Stata操作講義知識講解

操S義講作atatStata操作講義第一講Stata操作入門第一節(jié)概況Stata最初由美國計算機資源中心（ComputerResourceCenter）研制，現(xiàn)在為Stata公司的產(chǎn)品，其最新版本為7.0版。它操作靈活、簡單、易學(xué)易用，是一個非常有特色的統(tǒng)計分析軟件，現(xiàn)在已越來越受到人們的重視和歡迎，并且和SAS、SPSS一起，被稱為新的三大權(quán)威統(tǒng)計軟件。Stata最為突出的特點是短小精悍、功能強大，其最新的7.0版整個系統(tǒng)只有10M左右，但已經(jīng)包含了全部的統(tǒng)計分析、數(shù)據(jù)管理和繪圖等功能，尤其是他的統(tǒng)計分析功能極為全面，比起1G以上大小的SAS系統(tǒng)也毫不遜色。另外，由于Stata在分析時是將數(shù)據(jù)全部讀入內(nèi)存，在計算全部完成后才和磁盤交換數(shù)據(jù)，因此運算速度極快。由于Stata的用戶群始終定位于專業(yè)統(tǒng)計分析人員，因此他的操作方式也別具一格，在Windows席卷天下的時代，他一直堅持使用命令行／程序操作方式，拒不推出菜單操作系統(tǒng)。但是，Stata的命令語句極為簡潔明快，而且在統(tǒng)計分析命令的設(shè)置上又非常有條理，它將相同類型的統(tǒng)計模型均歸在同一個命令族下，而不同命令族又可以使用相同功能的選項，這使得用戶學(xué)習(xí)時極易上手。更為令人嘆服的是，Stata語句在簡潔的同時又擁有著極高的靈活性，用戶可以充分發(fā)揮自己的聰明才智，熟練應(yīng)用各種技巧，真正做到隨心所欲。除了操作方式簡潔外，Stata的用戶接口在其他方面也做得非常簡潔，數(shù)據(jù)格式簡單，分析結(jié)果輸出簡潔明快，易于閱讀，這一切都使得Stata成為非常適合于進行統(tǒng)計教學(xué)的統(tǒng)計軟件。Stata的另一個特點是他的許多高級統(tǒng)計模塊均是編程人員用其宏語言寫成的程序文件（ADO文件），這些文件可以自行修改、添加和下載。用戶可隨時到Stata網(wǎng)站尋找并下載最新的升級文件。事實上，Stata的這一特點使得他始終處于統(tǒng)計分析方法發(fā)展的最前沿，用戶幾乎總是能很快找到最新統(tǒng)計算法的Stata程序版本，而這也使得Stata自身成了幾大統(tǒng)計軟件中升級最多、最頻繁的一個。由于以上特點，Stata已經(jīng)在科研、教育領(lǐng)域得到了廣泛應(yīng)用，WHO的研究人員現(xiàn)在也把Stata作為主要的統(tǒng)計分析工作軟件。第二節(jié)Stata操作入門一、Stata的界面圖1即為Stata7.0啟動后的界面，除了Windows版本的軟件都有的菜單欄、工具欄，狀態(tài)欄等外，Stata的界面主要是由四個窗口構(gòu)成，分述如下：1．結(jié)果窗口位于界面右上部，軟件運行中的所有信息，如所執(zhí)行的命令、執(zhí)行結(jié)果和出錯信息等均在這里列出。窗口中會使用不同的顏色區(qū)分不同的文本，如白色表示命令，紅色表示錯誤信息。2．命令窗口位于結(jié)果窗口下方，相當(dāng)于DOS軟件中的命令行，此處用于鍵入需要執(zhí)行的命令，回車后即開始執(zhí)行，相應(yīng)的結(jié)果則會在結(jié)果窗口中顯示出來。3．命令回顧窗口即review窗口，位于界面左上方，所有執(zhí)行過的命令會依次在該窗口中列出，單擊后命令即被自動拷貝到命令窗口中；如果需要重復(fù)執(zhí)行，用鼠標(biāo)雙擊相應(yīng)的命令即可。4．變量名窗口位于界面左下方，列出當(dāng)前數(shù)據(jù)及中的所有變量名稱。除以上四個默認打開的窗口外，在Stata中還有數(shù)據(jù)編輯窗口、程序文件編輯窗口、幫助窗口、繪圖窗口、Log窗口等，如果需要使用，可以用Window或Help菜單將其打開。二、數(shù)據(jù)的錄入與儲存．Stata為用戶提供了簡捷，但是非常完善的數(shù)據(jù)接口，熟悉它的用法是使用Stata的第一步，在Stata中讀入數(shù)據(jù)可以有三種方式：直接從鍵盤輸入、打開已有數(shù)據(jù)文件和拷貝、粘貼方式交互數(shù)據(jù)。(1)從鍵盤輸入數(shù)據(jù)在Stata中可以使用命令行方式直接建立數(shù)據(jù)集，首先使用input命令制定相應(yīng)的變量名稱，然后一次錄入數(shù)據(jù)，最后使用end語句表明數(shù)據(jù)錄入結(jié)束。例1在某實驗中得到如下數(shù)據(jù)，請在Stata中建立數(shù)據(jù)集。觀測數(shù)據(jù):X13579,Y246810解：此處需要建立兩個變量X、Y，分別錄入相應(yīng)數(shù)值，Stata中的操作如下，其中劃線部分為操作者輸入部分。(2)用Stata的數(shù)據(jù)編輯工具②數(shù)據(jù)編輯Stata數(shù)據(jù)編輯器界面：此時進入了數(shù)據(jù)全屏幕編輯狀態(tài)。3圖在第一列輸入數(shù)據(jù)后，Stata第一列自動命名為var1；在第二列輸入數(shù)據(jù)后，第二列自動命名為var2……依次類推。在輸入數(shù)據(jù)后，雙擊縱格頂端的變量名欄(如：Var1或點擊確認（如圖欄中注釋變量名的含義,，可以更改變量名，并可以在Var2處)label4所示）。仍沿用上例，雙擊觀察值所在列頂端的變量名欄，更改變量名為x，并在label欄中注明“7歲男童身高/cm”。即可退出編輯器。數(shù)據(jù)輸入完畢后，單擊鍵確認所輸數(shù)據(jù)，按關(guān)閉鍵認所輸數(shù)據(jù)，按關(guān)閉鍵即可退出編輯器。數(shù)據(jù)輸入完畢后，單擊(3)拷貝、粘貼方式交互數(shù)據(jù)Stata的數(shù)據(jù)編輯窗口是一個簡單的電子表格，可以使用拷貝、粘貼方式直接和EXCEL等軟件交互數(shù)據(jù)，在數(shù)據(jù)量不大時，這種方式操作極為方便。例2現(xiàn)在EXCEL中已錄入了三個變量，共五條記錄，格式見下圖，請將數(shù)據(jù)讀入Stata。解：首先將EXCEL中的A1－C6全部18個單元格選中，選擇菜單編輯è復(fù)制，將數(shù)據(jù)拷貝到剪貼板上；然后切換到Stata，選擇菜單Window->DataEditor，打開數(shù)據(jù)編輯窗口；再選擇Edit->Paste，相應(yīng)的數(shù)據(jù)就會被直接粘貼如數(shù)據(jù)編輯窗口中，并且變量名、記錄數(shù)、變量格式等均會被自動正確設(shè)置，見圖6和圖7。(4)打開已有的數(shù)據(jù)文件Stata能夠直接打開的數(shù)據(jù)文件只能是自身專用格式或者以符號分隔的純文本格式，后者第一行可以是變量名，分述如下：，然后選擇路徑和文件名，可以打開Stata專用格式的數(shù)據(jù)文件，并①點擊圖標(biāo)。且擴展名為.dta②打開Dta數(shù)據(jù)文件：該格式文件是Stata的專用格式數(shù)據(jù)文件，也使用use命令即可打開，例如要打開數(shù)據(jù)文件“C:\data1.dta”，則命令為：.usec:\data1即擴展名可以省略，如果Stata中已經(jīng)修改或者建立了數(shù)據(jù)集，則需要使用clear選項清除原有數(shù)據(jù)，命令為：.usec:\data1,clear②讀入文本格式數(shù)據(jù)：需要使用insheet命令實現(xiàn)，例如需要讀入已建立好的文本格式數(shù)據(jù)文件“C:\data1.txt”，則命令為：.insheetusingc:\data1.txt該命令會自動識別第一行是否為變量名，以及變量列間的分隔符是tab、逗號還是其他字符。如果Stata中已經(jīng)修改或者建立了數(shù)據(jù)集，則需要使用clear選項清除原有數(shù)據(jù)，命令為：.insheetusingc:\data1.txt,clear(5)數(shù)據(jù)文件的保存為了方便以后重復(fù)使用，輸入Stata的數(shù)據(jù)應(yīng)存盤。Stata實際上只能將數(shù)據(jù)存為自身專用的數(shù)據(jù)格式或者純文本格式，分述如下：，然后選擇路徑和文件名，點擊①點擊圖標(biāo)。②存為dta格式：可以直接使用文件菜單，也可以使用save命令操作，如欲將上面建立的數(shù)據(jù)文件存入“C:\”中，文件名為Data1.dta，則命令為：.savec:\data1filec:\data1.dtasaved該指令將在C盤根目錄建立一個名為“data1.dta”的Stata數(shù)據(jù)文件，后綴dta可以在命令中省略，會被自動添加。該文件只能在Stata中用use命令打開。如所指定的文件已經(jīng)存在，則該命令將給出如下信息：filec:\data1.dtaalreadyexists，告訴用戶在該目標(biāo)盤及子目錄中已有相同的文件名存在。如欲覆蓋已有文件，則加選擇項replace。命令及結(jié)果如下：.savec:\data1.dta,replacefilec:\data1.dtasaved3．存為文本格式：需要使用outsheet命令實現(xiàn)，該命令的基本格式如下。outsheet[變量名列表]using文件名[,nonamesreplace]其中變量名列表如果省略，則將全部變量存入指定文件。如欲將上面建立的數(shù)據(jù)文件存入文本文件“C:\data1.txt”中，則命令為：.outsheetusingc:\data1.txt此時建立的文件data1.txt第一行為變量名，第2-6行為變量值。變量列間用Tab鍵分隔。如果不希望在第一行存儲變量名，則可以使用nonames選項。如果文件已經(jīng)存在，則需要使用replace選項。第二講統(tǒng)計描述入門例調(diào)查某市1998年110名19歲男性青年的身高/cm資料如下，計算均數(shù)、標(biāo)準(zhǔn)差、中位數(shù)、百分位數(shù)和頻數(shù)表。．(讀者可以把數(shù)據(jù)直接粘貼到Stata的Edit窗口)數(shù)據(jù)結(jié)構(gòu)Stata在介紹統(tǒng)計分析命令之前，先介紹打開一個保存統(tǒng)計分析結(jié)果的文件操作：計算樣本的均數(shù)、標(biāo)準(zhǔn)差、最大值和最小值命令1：su變量名(可以多個變量：即：su變量名1變量名2…變量名m)命令2：su變量名,d(可以多個變量:即：su變量名1變量名2…變量名m,d)本例命令sux本例命令.sux,d。centile計算百分位數(shù)還可以用專用命令centile變量名(可以多個變量)，centile(要計算的百分位數(shù))例如計算P，P等97.52.5centile變量名,centile(2.597.5)本例計算P，P，P，P，P。7550252.597.5本例命令.centilex,centile(2.525507597.5)制作頻數(shù)表，組距為2，從164開始，genf=int((x-164)/2)*2+164其中int()表示取整數(shù)tabf頻數(shù)匯總和頻率計算作頻數(shù)圖命令graph變量,bin(#)norm其中#表示頻數(shù)圖的組數(shù);norm表示畫一條相應(yīng)的正態(tài)曲線(可以不要)本例命令為graphx,bin(8)norm為了使坐標(biāo)更清楚地在圖上顯示，可以輸入下列命令graphx,bin(8)xlabelnormylabel中來，操作如下：中復(fù)制到圖形可以從Stataword中粘貼和編輯，便可以得到所需要的圖形。Word然后到計算幾何均數(shù)可以用means變量名(可以多個變量：即:means變量1…變量m)meansxArithmetic(算術(shù)均數(shù))Geometric(幾何均數(shù))調(diào)和均數(shù)(Harmonic)作Pie圖描述構(gòu)成比：每一類的頻數(shù)用一個變量表示，命令：graph各類頻數(shù)變量名,pie例：下列有2個地區(qū)的血型頻數(shù)分布數(shù)據(jù)，請用Pie描述：圖的命令和圖Pie第1地區(qū)血型構(gòu)成比的graphaboabifarea==1,pie是兩個等號。注意邏輯表達式中ifarea==1圖的命令和圖地區(qū)血型構(gòu)成比的第2Piegraphaboabifarea==2,pie圖的命令和圖兩個地區(qū)合并后的血型構(gòu)成比的Piem變量名2變量名1變量名….swilk正態(tài)性檢驗歲男性青年的身高資料正態(tài)性檢驗如下：19110在上例中的名.swilkx無效假設(shè)H：資料服從正態(tài)分布0備選假設(shè)H：資料不服從正態(tài)分布1ααα取0.1)0.05取設(shè)，樣本很小時，=0.05(樣本比較大時，因此可以認為資料近似服從正態(tài)分布。計量資料統(tǒng)計描述的主要策略小結(jié)若資料近似正態(tài)分布，則用均數(shù)±標(biāo)準(zhǔn)差描述——P)P描述(頻數(shù)圖明顯不對稱)，則用中位數(shù)(若資料偏態(tài)分布7525——P稱為四分位數(shù)范圍(Inter-quartilerange,IQR)P7525但在一些臨床試驗資料統(tǒng)計分析時，往往給出樣本均數(shù)、標(biāo)準(zhǔn)差、中位數(shù)、四分位數(shù)范圍、最小值和最大值，但對結(jié)果的主要解釋按照上述策略進行進行。第三講概率分布和抽樣分布概率分布累積函數(shù)1.標(biāo)準(zhǔn)正態(tài)分布累積函數(shù)norm(X)2.t分布右側(cè)累積函數(shù)ttail(df，X)，其中df是自由度χ2分布累積函數(shù)chi2(df，X3.)，其中df是自由度χ2分布右側(cè)累積函數(shù)chi2tail(df，4.X)，其中df是自由度5.F分布累積函數(shù)F(df1，df2，X)，df1為分子自由度，df2為分母自由度6.F分布右側(cè)累積函數(shù)F(df1，df2，X)，df1為分子自由度，df2為分母自由度累積函數(shù)的計算使用產(chǎn)生隨機數(shù)計算機所產(chǎn)生的隨機數(shù)是通過一串很長的序列數(shù)模擬隨機數(shù)，故稱為偽隨機數(shù)，在實際應(yīng)用這些隨機數(shù)時，這些隨機數(shù)一般都能具有真實隨機數(shù)的所有概率性質(zhì)和統(tǒng)計性質(zhì)，因此可以產(chǎn)生許許多多的序列偽隨機數(shù)，一個序列的第一個隨機數(shù)對應(yīng)一個數(shù)，這個數(shù)稱為種子數(shù)(seed)，因此可以利用種子數(shù)，使隨機數(shù)重復(fù)實現(xiàn)。設(shè)置種子數(shù)的命令為setseed數(shù)。每次設(shè)置同一種子數(shù)，則產(chǎn)生的隨機序列是相同的。產(chǎn)生(0,1)區(qū)間上的均勻分布的隨機數(shù)uniform()例如產(chǎn)生種子數(shù)為100的20個在(0,1)區(qū)間上的均勻分布的隨機數(shù)，則操作如下：clear清除內(nèi)存setseed100設(shè)置種子數(shù)為100setobs20設(shè)置樣本量為20genr=uniform()產(chǎn)生20個在(0，1)區(qū)間上均勻分布的隨機數(shù)。list顯示這些隨機數(shù)結(jié)果如下利用均勻分布隨機數(shù)進行隨機分組：例：某實驗要把20只大鼠隨機分為2組，每組10只，請制定隨機分組方案和措施。第一步、把20只大鼠編號，1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，17，18，19，20。并且標(biāo)明。第二步、用Stata軟件制定隨機分組方案，操作如下：結(jié)果如下：教學(xué)應(yīng)用：考察樣本均數(shù)的分布。的抽樣誤差由于個體變異的原因，樣本均數(shù)(其定義為樣本均數(shù)與總體均數(shù)的差值)是不可避免的，并且樣本均數(shù)的抽樣誤差是呈隨機變化的。對于一次抽樣而言，無法考察樣本均數(shù)的抽樣誤差的規(guī)律性，但當(dāng)大量地重復(fù)抽樣，計算每次抽樣的樣本均，考察樣本均數(shù)的隨機分布規(guī)律性和統(tǒng)計特征。舉例如下：數(shù)2)的樣本，樣本量分別為n6個服從正態(tài)分布N(100,利用計算機模擬產(chǎn)生100000=4，n=9，n=16，n=36，每個樣本計算樣本均數(shù)。這里關(guān)鍵處是要清楚什么是樣本量(每次抽樣所觀察的對象個數(shù)，也就是每個樣本的個體數(shù)n)、什么是樣本個數(shù)(指抽樣的次數(shù))，現(xiàn)以n=4為例，一條記錄存放一個樣本，樣本量n=4，也就是每個樣本的第1個數(shù)據(jù)放在第1列，第2個數(shù)據(jù)放在第2列，第3個數(shù)據(jù)放在第3列，第4個數(shù)據(jù)放在第4列，因此第1行是第一個樣本，第2行是第2個樣本，第100000行是第100000個樣本，計算樣本均數(shù)放在第5列，因此共有100000個樣本均數(shù)。具體操作如下：現(xiàn)共有100000個樣本，每個樣本計算一個樣本均數(shù)，因此有100000個樣本均數(shù)，視為一個數(shù)據(jù)，把100000現(xiàn)在把一個樣本均數(shù)個樣本均數(shù)視為一個樣本量為個100000(這個樣本里有，計算這100000的新樣本個的平均值和標(biāo)準(zhǔn)100000)差：得到：個的平均值＝99.98388這100000非常接近總體均數(shù)μ=1003.002225(的標(biāo)準(zhǔn)差＝理論上可以證明樣本均數(shù)的總體這100000個均數(shù)與樣本所在的總體的總體均數(shù)相同，樣本均數(shù)的標(biāo)準(zhǔn)差=)個的頻數(shù)圖再考察這100000graphmean,bin(50)xlabelylabelnormμ＝100。再考察這可以發(fā)現(xiàn)正態(tài)分布的樣本均數(shù)仍呈正態(tài)分布，峰的位置在100000個的百分位數(shù)可以發(fā)現(xiàn)理論上的百分位數(shù)與模擬數(shù)據(jù)的百分位數(shù)非常接近?？梢宰C明：樣本量越大，這種的誤差小的可能性越大。由于在實際研究中，只有一個樣本，因此只有一個樣本均數(shù)，無法如模擬數(shù)據(jù)一樣σ，利用S近似計算樣本均數(shù)的標(biāo)準(zhǔn)差，但是一個樣本的數(shù)據(jù)可以計算樣本的標(biāo)準(zhǔn)差關(guān)系，間接估計得到樣本均數(shù)的標(biāo)準(zhǔn)差估計樣本均數(shù)的標(biāo)準(zhǔn)差，為了區(qū)分樣本的標(biāo)準(zhǔn)差和樣本均數(shù)的標(biāo)準(zhǔn)差，故稱為標(biāo)準(zhǔn)為誤。為了幫助大家方便地進行模擬實習(xí)，特地編制的相應(yīng)的Stata模擬程序:模擬正態(tài)分布的樣本均數(shù)分布的模擬程序simumean.ado復(fù)制到Stata軟件安裝的目錄下的子目錄ado\base。例如：Stata軟件安裝在D:\stata，則simumean.ado復(fù)制到d:\stata\ado\base然后啟動Stata軟件后，輸入連接命令:netsetadod:\stata\ado\base若Stata安裝在其他目錄下，則相應(yīng)改變上述路徑便是(這是一次性操作，以后無需再重復(fù)進行)。這是模擬抽10000個正態(tài)分布的樣本，具體說明如下：舉例說明simumean樣本量均數(shù)標(biāo)準(zhǔn)差例如模擬抽10000個正態(tài)分布的樣本，樣本量為4、總體均數(shù)是20、標(biāo)準(zhǔn)差為6，則操作如下：simumean4206得到下列結(jié)果(隨機的)模擬習(xí)題，考察不同樣本量情況下，的1)運行正態(tài)分布的樣本均數(shù)模擬程序simumean.ado的差異，95標(biāo)準(zhǔn)差與％范圍的比較。考察頻數(shù)圖的變化,xlabelbin(40)graph變量名考察原始資料：graphx1,xlabelbin(40)考察樣本均數(shù)(變量名為mean)graphmean,xlabelbin(40)考察：原始資料和樣本均數(shù)的峰的位置，離散程度?？疾旆钦龖B(tài)分布情況下，樣本均數(shù)可以運行下列程序雙峰分布的樣本均數(shù)分布程序：simubpeak.ado自由度為1的c2分布的樣本均數(shù)模擬程序simuchi.ado把上述程序復(fù)制到路徑:\stata\ado\base連接：netsetado路徑:\stata\ado\base操作：simubpeak.ado樣本量simuchi.ado樣本量考察原始資料的分布和樣本均數(shù)的分布變化，原始資料所在總體分布的頻數(shù)圖：graphx1,bin(40)xlabel樣本均數(shù)的抽樣分布的頻數(shù)圖：graphmeanx,bin(40)xlabel考察原始資料x1,x2的標(biāo)準(zhǔn)差和樣本均數(shù)meanx的標(biāo)準(zhǔn)差考察不同樣本量對樣本均數(shù)分布的影響。可以證明：樣本量較大時，樣本均數(shù)的分布趨向于正態(tài)分布(稱為中心極限定理)，并且樣本均數(shù)的總體均數(shù)(理論均數(shù))仍與樣本所在總體相同標(biāo)準(zhǔn)誤)＝(樣本均數(shù)的總體標(biāo)準(zhǔn)差兩組計量資料平均水平的統(tǒng)計檢驗第四講．一、配對設(shè)計的平均水平檢驗統(tǒng)計方法選擇原則：如果配對的差值服從近似正態(tài)分布(小樣本)或大樣本，則用配對t檢驗小樣本的情況下，配對差值呈明顯偏態(tài)分布，則用配對秩符號檢驗(matched-pairssigned-rankstest)。例110例男性矽肺患者經(jīng)克矽平治療，其血紅蛋白/g/dL如下：問：治療前后的血紅蛋白的平均水平有沒有改變？這是一個典型的前后配對設(shè)計的研究(但不提倡，因為對結(jié)果的解釋可能會有問題)操作如下：gend=x1-x2產(chǎn)生配對差值的變量d正態(tài)性檢驗dswilk正態(tài)性檢驗的無效假設(shè)為：資料正態(tài)分布相應(yīng)的備選假設(shè)為：資料非正態(tài)分布α=0.05，由于正態(tài)性檢驗的P值=0.40189>>α，故可以認為資料近似服從正態(tài)分布。μμα=0.05，≠H::=0vsH0:=0ttestd配對t檢驗dd01α，故認為治療前后的血紅蛋白的平均數(shù)差異沒有統(tǒng)計學(xué)意義。即：沒值=0.2237>P有足夠的證據(jù)可以認為治療前后的血紅蛋白的總體平均數(shù)不同。如果已知差值的樣本量，樣本均數(shù)和樣本標(biāo)準(zhǔn)差，可以用立即命令如下(如，已知樣本量為10，差值的樣本均數(shù)為-0.66，差值的標(biāo)準(zhǔn)差為1.65，則輸入命令如下：ttesti樣本量樣本均數(shù)樣本標(biāo)準(zhǔn)差0本例為：ttesti10-0.661.650結(jié)果解釋與結(jié)論同上述相同。如果對于小樣本的情況下，差值不滿足正態(tài)分布，則用Match-Sign-ranktest，操作如下：signrank差值變量名=0假如本例不滿足正態(tài)分布(為了借用上例資料，而假定的，實際上本例滿足正態(tài)分布)則H：差值的中位數(shù)＝00(其意義是治療前的血紅蛋白配大于治療后的血紅蛋白的概率＝治療前的血紅蛋白小于治療后的血紅蛋白的概率)α=0.0510H：差值的中位數(shù)1．α，故沒有足夠的證據(jù)說明兩個總體不同。P值=0.3583>>二、平行對照設(shè)計的兩組資料平均水平統(tǒng)計檢驗統(tǒng)計方法選擇原則：如果兩組資料的方差齊性和相互獨立的，并且每組資料服從正態(tài)分布(大樣本資料可以忽略正態(tài)性問題)，則用成組t檢驗，否則可以用成組Wilcoxon秩和檢驗。例2為研究噪聲對紡織女工子代智能是否有影響，一研究人員在某紡織廠隨機抽取接觸噪聲95dB（A）、接觸工齡5年以上的紡織女工及同一單位、條件與接觸組相近但不接觸噪聲的女職工，其子女（學(xué)前幼兒）作為研究對象，按韋氏學(xué)前兒童智力量表（中國修訂版）測定兩組幼兒智商，結(jié)果如下。問噪聲對紡織女工子代智能有無影響？(接觸組group=0，不接觸組group=1)資料及其結(jié)果如下：α，因此可以認為兩組方差齊性的。=0.8389>>值P正態(tài)性檢驗：H：資料服從正態(tài)分布vsH：資料偏態(tài)分布10α=0.05每一組資料正態(tài)性檢驗αμμ的95%可信區(qū)間為－(-17.73557,-7.144429)值P(<0.0001)<可以知道，,并且有10不接觸組幼兒的平均智商高于接觸組的幼兒平均智商，并且差別有統(tǒng)計學(xué)意義。如果已知兩組的樣本量、樣本均數(shù)和樣本標(biāo)準(zhǔn)差，也可以用立即命令進行統(tǒng)計檢驗ttesti樣本量1樣本均數(shù)1樣本標(biāo)準(zhǔn)差1樣本量2樣本均數(shù)2樣本標(biāo)準(zhǔn)差2例如：本例第1組n1=25均數(shù)1=89.08標(biāo)準(zhǔn)差1=9.115第2組n2=25均數(shù)2=101.52標(biāo)準(zhǔn)差2=9.505則ttesti2589.089.11525101.529.505結(jié)果解釋同上。方差不齊的情況，(小樣本時，資料正態(tài)分布)還可以用t'檢驗命令：ttest觀察變量名，by(分組變量名)unequal立即命令為：ttesti樣本量1均數(shù)1標(biāo)準(zhǔn)差1樣本量2均數(shù)2標(biāo)準(zhǔn)差2,unequal假定本例的資料方差不齊(實際為方差不齊的)，則要用t'檢驗如下ttestx,by(group)unequal結(jié)果解釋同上。t'檢驗有許多方法，這里介紹的Satterthwaite方法，主要根據(jù)兩個樣本方差差異的程度校正相應(yīng)的自由度，由于本例的兩個樣本方差比較接近，故自由度幾乎沒有減少(t檢驗的自由度為48,而本例t'自由度為47.9159)。由于t檢驗要求的兩組總體方差相同(稱為方差齊性)，以及由于抽樣誤差的原因，樣本方差一般不會相等，但是方差齊性的情況下，樣本方差表現(xiàn)為兩個樣本方差之比≈1。(注意：兩個樣本方差之差很小，仍可能方差不齊。如：第一個樣本標(biāo)準(zhǔn)差為0.1，樣本量為100,第2個樣本標(biāo)準(zhǔn)差為0.01，樣本量為100，兩個樣本標(biāo)準(zhǔn)差僅差0.09，但是兩個樣本方差之比為100。故用方差齊性檢驗的結(jié)果如下：方差齊性的立即命令為sdtesti樣本量1.標(biāo)準(zhǔn)差1樣本量2.標(biāo)準(zhǔn)差2P值<0.0001，因此認為兩組的方差不齊。故方差齊性是考察兩個樣本方差之比是否接近1。如果本例的資料不滿足t檢驗要求(注：實際是滿足的，只是想用本例介紹成組秩和檢驗)，則用秩和檢驗(WilcoxonRanksumtest)。H:兩組資料所在總體相同0H：兩組資料所在總體不同1α＝0.05命令：ranksum觀察變量名,by(分組變量)α，故認為兩個總體不同值<0.0001<P習(xí)題一、某地隨機抽樣調(diào)查了部分健康成人紅細胞數(shù)和血紅蛋白量，結(jié)果如下，請就此資料統(tǒng)計分析：）該地健康成年男女血紅蛋白含量有無差別？（1（2）該地男女兩項血液指標(biāo)是否均低于上表的標(biāo)準(zhǔn)值（若測定方法相同）？二、為了解聾啞學(xué)生學(xué)習(xí)成績與血清鋅含量的關(guān)系，某人按年齡、性別和班級在聾啞學(xué)校隨機抽取成績優(yōu)、差的14對學(xué)生進行配對研究，得其結(jié)果如下。問聾啞學(xué)生學(xué)習(xí)成績與血清鋅含量有無關(guān)系？教學(xué)應(yīng)用：考察影響t檢驗結(jié)果的各種因素1.首先把程序ttest2.ado和程序ttestexp.ado復(fù)制到stata所在的目錄下\ado\base(例如：Stata軟件安裝在D:\stata，則把這兩個程序復(fù)制到d:\stata\ado\base目錄下。然后輸入連接命令:在Stata環(huán)境下，輸入netsetado路徑\stata\ado\base。(路徑表示Stata所在的盤符和目錄)2.程序ttest2.ado是模擬在正態(tài)總體中隨機抽10000個樣本，每個樣本有2組，兩組α=0.05的樣本量、正態(tài)分布的總體均數(shù)和標(biāo)準(zhǔn)差由讀者選擇輸入，考察的情況下，考察當(dāng)兩個總體均數(shù)相同時拒絕H的比例(拒絕的頻率估計第一類錯誤)是否接近0.05和0當(dāng)兩個總體均數(shù)不同時接受H的比例(估計發(fā)生第二類錯誤的概率)。0運行ttest2.ado的輸入命令為：ttest2樣本量1均數(shù)1標(biāo)準(zhǔn)差1樣本量2均數(shù)2標(biāo)準(zhǔn)差2μμ=的拒絕H(610030例如：考察兩組樣本量均為，總體均數(shù)均為，標(biāo)準(zhǔn)差均為10)比例，結(jié)果如下：2．μμ)，因=次拒絕t值，結(jié)果有494H(個在隨機抽10000個樣本中，計算了10000201α=0.05。此非常接近建議讀者運行程序ttest2考察下列情況μμβ)估計的比例H≠1目的：時，不同的樣本量，考察下列不同情況下的接受(012以及兩組樣本量之比不同的情況對檢驗結(jié)果的影響。3.程序ttestexp.ado是模擬在指數(shù)分布總體中隨機抽10000個樣本，每個樣本有2α=0.05組，兩組的樣本量和總體均數(shù)由讀者選擇輸入，考察的情況下，考察當(dāng)兩個總體均數(shù)相同時拒絕H的比例(拒絕的頻率估計第一類錯誤)是否接近0.05和當(dāng)兩個總體0均數(shù)不同時接受H的比例(估計發(fā)生第二類錯誤的概率)。0運行ttestexp.ado的輸入命令為：ttestexp樣本量1均數(shù)1樣本量2均數(shù)2μμ)的比例，結(jié)果如=(的拒絕，總體均數(shù)均為例如：考察兩組樣本量均為101H201下：μμα=0.05，較遠?？疾煜铝袠颖玖壳闆r與偏態(tài)3.7%=)的比例為，離開(H拒絕210分布造成的影響之間的關(guān)系。您能從上述模擬結(jié)果可以得到下列結(jié)論μμ時且方差齊性的正態(tài)分布情況下，n=n時，拒絕H的比例比較高，可(1)當(dāng)≠02112以證明t檢驗中，兩組樣本量為n和n，則其檢驗效能等價于每組樣本量相同21=。特別當(dāng)兩組樣本量之比為n：knn時，則樣本量等價于，也就是說，如果一組的樣本量為10，另一組的樣本量再大，其檢驗效能也不會超過兩組樣本量相同且為20的統(tǒng)計檢驗效能。μμα，但是n=n=，拒絕H的比例偏離(2)當(dāng)方差不齊時，且時，方差不齊對結(jié)20121果的影響將下降。(3)資料偏態(tài)分布，則小樣本時，偏態(tài)分布對結(jié)果有影響，大樣本時，偏態(tài)分布對結(jié)果基本無影響。第五講多組平均水平的比較一、復(fù)習(xí)和補充兩組比較的統(tǒng)計檢驗1.配對設(shè)計資料(又稱為DependentSamples)(1)對于小樣本的情況下，如果配對的差值資料服從正態(tài)分布，用配對t檢驗(ttest差值變量=0)(2)大樣本的情況下，可以用配對t檢驗(3)小樣本的情況下，并且配對差值呈偏態(tài)分布，則用配對符號秩檢驗(signrank差值變量=0)2.成組設(shè)計(TwoIndependentSamples)(1)如果方差齊性并且大樣本情況下，可以用成組t檢驗(ttest效應(yīng)指標(biāo)變量,by(分組變量))(2)如果方差齊性并且兩組資料分別呈正態(tài)分布，可以用成組t檢驗(3)如果方差不齊，或者小樣本情況下偏態(tài)分布，則用秩和檢驗(Ranksumtest)資料二、多組比較1.完全隨機分組設(shè)計(要求各組資料之間相互獨立)(1)方差齊性并且獨立以及每一組資料都服從正態(tài)分布(小樣本時要求)，則采用完全隨機設(shè)計的方差分析方法(即：單因素方差分析，OneWayANOVA)進行分析。(2)方差不齊或小樣本情況下資料偏態(tài)，則用KruskalWallis檢驗(H檢驗)例5.1為研究胃癌與胃粘膜細胞中DNA含量（A.U）的關(guān)系，某醫(yī)師測得數(shù)據(jù)如下，試問四組人群的胃粘膜細胞中平均DNA含量是否相同？由于這四組對象的資料是相互獨立的，因此屬于完全隨機分組類型的。檢驗問題是考察四組DNA含量的平均水平相同嗎。如果每一組資料都正態(tài)分布并且方差齊性可以用Oneway-ANOVA進行分析，反之用KruskalWallis檢驗。Stata數(shù)據(jù)輸入格式上述結(jié)果表明每一組資料都服從正態(tài)分布。單因素方差分析的Stata命令：oneway效應(yīng)指標(biāo)變量分組變量,tb其中t表示計算每一組均數(shù)和標(biāo)準(zhǔn)差,b表示采用Bonferroni統(tǒng)計方法進行兩兩比較。本例命令為onewayxgroup,tb方差齊性的檢驗為：卡方=1.1354，自由度=3,P值=0.769，因此可以認為方差是齊性的。μμμμ=四組總體均數(shù)相同H：==41302μμμμ不全相同：，，，H43112α=0.05，相應(yīng)的統(tǒng)計量F=77.87以及相應(yīng)的自由度為3和43，P值<0.0001，因此4組均數(shù)的差別有統(tǒng)計學(xué)意義。上述輸出為兩兩比較的結(jié)果，在表格的每個單元中，第一行為兩組均數(shù)的差值，第二行為兩組均數(shù)比較檢驗的P值。根據(jù)上述結(jié)果可以知道，第2組、第3組和第4組的AU均數(shù)均大于第1組的AU均數(shù)，并且差別有統(tǒng)計學(xué)意義。說明腸化生患者和胃癌患者的DNA的AU含量平均水平均高于正常人的AU平均水平，并且差別有統(tǒng)計學(xué)意義。第3組和第4組的AU均數(shù)也大于第2組的AU平均水平，并且差別有統(tǒng)計學(xué)意義。說明胃癌患者的DNA的AU含量平均水平均高于腸化生患者的AU平均水平，并且差別有統(tǒng)計學(xué)意義。第3組和第4組兩組均數(shù)的差別沒有統(tǒng)計學(xué)意義，說明沒有足夠的證據(jù)可以DNA的AU含量與癌癥的早期與晚期有關(guān)系。假如本例的資料不滿足方差分析的要求，則用KruskalWallis檢驗，數(shù)據(jù)結(jié)構(gòu)同上。命令為：kwallis效應(yīng)指標(biāo)變量,by(分組變量)本例的命令為kwallisx,by(g)H：4組的AU總體分布相同0H：4組的AU總體分布不全相同1α=0.05α應(yīng)取小一些(多重比較組說明：4AU的總體分布不全相同，然后秩和檢驗，但為k，其中檢驗的建議：Sidak。根據(jù))時，會增大第一類錯誤的概率．αα'為兩兩比較時的檢驗水0.05)要比較的次數(shù)，，為多組比較總的檢驗水平(一般為平。，對于比較第組兩兩比較共比次，因此如本例：41組和第2組的AU分布差別的操作命令為：先計算中位數(shù)sortg組別變量排序byg:centilex,centile(50)計算各組中位數(shù)α'，因此第2組AU的平均水平要高于第1組的平均水平(M>P值<M)，并且差別12有統(tǒng)計學(xué)意義。α'，因此第3組AU的平均水平要高于第1組的平均水平(值P<M>M)，并且差別13有統(tǒng)計學(xué)意義，其他比較類似進行。．要注意的問題：在方差分析中，要求每一組資料服從正態(tài)分布(小樣本時)，并不是要求各組資料服從一個正態(tài)分布(因為這就意味各組的總體均數(shù)相同，失去統(tǒng)計檢驗的必要性)，所以不能把各組的資料合在一起作正態(tài)性檢驗?？偟闹v，方差分析對正態(tài)性具有穩(wěn)健性，即：α取0.05偏態(tài)分布對方差分析的結(jié)果影響不會太大，故正態(tài)性檢驗的也就可以了。樣本量較大時，方差分析對正態(tài)性要求大大降低(根據(jù)中心極限定理可知：樣本均數(shù)近似服從正態(tài)分布)。并且由于大多數(shù)情況下，樣本資料只是近似服從正態(tài)分布而不是完全服從正態(tài)分布。由于在大樣本情況下，用正態(tài)性檢驗就變?yōu)楹苊舾?，對于不是完全服從正態(tài)分布的資料往往會拒絕正態(tài)性檢驗的H：資料服從正態(tài)分布。因為正態(tài)性0檢驗不能檢驗資料是否近似服從正態(tài)分布，而是檢驗是否服從正態(tài)分布。故在大樣本情況下，考察資料的近似正態(tài)性，應(yīng)用頻數(shù)圖進行考察。方差齊性問題對方差分析相對比較敏感，并且并不是隨著樣本量增大而方差齊性對方差分析減少影響的。但是當(dāng)各組樣本量接近相同或相同時，方差齊性對方差分析呈現(xiàn)某種穩(wěn)健性。即：只有當(dāng)各組樣本量相同時，方差齊性對方差分析結(jié)果的影響大大降低。這時隨著樣本量增大，影響會進一步降低。相反，如果各組樣本量相差太大時，方差齊性對方差分析結(jié)果的影響很大。這時隨著樣本量增大，影響會進一步加大。2.隨機區(qū)組設(shè)計(處理組之間可能不獨立)，也就是隨機區(qū)組方差分析中的誤差項)殘差(定義為：的a)方差齊性且小樣本時正態(tài)分布，則用隨機區(qū)組的方差分析(無重復(fù)的兩因素方差分析,Two-wayANOVA)。b)不滿足方差齊性或小樣本時資料偏態(tài)，則對用秩變換后再用隨機區(qū)組的方差分析也可以直接用非參數(shù)隨機區(qū)組的秩和檢驗Fredmantest)。例2下表是某湖水中8個觀察地點不同季節(jié)取樣的氯化物含量測定值，請問在不同季節(jié)該湖水中氯化物的含量有無差別？顯然同一地點不同季節(jié)的氯化物含量有一定的相關(guān)性，故不能采用完全隨機設(shè)計的方差分析方法對4個季節(jié)的氯化物含量進行統(tǒng)計分析?？梢园淹坏攸c的4個季節(jié)氯化物含量視為一個區(qū)組，因此可以用隨機區(qū)組的方差分析進行統(tǒng)計分析。μ，同樣在冬季，第i個地點在冬季的氯化物總體均數(shù)為個地點的氯化物總設(shè)第80體均數(shù)與第8個地點在冬季的氯化物總體均數(shù)相差b，i=1，2，3，4，5，6，7。因此i在冬季的這8個地點在冬季的氯化物總體均數(shù)可以表示為α，因此春假定在同一地區(qū)，春季的氯化物總體均數(shù)與冬季的氯化物總體均數(shù)相差1節(jié)和冬季的氯化物總體均數(shù)可以表示為αα>0說明春季的＝0說明在同一地點，冬季和春季的氯化物總體均數(shù)相同；如果11α<0氯化物含量平均高于冬季氯化物含量，反之，說明春季氯化物含量均數(shù)低于冬季氯化物含量。同理假定在同一地區(qū)，夏季和秋季的氯化物總體均數(shù)與冬季的氯化物總體均數(shù)分別αα，則四個季節(jié)的氯化物總體均數(shù)可以表示為和相差32．根據(jù)上述總體均數(shù)表示，可以知道：在四個季節(jié)中的氯化物總體均數(shù)(同一地點)無變ααα=0(在隨機區(qū)組方差分析中稱為無處理效應(yīng)，但不能稱=化就是H：4=組的總3102體均數(shù)相同，因為在同一季節(jié)中不同地點的總體均數(shù)可能不同)。ααα不全為0H：，，3121stata數(shù)據(jù)輸入格式其中id表示觀察地點編號，t＝1，2，3，4對應(yīng)表示春節(jié)、夏季、秋季和冬季。Stata操作命令：ααα=的檢驗對應(yīng)的統(tǒng)計量=0H處理效應(yīng)：=3012相應(yīng)的P值<0.0001(計算機輸出值是0.0000)，所以拒絕無效假設(shè)，可以認為4個季節(jié)的氯化物總體均數(shù)不全相同。不同季節(jié)中的兩兩比較用LSD方法檢驗如下：在輸入anovaxtid命令后，再輸入regress命令便得到下列結(jié)果α=0的統(tǒng)計量t=11.95，P值<0.001，95%可其中，對應(yīng)的假設(shè)檢驗H：10信區(qū)間為(5.022，7.139)，因此可以認為春季的氯化物平均高于冬季，差別有統(tǒng)計學(xué)意義。α=0的統(tǒng)計量t=7.50，P值<0.001，：，對應(yīng)的假設(shè)檢驗H95%可信區(qū)20間為(2.758，4.874)，因此可以認為夏季的氯化物平均高于冬季，差別有統(tǒng)計學(xué)意義。α=0的統(tǒng)計量t=2.37，P：值=0.027，95%可信區(qū)間，對應(yīng)的假設(shè)檢驗H30為(0.1494，2.266)，因此可以認為秋季的氯化物平均高于冬季，差別有統(tǒng)計學(xué)意義。μαβμαβ)++比較對應(yīng)為)與夏季的氯化物平均數(shù)對于春季氯化物平均數(shù)((++ii1020αααααααααα，相≠=vs和H<的問題。因此需要檢驗H：>：、＝220211112211應(yīng)的Stata命令(anovaxtid命令和regress命令后)為testb[t[1]]=_b[t[2]]，得到下列結(jié)果αα的的估計值<0.0001，差別有統(tǒng)計學(xué)意義。由于>相應(yīng)的統(tǒng)計量F=26.28，P值21估計值，所以可以認為春季氯化物平均高于夏季的氯化物含量。αααα，只需輸入命令testb[t[1]]=_b[t[3]]≠＝vsH：同理檢驗H：330111αααα，只需輸入命令testb[t[2]]=_b[t[3]]H：：檢驗H此處不在詳細＝≠vs321302敘述了。由于隨機區(qū)組方差分析要求殘差()服從正態(tài)分布，再輸入regress以后，只要輸入predict殘差變量名,residual，就可以得到殘差計算值。本例用e表示殘差變量名，因此輸入predicte,residual就可以得到殘差計算值e，然后對殘差進行正態(tài)性檢驗(sktest殘差變量名)本例輸入命令為:sktesteα，因此可以認為資料近似服從正態(tài)分布。(=0.93349>>P值大樣本時，可以不考慮)正態(tài)性問題．如果資料呈偏態(tài)分布，可以對資料進行秩變換(RankTransform)后，然后把變換后的秩視為原始數(shù)據(jù)進行隨機區(qū)組的方差分析。秩變換的Stata命令為egen秩變量名＝rank(觀察變量名),by(區(qū)組變量)為了說明上述操作分析的過程，故借用本例資料進行秩變換操作說明如下(本例資料正態(tài)分布，無需用秩變換，只是說明操作而言).設(shè)用r表示秩變量名，則本例操作為egenr=rank(x),by(id)產(chǎn)生秩ranova命令anovartid結(jié)果如下第六講線性相關(guān)和回歸在實際研究中，經(jīng)常要考察兩個指標(biāo)之間的關(guān)系，即：相關(guān)性?，F(xiàn)以體重與身高的關(guān)系為例，分析兩個變量之間的相關(guān)性。要求身高和體重呈雙正態(tài)分布，既：在身高和體重平均數(shù)的附近的頻數(shù)較多，遠離身高和體重平均數(shù)的頻數(shù)較少。樣本相關(guān)系數(shù)計算公式(稱為Pearson相關(guān)系數(shù))：（1）考察隨機模擬相關(guān)的情況1.顯示兩個變量相關(guān)的散點圖程序simur.ado（本教材配套程序,使用見前言）。命令為simur樣本量總體相關(guān)系數(shù)ρ=0，100的散點圖如顯示樣本量為本例命令為simur1000ρ的散點圖=0.8如顯示樣本量為200，simur2000.8本例命令為ρ的散點圖=0.99，如顯示樣本量為200simur2000.99本例命令為ρ的散點圖200，=-0.99如顯示樣本量為simur200-0.99本