列联分析PPT学习课件

,第六章列联表分析,6.1列联表分析,列联表是分析两个分类变量（名义变量或者定序变量）之间关系的基本统计方法。设两个变量A和B分别有r和c个类型，则他们可以构成一个的列联表。独立性检验统计量在对两变量进行列联表分析时，首先要检验它们的独立性，这就涉及到独立性检验统计量，常用的统计量有皮尔逊卡方统计量（PearsonChi-Square）和似然比统计量（LikelihoodRatio）。Fisher精确检验仍采用卡方统计量作为检验统计量，只是在计算统计量的分布时，利用概率论中的超几何分布来计算每一种情况发生的概率，然后才能得到P值。当样本量较大，或者列联表的行数及列数较大时，Fisher检验的计算量会变得很大，以至于无法承受。,列联表中的相关测量统计量对于名义变量，通常采用基于卡方统计量的各种统计量来进行关联性度量，最常的是CramersV系数对于有序变量，关联性度量的统计量通常是基于观测中的一致对和不一致对的个数。可以定义以下统计量来描述有序变量之间的有序关联性的大小：统计量：gamma统计量和Kendall统计量,6.2Stata的列联表分析table和tabulate命令6.2.1使用table命令生成列联表,table命令可以用于生成一维到多维的列联表，表中不仅可以包含常见的频数，还可以包含任意其他变量的描述性统计量。table命令的格式如下：tablerowvarcolvarsupercolvarifinweight,options其中rowvar代表行变量，colvar代表列变量，supercolvar代表更高阶的列变量，同之前一样，in和if用于选择样本或者选择范围，weight用于添加权重。,表6-2table命令可以报告的统计量freq频数mean平均数sd标准差semean标准误(sd/sqrt(n)sum总和count、n观测值个数max最大值min最小值median中位数p#各种百分位数iqrIQR四分位距,【例6.1】数据集auto.dta是Stata系统自带的关于1978年汽车市场的一个调查数据，该数据集共有74个观测值，12个变量。变量的具体情况是：make是字符型变量，表明生产厂商。其他均为数值型变量，price是汽车的价格（万元），mpg是行驶里程（英里），rep78是在该年度修理次数，foreign是虚拟变量，赋值1代表国外产，0代表国产。数据用几个变量揭示了汽车的重要特征：headroom、trunk、length、turn、displacemen、gea_ratio依次代表汽车内部空间大小、后备箱空间大小、身长、转弯半径、排气量和变速比。本例演示如何利用table命令完成如下两个任务：（1）使用table命令创建关于rep78的频数表，并在表中显示mpg的观测值个数、平均数、标准差和中位数。（2）使用table命令创建关于foreign和rep78的二维表格，并在表中显示mpg的平均数。,【例6.2】本例使用一个关于肺炎的调查数据集byssin1.dta来说明table命令创建多维表格。数据集中每个观测值代表了一类人，变量prob是该类人罹患肺炎的概率，smokes是代表是否吸烟的虚拟变量，race是关于是否是白人的虚拟变量，workplace按照工作场所的烟尘等级划分为三类，1为最少，3为最多，sex是性别，1代表男性。最关键的变量是pop，表示具有该观测值的个体的数量，比如，pop=3，则意味着样本中有3个人具有该观测值所揭示的性质。在这个数据集中，pop的取值从0到507不等，其中0说明没有任何个体具有该观测值所揭示的性质，507则说明有507个个体具有同样的性质。我们鼓励读者使用codebook命令对这些变量的具体赋值更深入地考察。下面我们演示如何完成如下两个创建多维表格的任务。（1）创建一个关于workplace、smokes和race的三维列联表。（2）创建一个关于workplace、smokes、race和sex的四维列联表。,6.2.2使用tabulate命令进行列联表分析1一维tabulate命令,tabulate的一维命令主要用于生成含有频数的一维表格，使用比较简单，当我们想查看某个变量的赋值情况时，也可以使用tabulate来得到大体的印象。下面是这个命令的标准结构：tabulatevarnameifinweight,tabulate1_options同之前一样，in和if用于选择样本或者选择范围，weight用于添加权重。tabulate一维命令还有一个配套的方便工具tab1，在其后可以添加多个变量，然后stata会对每个变量创建以为表格，也就是相当于多次执行tabulate命令。tab1的结构如下：tab1varlistifinweight,tab1_options,【例6.3】使用auto.dta数据创建rep78和foreign的一维频数表。,2二维tabulate命令,二维tabulate命令在生成二维表格的同时，可以计算多种独立性检验统计量和相关测量统计量，包括常用的Pearsonschi-squared、likelihood-ratiochi-squared、CramsV、Fishersexacttest、GoodmanandKruskalsgamma、Kendallstau-b，这些统计量在前面均介绍过。下面是该命令的标准格式：tabulatevarname1varname2ifinweight,options同之前一样，in和if用于选择样本或者选择范围，weight用于添加权重。同tabulate的一维表格一样，二维tabulate命令也有tab2，可用于快速生成varlist中所罗列的变量所有可能的二维表格，tab2的标准格式如下：tab2varlistifinweight,options,【例6.4】利用关于肺炎的调查数据byssin1.dta来检验得肺炎概率与是否抽烟、工作场所空气质量这两个变量之间的独立性（当然，凭借常识，它们应该是有关系的），即分别对probcat和smokes以及probcat和workplace做标准的列联分析。,6.3利用Stata生成包含描述性统计量的列表6.3.1tabstat命令,tabstat可以在一个表格中显示多个变量的多种描述性统计量，这些统计量包括平均数、最大最小值、极差、方差、标准差、偏度、峰度以及各种百分位数。tabstat是summarize命令的替代选择，前者比后者更加灵活，可以自由选择表格中包含的统计量种类。通过添加by()，tabstat对每类观测值报告各自的统计量。tabstat的标准格式如下：tabstatvarlistifinweight,options同之前一样，in和if用于选择样本或者选择范围，weight用于添加权重。,rangerange=max-minmean平均数sd标准差variance方差semean标准误(sd/sqrt(n)sum总和count观测值个数maxmin最大值最小值median中位数p#各种百分位数p相当于p25p50p75iqrIQR四分位距,【例6-6】利用auto.dta数据集完成如下两个任务：（1）生成包含price、weight、mpg、rep78的均值的表格。（2）对上述四个变量按照foreign分类报告平均数、标准差和最小值、最大值。,6.3.2tabulate,summarize(),tabulate,summarize()用于生成一维或者二维的包含均值和标准差的表格，事实上，table比tabulate,summarize()更加灵活，它可以生成一维到多维的包含更多统计量的表格，因此table命令更好，而tabulate,summarize()的特点在于运行更快。tabulate,summarize()命令的标准格式如下：tabulatevarname1varname2ifinweight,