第二章 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 poisson exposure(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 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 人 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：
. summarize 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
Mean 均值；Std.Dev.标准差
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：
1
. summarize x1 x2,detail x1 Percentiles Smallest 1% 2.6 2.6 5% 2.6 3.2410% 3.24 3.73 Obs 1125% 3.73 3.73 Sum of Wgt. 1150% 4.73 Mean 4.710909 Largest Std. Dev. 1.30297775% 5.78 5.5890% 6.4 5.78 Variance 1.69774995% 6.53 6.4 Skewness -.081344699% 6.53 6.53 Kurtosis 1.809951 x2 Percentiles Smallest 1% 1.67 1.67 5% 1.67 1.9810% 1.98 1.98 Obs 1325% 2.33 2.33 Sum of Wgt. 1350% 3.6 Mean 3.354615 Largest Std. Dev. 1.30436875% 4.17 4.1790% 4.82 4.57 Variance 1.70137795% 5.78 4.82 Skewness .296394399% 5.78 5.78 Kurtosis 1.875392.
结果：
Percentiles 显示了从1%到99%的分位数的取值。第二列是最小和最大的5个数。第三列从上到下：obs观测值数目、mean平均数、std.dev标准差、variance方差。
skewness偏度: 偏度的绝对值越小，表明该数据的正态对称性越好。 kurtosis峰度: 峰度值越大表明该数据的正态峰越明显。
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 ci x1 x2
. ci x1 x2 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
[95%Conf.Interval]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。
2
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 90 40 12
. cii 90 40 12 Variable Obs Mean Std. Err. [95% Conf. Interval] 90 40 1.264911 37.48665 42.51335
该样本均数95%可信限为[37.48665,42.51335] cii 90 40 12,level(90)
. cii 90 40 12,level(90) Variable Obs Mean Std. Err. [90% Conf. Interval] 90 40 1.264911 37.89752 42.10248
该样本均数90%可信限为[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。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。 x: 2.23 1.14 2.63 1 1.35 2.01 1.64 1.13 1.01 1.70 group: 1 1 1 1 1 1 1 1 1 1 x: 5.59 0.96 6.96 1.23 1.61 2.94 1.96 3.68 1.54 2.59 group: 2 2 2 2 2 2 2 2 2 2 x: 4.5 3.92 10.33 8.23 2.07 4.9 6.84 6.42 3.72 6 group: 3 3 3 3 3 3 3 3 3 3 x: 1.35 1.06 0.74 0.96 1.16 2.08 0.69 0.68 0.84 1.34 group: 4 4 4 4 4 4 4 4 4 4 x: 1.4 1.51 2.49 1.74 1.59 1.36 3 4.81 5.21 5.12 group: 5 5 5 5 5 5 5 5 5 5
tab1 group,g(a)
3
. tab1 group,g(a)-> tabulation of group 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
Freq.为各属性资料的频数；②Percent为该属性占整个资料样本数的百分比；③Cum.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)。
4
