.9 183.6 Variance 17.82779
95% 181.8 183.7 Skewness -.1756947
99% 183.7 185.4 Kurtosis 2.895843
结果说明
Smallest
最小值
Obs
110
样本量
164.1
第1最小值
Sum of Wgt.
110
加权和(即每个记录的权是1)
165
第2最小值
166
第3最小值
Mean
175.3655
均数
166.9
第4最小值
Std,Dev.
4.222297
标准差
Largest
最大值
Variance
17.82779
方差
183.3
第4最大值
Skewness
-.1756947
偏度系数
183.6
第3最大值
Kurtosis
2.895843
峰度系数
183.7
第2最大值
185.4
第1最大值
Percentiles
百分位数
百分位数PX表示样本中X%的数据小于等PX并且(100－X)%的数据大于等于PX。
特别：P50就是中位数，表示一半的数据小于等于它，另一半的数据大于等于它。本例：P50=175.2
样本量obs=110，因此有55个数据小于等于175.2，另有55个数据大于等于175.2
1% 165
=P1
5% 168.7
=P5
10% 169.45
=P10
25% 172.9
=P25
50% 175.2
=P50
75% 178.1
=P75
90% 180.9
=P90
95% 181.8
=P95
99% 183.7
=P99
计算百分位数还可以用专用命令centile。
centile 变量名(可以多个变量)，centile(要计算的百分位数) 例如计算P2.5，P97.5等
centile 变量名,centile(2.5 97.5)
本例计算P2.5，P97.5，P50，P25，P75。
本例命令,centile x,centile(2.5 25 50 75 97.5)
-- Binom,Interp,--
Variable | Obs Percentile Centile [95% Conf,Interval]
-------------+-------------------------------------------------------------
x | 110 2.5 165.775 164.1 168.7*
| 25 172.825 171.3314 173.6267
| 50 175.2 174.5 176.6789
| 75 178.125 177.3 179.4371
| 97.5 183.6225 181.8 185.4*
* Lower (upper) confidence limit held at minimum (maximum) of sample
结果说明
Percentile
Centile
百分位数
2.5
165.775
=P2.5
25
172.825
=P25
50
175.2
=P50(中位数)
75
178.125
=P75
97.5
183.6225
=P97.5
制作频数表，组距为2，从164开始，
gen f=int((x-164)/2)*2+164 其中int( )表示取整数
tab f 频数汇总和频率计算
频数
频率
累积频率
f | Freq,Percent Cum.
------------+-----------------------------------
164 | 2 1.82 1.82
166 | 3 2.73 4.55
168 | 7 6.36 10.91
170 | 11 10.00 20.91
172 | 16 14.55 35.45
174 | 23 20.91 56.36
176 | 20 18.18 74.55
178 | 13 11.82 86.36
180 | 10 9.09 95.45
182 | 4 3.64 99.09
184 | 1 0.91 100.00
------------+-----------------------------------
Total | 110 100.00
作频数图命令 graph 变量,bin(#) norm
其中#表示频数图的组数;norm表示画一条相应的正态曲线(可以不要)
本例命令为graph x,bin(8) norm
为了使坐标更清楚地在图上显示，可以输入下列命令
graph x,bin(8) xlabel norm ylabel
图形可以从Stata中复制到word中来，操作如下：
然后到Word中粘贴和编辑，便可以得到所需要的图形。
计算几何均数可以用means 变量名(可以多个变量：即:means 变量1 …变量m)
means x
Variable | Type Obs Mean [95% Conf,Interval]
-------------+---------------------------------------------------------
x | Arithmetic 110 175.3655 174.5676 176.1634
| Geometric 110 175.3149 174.5168 176.1166
| Harmonic 110 175.2642 174.4657 176.07
-----------------------------------------------------------------------
Arithmetic(算术均数) Geometric(几何均数) 调和均数(Harmonic)
作Pie图描述构成比：每一类的频数用一个变量表示，命令：
graph 各类频数变量名,pie
例：下列有2个地区的血型频数分布数据，请用Pie描述：
频数
地区
A
B
O
AB
第1地区area=1
100
120
240
75
第2地区area=2
80
70
200
50
Stata数据格式
a
b
o
ab
area
1
100
120
240
75
1
2
80
70
200
50
2
第1地区血型构成比的Pie图的命令和图
graph a b o ab if area==1,pie
注意逻辑表达式中if area==1是两个等号。
第2地区血型构成比的Pie图的命令和图
graph a b o ab if area==2,pie
两个地区合并后的血型构成比的Pie图的命令和图
正态性检验,swilk 变量名1 变量名2 … 变量名m
在上例中的110名19岁男性青年的身高资料正态性检验如下：
,swilk x
Shapiro-Wilk W test for normal data
Variable | Obs W V z Prob>z
-------------+-------------------------------------------------
x | 110 0.99500 0.447 -1.797 0.96381
无效假设H0：资料服从正态分布备选假设H1：资料不服从正态分布设(=0.05 (样本比较大时，(取0.05，样本很小时，(取0.1)
Prob>z
P值
.96381
=P值>0.05
因此可以认为资料近似服从正态分布。
计量资料统计描述的主要策略。
若资料近似正态分布，则用均数(标准差描述若资料偏态分布(频数图明显不对称)，则用中位数(P25――P75)描述
P25――P75称为四分位数范围(Inter-quartile range,IQR)
但在一些临床试验资料统计分析时，往往给出样本均数、标准差、中位数、四分位数范围、最小值和最大值，但对结果的主要解释按照上述策略进行进行。
一、调查某市1998年110名19岁男性青年的身高（cm）资料如下，计算均数、标准差、中位数、百分位数和频数表。
173.1
167.8
173.9
176.9
173.8
171.5
175.1
175.2
176.7
174.5
169.2
174.7
185.4
175.8
173.5
175.9
175.9
173.2
174.8
177.2
171.9
166.0
177.3
175.2
179.8
175.7
180.8
171.4
178.9
172.6
166.9
170.8
168.7
175.0
183.7
171.6
172.9
173.6
177.7
172.4
181.2
178.1
173.3
177.5
173.0
174.3
174.5
172.5
171.3
174.0
177.9
170.7
175.2
178.5
177.6
183.3
173.1
170.9
180.5
176.8
179.6
180.6
176.6
174.3
168.7
175.2
179.5
172.5
173.0
174.2
169.5
177.0
183.6
170.3
178.8
181.1
182.9
177.8
164.1
169.1
176.3
169.4
171.1
172.9
177.0
179.8
178.2
174.4
169.2
176.4
178.3
165.0
175.8
181.0
177.6
177.4
178.7
175.1
181.8
171.3
174.8
181.7
177.3
178.5
179.3
177.0
175.8
181.8
177.5
180.2
Stata数据结构
x
1
173.1
2
169.2
3
171.9
4
166.9
5
181.2
6
177.9
7
179.6
8
169.5
9
176.3
10
178.3
11
174.8
12
167.8
13
174.7
14
166
15
170.8
16
178.1
17
170.7
18
180.6
19
177
20
169.4
21
165
22
181.7
23
173.9
24
185.4
25
177.3
26
168.7
27
173.3
28
175.2
29
176.6
30
183.6
31
171.1
32
175.8
33
177.3
34
176.9
35
175.8
36
175.2
37
175
38
177.5
39
178.5
40
174.3
41
170.3
42
172.9
43
181
44
178.5
45
173.8
46
173.5
47
179.8
48
183.7
49
173
50
177.6
51
168.7
52
178.8
53
177
54
177.6
55
179.3
56
171.5
57
175.9
58
175.7
59
171.6
60
174.3
61
183.3
62
175.2
63
181.1
64
179.8
65
177.4
66
177
67
175.1
68
175.9
69
180.8
70
172.9
71
174.5
72
173.1
73
179.5
74
182.9
75
178.2
76
178.7
77
175.8
78
175.2
79
173.2
80
171.4
81
173.6
82
172.5
83
170.9
84
172.5
85
177.8
86
174.4
87
175.1
88
181.8
89
176.7
90
174.8
91
178.9
92
177.7
93
171.3
94
180.5
95
173
96
164.1
97
169.2
98
181.8
99
177.5
100
174.5
101
177.2
102
172.6
103
172.4
104
174
105
176.8
106
174.2
107
169.1
108
176.4
109
171.3
110
180.2
(读者可以把数据直接粘贴到Stata的Edit窗口)
在介绍统计分析命令之前，先介绍打开一个保存统计分析结果的文件操作：
计算样本的均数、标准差、最大值和最小值命令1：su 变量名 (可以多个变量：即：su 变量名1 变量名2 … 变量名m)
命令2：su 变量名,d (可以多个变量:即：su 变量名1 变量名2 … 变量名m,d)
本例命令 su x
变量
样本量
均数
标准差
最小值
最大值
Variable | Obs Mean Std,Dev,Min Max
-------------+-----------------------------------------------------
x | 110 175.3655 4.222297 164.1 185.4
本例命令,su x,d
x
-------------------------------------------------------------
Percentiles Smallest
1% 165 164.1
5% 168.7 165
10% 169.45 166 Obs 110
25% 172.9 166.9 Sum of Wgt,110
50% 175.2 Mean 175.3655
Largest Std,Dev,4.222297
75% 178.1 183.3
90% 180.9 183.6 Variance 17.82779
95% 181.8 183.7 Skewness -.1756947
99% 183.7 185.4 Kurtosis 2.895843
结果说明
Smallest
最小值
Obs
110
样本量
164.1
第1最小值
Sum of Wgt.
110
加权和(即每个记录的权是1)
165
第2最小值
166
第3最小值
Mean
175.3655
均数
166.9
第4最小值
Std,Dev.
4.222297
标准差
Largest
最大值
Variance
17.82779
方差
183.3
第4最大值
Skewness
-.1756947
偏度系数
183.6
第3最大值
Kurtosis
2.895843
峰度系数
183.7
第2最大值
185.4
第1最大值
Percentiles
百分位数
百分位数PX表示样本中X%的数据小于等PX并且(100－X)%的数据大于等于PX。
特别：P50就是中位数，表示一半的数据小于等于它，另一半的数据大于等于它。本例：P50=175.2
样本量obs=110，因此有55个数据小于等于175.2，另有55个数据大于等于175.2
1% 165
=P1
5% 168.7
=P5
10% 169.45
=P10
25% 172.9
=P25
50% 175.2
=P50
75% 178.1
=P75
90% 180.9
=P90
95% 181.8
=P95
99% 183.7
=P99
计算百分位数还可以用专用命令centile。
centile 变量名(可以多个变量)，centile(要计算的百分位数) 例如计算P2.5，P97.5等
centile 变量名,centile(2.5 97.5)
本例计算P2.5，P97.5，P50，P25，P75。
本例命令,centile x,centile(2.5 25 50 75 97.5)
-- Binom,Interp,--
Variable | Obs Percentile Centile [95% Conf,Interval]
-------------+-------------------------------------------------------------
x | 110 2.5 165.775 164.1 168.7*
| 25 172.825 171.3314 173.6267
| 50 175.2 174.5 176.6789
| 75 178.125 177.3 179.4371
| 97.5 183.6225 181.8 185.4*
* Lower (upper) confidence limit held at minimum (maximum) of sample
结果说明
Percentile
Centile
百分位数
2.5
165.775
=P2.5
25
172.825
=P25
50
175.2
=P50(中位数)
75
178.125
=P75
97.5
183.6225
=P97.5
制作频数表，组距为2，从164开始，
gen f=int((x-164)/2)*2+164 其中int( )表示取整数
tab f 频数汇总和频率计算
频数
频率
累积频率
f | Freq,Percent Cum.
------------+-----------------------------------
164 | 2 1.82 1.82
166 | 3 2.73 4.55
168 | 7 6.36 10.91
170 | 11 10.00 20.91
172 | 16 14.55 35.45
174 | 23 20.91 56.36
176 | 20 18.18 74.55
178 | 13 11.82 86.36
180 | 10 9.09 95.45
182 | 4 3.64 99.09
184 | 1 0.91 100.00
------------+-----------------------------------
Total | 110 100.00
作频数图命令 graph 变量,bin(#) norm
其中#表示频数图的组数;norm表示画一条相应的正态曲线(可以不要)
本例命令为graph x,bin(8) norm
为了使坐标更清楚地在图上显示，可以输入下列命令
graph x,bin(8) xlabel norm ylabel
图形可以从Stata中复制到word中来，操作如下：
然后到Word中粘贴和编辑，便可以得到所需要的图形。
计算几何均数可以用means 变量名(可以多个变量：即:means 变量1 …变量m)
means x
Variable | Type Obs Mean [95% Conf,Interval]
-------------+---------------------------------------------------------
x | Arithmetic 110 175.3655 174.5676 176.1634
| Geometric 110 175.3149 174.5168 176.1166
| Harmonic 110 175.2642 174.4657 176.07
-----------------------------------------------------------------------
Arithmetic(算术均数) Geometric(几何均数) 调和均数(Harmonic)
作Pie图描述构成比：每一类的频数用一个变量表示，命令：
graph 各类频数变量名,pie
例：下列有2个地区的血型频数分布数据，请用Pie描述：
频数
地区
A
B
O
AB
第1地区area=1
100
120
240
75
第2地区area=2
80
70
200
50
Stata数据格式
a
b
o
ab
area
1
100
120
240
75
1
2
80
70
200
50
2
第1地区血型构成比的Pie图的命令和图
graph a b o ab if area==1,pie
注意逻辑表达式中if area==1是两个等号。
第2地区血型构成比的Pie图的命令和图
graph a b o ab if area==2,pie
两个地区合并后的血型构成比的Pie图的命令和图
正态性检验,swilk 变量名1 变量名2 … 变量名m
在上例中的110名19岁男性青年的身高资料正态性检验如下：
,swilk x
Shapiro-Wilk W test for normal data
Variable | Obs W V z Prob>z
-------------+-------------------------------------------------
x | 110 0.99500 0.447 -1.797 0.96381
无效假设H0：资料服从正态分布备选假设H1：资料不服从正态分布设(=0.05 (样本比较大时，(取0.05，样本很小时，(取0.1)
Prob>z
P值
.96381
=P值>0.05
因此可以认为资料近似服从正态分布。
计量资料统计描述的主要策略。
若资料近似正态分布，则用均数(标准差描述若资料偏态分布(频数图明显不对称)，则用中位数(P25――P75)描述
P25――P75称为四分位数范围(Inter-quartile range,IQR)
但在一些临床试验资料统计分析时，往往给出样本均数、标准差、中位数、四分位数范围、最小值和最大值，但对结果的主要解释按照上述策略进行进行。
