第五章statar軟件教程-描述性統(tǒng)計(jì)分析

第五章描述性統(tǒng)計(jì)分析5.1描述性統(tǒng)計(jì)的原理5.1.1定性變量定義5.1對(duì)給定的類，類（或組）頻數(shù)是指落入這個(gè)類中的觀測(cè)值的個(gè)數(shù)。定義5.2對(duì)給定的類，類（或組）相對(duì)頻率是指落入這個(gè)類中的觀測(cè)值的個(gè)數(shù)相對(duì)于觀測(cè)值總數(shù)的比例。因此，頻率和頻數(shù)是描述定性變量的兩個(gè)重要指標(biāo)。5.1.2.定量變量 集中趨勢(shì)的度量：均值、中位數(shù)、眾數(shù)。 變異程度的度量：極差、方差、標(biāo)準(zhǔn)差 相對(duì)位置的度量：標(biāo)準(zhǔn)得分 偏度和峰度:如果數(shù)據(jù)的分布是對(duì)稱的，則偏度系數(shù)為0；如果偏度系數(shù)明顯不等于0，表明分布是非對(duì)稱的。若偏度系數(shù)大于1或者小于-1，被稱為高度偏態(tài)分布。峰度通常是與標(biāo)準(zhǔn)正態(tài)分布比較，Stata計(jì)算的峰度系數(shù)未減3，故而是與3作比較而不是與0作比較。若峰度系數(shù)等于3則服從標(biāo)準(zhǔn)正態(tài)分布，反之則意味著分布比正態(tài)分布更尖或者更平。5.2描述性統(tǒng)計(jì)量的Stata實(shí)現(xiàn)使用summarize命令計(jì)算和導(dǎo)出描述性統(tǒng)計(jì)量summarize[varlist][if][in][weight][,options]summarize命令的選項(xiàng)及其含義detail

產(chǎn)生更加詳細(xì)的統(tǒng)計(jì)變量，包括偏度、峰度、最小和最

大的四個(gè)值以及各種百分位數(shù)。meanonly 僅計(jì)算和顯示平均數(shù)，本選項(xiàng)在編程中比較有用。format

使用變量的顯示格式。separator(#) 每#個(gè)變量畫(huà)一條分界線，默認(rèn)為separator(5)，separator(0)

禁止使用分界線。【例5-1】現(xiàn)在我們利用小時(shí)工資數(shù)據(jù)集舉例說(shuō)明summarize的使用。要求使用summarize命令對(duì)wage.dta執(zhí)行如下操作：（1）對(duì)wage、educ、exper、tenure、nonwhite、female、married做基本的統(tǒng)計(jì)分析，（2）Summarize命令加上detail選項(xiàng)容許我們對(duì)某些重要的變量做更加詳盡的分析，（3）在summarize后使用in或者if來(lái)限制條件，可以獲得對(duì)某個(gè)子樣本的描述性統(tǒng)計(jì)。（4）使用outreg2命令導(dǎo)出描述性統(tǒng)計(jì)量。使用tabstat命令計(jì)算描述性統(tǒng)計(jì)量.tabstatvarlist[if][in][weight][,options]選項(xiàng) 含義mean 平均數(shù)

count/n 觀測(cè)值數(shù)目

sum 加總

max/min 最大值、最小值range 極差

sd 標(biāo)準(zhǔn)差var 方差

cv 變異系數(shù)(sd/mean)semean 平均標(biāo)準(zhǔn)誤(sd/sqrt(n))skewness偏度

kurtosis

峰度median 中位數(shù)

p# #%百分位數(shù)iqr 四分位數(shù)間距（p75-p25）q 等價(jià)于寫p25p50p75【例5-2】這里使用的是wage1.dta數(shù)據(jù)集，我們說(shuō)明使用tabstat計(jì)算變量wage和log（wage）的相關(guān)統(tǒng)計(jì)量。（1）首先使用stat()要求定制輸出地統(tǒng)計(jì)指標(biāo)：觀測(cè)值的個(gè)數(shù)、平均數(shù)、中位數(shù)、標(biāo)準(zhǔn)差、偏度、峰度，（2）如果在命令中加入選項(xiàng)col(stat)通過(guò)讓統(tǒng)計(jì)量以列的方式呈現(xiàn)，可以使結(jié)果更便于分析和對(duì)比，（3）下面我們加入by(female)選項(xiàng)和long選項(xiàng)，要求Stata根據(jù)性別分別統(tǒng)計(jì)wage和lwage兩個(gè)變量，并且標(biāo)注變量名稱：5.3探測(cè)異常值——箱線圖 下面的第一個(gè)命令繪制縱向圖，第二個(gè)命令繪制橫向圖。graphboxyvars[if][in][weight][,options]graphhboxyvars[if][in][weight][,options] graphbox命令的選項(xiàng):over(varname[,over_subopts]):設(shè)定分組變量，變量可以是數(shù)值型或者字符型變量，可以設(shè)置多達(dá)三個(gè)的分組變量。[,over_subopts]可以指定用于排序的變量名稱，也可以使用sort(1)，則表明按照第一個(gè)分組變量排序。默認(rèn)排序方式為從小到大，在[,over_subopts]加入descending則指定為按照中位數(shù)從大到小降序排列。by():另一種設(shè)置分組的方法，當(dāng)分組變量過(guò)多時(shí)，利用該選項(xiàng)可以是圖形更加美觀明了?！纠?-3】我們?nèi)砸詗age數(shù)據(jù)集為例，說(shuō)明箱線圖繪制命令的使用。（1）首先在不加入任何選項(xiàng)的情況下繪制箱線圖：（2）利用箱線圖還可以比較不同性別的工資分布情況，5.4數(shù)據(jù)的正態(tài)性檢驗(yàn)和數(shù)據(jù)轉(zhuǎn)換 1.分位——正態(tài)圖分位——正態(tài)圖的繪制的命令格式如下，qnormvarname[if][in][,options] 2.正態(tài)性統(tǒng)計(jì)檢驗(yàn)這里我們介紹進(jìn)行偏度—峰度檢驗(yàn)（sktest）、D’Agostino檢驗(yàn)、Shapiro—WilkW檢驗(yàn)和Shapiro—FranciaW’檢驗(yàn)的Stata命令。各種正態(tài)性統(tǒng)計(jì)檢驗(yàn)的命令格式和選項(xiàng)如下：①偏度—峰度檢驗(yàn)sktestvarlist[if][in][weight][,noadjust]noadjust選項(xiàng)用未經(jīng)調(diào)整過(guò)的檢驗(yàn)結(jié)果代替Royston(1991)對(duì)整體卡方檢驗(yàn)和顯著性水平做調(diào)整后的結(jié)果，可能會(huì)降低檢驗(yàn)的顯著性水平，使拒絕原假設(shè)的可能下降。②Shapiro—WilkW檢驗(yàn)swilkvarlist[if][in][,options] 該命令的選項(xiàng)及其含義是：generate(newvar)：產(chǎn)生包含W檢驗(yàn)系數(shù)的新變量；lnnormal：對(duì)ln(X-k)做正態(tài)性檢驗(yàn)，其中k使得ln(X)偏度為0。我們使用lnskew0來(lái)確定k的取值。③Shapiro—FranciaW’檢驗(yàn)sfranciavarlist[if][in]④D’Agostino檢驗(yàn)sktestdcvarlist[=exp][ifexp][inrange][,noadjust] 【例5-4】下面我們依次舉例說(shuō)明這四個(gè)命令的使用，這里用到的數(shù)據(jù)仍然是小時(shí)工資數(shù)據(jù)集wage1.dta。首先我們對(duì)wage變量進(jìn)行偏度—峰度檢驗(yàn)，（2）接下來(lái)我們對(duì)wage變量分別進(jìn)行W檢驗(yàn)Swilk（Shapiro-WilkWtestfornormality）和W'檢驗(yàn)Sfrancia（Shapiro-FranciaW'testfornormality），（3）最后演示D’Agostino檢驗(yàn)，使用的命令是sktestdc，這里我們使用未經(jīng)調(diào)整過(guò)的卡方檢驗(yàn)，即添加noadjust選項(xiàng)：5.4.3改變數(shù)據(jù)的分布Stata提供了一個(gè)非常強(qiáng)大的工具“冪階梯”（ladderofpowers）可以嘗試表5-11所列的九種轉(zhuǎn)換的可能，然后依次進(jìn)行偏度——峰度檢驗(yàn)。冪階梯共有三個(gè)相關(guān)的命令，第一個(gè)命令ladder嘗試表5.8所涉及到的九種轉(zhuǎn)換，然后分別進(jìn)行正態(tài)性檢驗(yàn)，這是冪階梯最基本的命令：laddervarname[if][in]接下來(lái)兩個(gè)命令可以對(duì)這九種轉(zhuǎn)換分別作直方圖和分位正態(tài)圖，以便直觀地判斷各種轉(zhuǎn)換的可行性，它們的格式是：gladdervarname[if][in]qladdervarname[if][in]【例5-5】下面我們具體說(shuō)明這三個(gè)命令的使用，這里仍然使用wage.dta數(shù)據(jù)集。（1）對(duì)wage嘗試表5.11中的各種轉(zhuǎn)換（2）嘗試命令gladder以及分位—正態(tài)圖的冪階梯版本qladder，通過(guò)這兩個(gè)命令可以非常輕松地比較每種轉(zhuǎn)換的直方圖和正態(tài)分布曲線。5.5相關(guān)系數(shù)常用的相關(guān)系數(shù)共有如下四種：Pearson相關(guān)系數(shù)、.Kendallτ相關(guān)系數(shù)、Spearman秩相關(guān)系數(shù)以及偏相關(guān)系數(shù)。Stata的相關(guān)系數(shù)命令不僅可以得到通常的相關(guān)系數(shù)，還可以計(jì)算協(xié)方差矩陣，更為有用的是它還提供了對(duì)缺失值的不同處理方法。Pearson相關(guān)系數(shù)correlate[varlist][if][in][weight][,correlate_options]pwcorr[varlist][if][in][weight][,pwcorr_options]【例5-6】使用數(shù)據(jù)集wage.dta，完成如下任務(wù)：（1）得到的wage、educ、exper、tenure之間的相關(guān)系數(shù)矩陣，（2）得到的wage、educ、exper、tenure之