复旦大学：《卫生统计学》课程教学资源（实践课授课课件）Stata软件基本操作和数据分析入门_第2讲 统计描述入门

Stata软件基本操作和数据分析入门 第二讲统计描述入门 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 17311678173.9176.9173.8171.5175.1175.2176.71745 169.2174.7185.4175.8173.51759175.9173.2174.8172 1791660173172179.8175.71808171.4178917.6 169170.81687175018717161291736177114 181.2178.1|173.3177.5173.0174.3174.5172.51713174.0 177.9170.717521785177.618.31731170.9180.5176.8 1796180.6176.6174.31687175.21795172.5173.0174.2 165170183.610.31788181.1189178164116.1 176.31694171.1172.917:0179.8178212416921764 1783165.01758181.01776174178.7175.11818171.3 1748181.71773178.5179.3170175.8181.8175180.2 Stata数据结构 173.1 169.2 171.9 166.9 181.2 177.9 179.6 69.5 176.3 178.3 174.8 012345678 167.8 170.8 178.1 170.7 180.6 177 169.4 21 181.7 173.9

Stata 软件基本操作和数据分析入门 第二讲 统计描述入门 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

578 111 85 68 4373 r778 5 171.1 r 83 176.9 55 8 2 1 75 53789012345678901 r77 55 39 81 8339 1 8587 .6 111 788 77. 1 6 55 9 17 171.5 75. B9612g6 514 976332 87877 5 4

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

177 678go1 175.1 1759 180.8 172.9 174.5 173.1 179.5 182.9 178.2 178.7 175.8 175.2 173.2 173.6 8901888567890128456g890 170.9 172.5 177.8 174.4 175.1 181.8 176.7 174.8 178.9 177.7 171.3 180.5 164.1 169.2 181.8 177.5 174.5 177.2 172.6 34 172.4 176.8 174.2 169.1

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 1713 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: fs Window Help 点击log图标,然后选择路径和输入保存结果的文件 名,建议选择扩展名为log的文件,这样以后统计分 xIFStata Results 析结果都将保存在这个文件中并且可以用word打开 和编辑。当分析结束时,仍点击该图标,关闭文件 计算样本的均数、标准差、最大值和最小值 命令1:s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:s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sux 变量 样本量 均数 标准差 最小值 最大值 Variable I Mean Std. dev Min Max 110175.36554.222297 164.1 185.4 本例命令.sux,d Percentiles Smallest 1% 165 164.1 168.7 169.45 110 25% 172.9 166.9 Sum of Wgt. 110 175.2 175.3655 Largest 4.222297 75% 178.1 183.3 90% 180.9 183.6 Variance 1782779 8 ness 756947 99% 183.7 Kurtosis 2.895843 结果说明 Sma1lest最小值 110样本量 第1最小值 Sum of Wgt. 110 加权和(即每个记 第2最小值 录的权是1) 第3最小值 175.3655 均数 166.9 第4最小值 Std. Dev 4.222297 标准差 Largest最大值 17.82779 方差 183.3 第4最大值Sk -.1756947 偏度系数 第3最大值 Kurtosis 2.895843 峰度系数 183.7 第2最大值

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. 110 165 第 2 最小值 加权和(即每个记 录的权是 1) 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 点击 log 图标，然后选择路径和输入保存结果的文件 名，建议选择扩展名为 log 的文件，这样以后统计分 析结果都将保存在这个文件中并且可以用 word 打开 和编辑。当分析结束时，仍点击该图标，关闭文件

185.4 第1最大值 ies百分位数 168.7=P 百分位数P表示样本中%的数据小于等P并且 25% 172.9=P2 (100—X)%的数据大于等于P 特别:P如就是中位数,表示一半的数据小于等于它, 175.2 另一半的数据大于等于它。本例:P=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 180.9=Pp =P 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P25,Pwm等 1e变量名, centi1e(2597.5) 本例计算P25,P,Ps,Pa,Pn 本例命令, centile x, centile(2.525507597.5) Variable Obs Percentile Centile [95% Conf. Interval] 110 2.5 164.1 1713314173.6267 50 175.2 174.5176.6789 75 177.3179.4371 97.5 181.8 Lower (upper)confidence limit held at minimum (maximum) of sample 结果说明 Percentile Centile 百分位数 2.5 165.775=P25 172.825=P 1752=P(中位数) 178.125=P75 97.5 183.6225=Pgm5 制作频数表,组距为2,从164开始, genf=int((x-164)/2)*2+164其中int()表示取整数 abf频数汇总和频率计算 频数 频率 累积频率 Freq Percent 6.36 10.91 11 10.00 20.91 172 14.55 35.45 174 23 56.36 176 20 74.55

185.4 第 1 最大值 Percentiles 百分位数 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 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 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

11 86.36 95.45 99.09 100.00 Total I 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:

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 Fraction x 164.1 185.4 0 .254545 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 Fraction x 165 170 175 180 185 0 .1 .2 .3 图形可以从 Stata 中复制到 word 中来，操作如下：

Eile Eti Prefs indow Hely CtrltL 点击Edit Ctrl Table Copy Options. opy Graph d centile x, centile[2.5 然后到Word中粘贴和编辑,便可以得到所需要的图形。 点击此处 便可关闭 图形窗口 返回结果 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 Ty Obs [95% Conf. Interval] x Arithmetic 110175.3655 174.5676176.1634 GEometric 110 175.3149 174.5168176.1166 Harmonic 110175.2642 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

点 击 Edit 后，再点击 Copy Graph 然后到 Word 中粘贴和编辑，便可以得到所需要的图形。 点击此处 便可关闭 图形窗口， 返回结果 窗口 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 第1地区are=1 120 240 75 第2地区area=2 staa数据格式 area 1100120240751 2|8070200502 第1地区血型构成比的Pie图的命令和图 areal, pie 日45%0 日14%AB 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

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 19% A 22% B 45% O 14% AB 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

口20 日18%B 日50%0 口13%AB 两个地区合并后的血型构成比的Pie图的命令和图 日19%A 口13%AB 正态性检验. sktest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: Kurtosis tests for Normality joint Variable Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 0.398 0.451 1.31 0.5198 无效假设H:资料服从正态分布 备选假设H:资料不服从正态分布 设a=0.05(样本比较大时,a取0.05,样本很小时,a取0.1)

20% A 18% B 50% O 13% AB 两个地区合并后的血型构成比的 Pie 图的命令和图 19% A 20% B 47% O 13% AB 正态性检验. sktest 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： sktest x Skewness/Kurtosis tests for Normality ------- joint ------ Variable | Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 -------------+------------------------------------------------------- x | 0.398 0.451 1.31 0.5198 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α=0.05 (样本比较大时，α取 0.05，样本很小时，α取 0.1)

Prob>z P值 =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--P5)描述 P2--P称为四分位数范围( nter-quartile range,QR) 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

Prob>z P 值 .5198 =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