利用Stata进行概要统计及交互表统计
【命令范式】
summarize y1 y2 y3 对所列变量计算简单的概要统计量
summarize y1 y2 y3, detail 获取详细的描述性统计,包括百分位数,中位数,平均数,标准差,方差,偏度,峰度等。
summarize y1 if x1>3 & x2<.
summarize y1 [fweight=w], detail 利用w作为加权变量进行频数加权,计算y1详细的概要统计量
tabstat y1, stats(mean, sd, skewness, kurtosis) by(x1) 按变量x1的每个类别,分别计算变量y1的具体指定的概要统计量
tabulate x1, sort miss 显示x1所有值的频数分,包括缺失值。按顺序从大到小对行(变量值)进行排序。
tab1 x1 x2 x3 x4 对所列变量分别创建频数分布表
tabulate x1 x2 显示一个两变量交互表,其中x1为行变量,x2为列变量
tab2 x1 x2 x3 x4 创建所列变量的所有可能的二维交互表
tabulate x1, summ(y) 创建一个二维表,显示x1每个类别中变量y的均值、标准差及频数 tabulate x1 x3, sum(y) means 创建一个二维表,显示x1,x2每一种组合下y的均值
by x3, sort: tabulate x1 x2, exact 创建一个三维交互表,在x3的每个取值下创建x1(行)和x2(列)的分表,并为每个分表计算费舍精确检验,命令by x3, sort为x3排序
table x1 x2, contents(mean y1 median y2) 创建x1(行),x2(列)的二维交互表,单元格包含y1的平均数和y2的中位数
svy: tab y, percent ci 使用调查加权的数据,获得变量y的一维百分比表以及95%的置信区间。ci计算置信区间,默认为95%。后可添加level(a)设定置信区间a%
与ci相关的一个命令是cii,它可以直接根据概要统计量,来计算正态分布、二项分布或泊松分布的置信区间。它并不需要原始数据。
svy: tab y x, column percent 使用调查加权的数据,获得一个行变量y对列变量x的二维交互表,并对其狡辩性进行调整的卡方检验。单元格中给出了加权的列百分比。
【探测性数据分析】:
stem x1, lines(*) 对变量x1的所有观测值进行茎叶图处理lines限定了茎叶表达形式:首位数相同的开头共*行
lv x2 字符数值表利用序次统计量来分解一个分布。
【正态性检验和数据转换】:
sktest x1 正态性检验(偏度与峰度)
ladder x1 这个命令把幂阶梯和sktest的正态性检验结合在一起。它对阶梯上的每一种幂进行尝试并报告其结果是否显著地非正态。
gladder x1 该命令将每一种转换的直方图与正态曲线加以比较
qladder x1 四分位阶梯命令
(可键入help ladder查看详细)
【频数表和二维交互表】:
tabulate 有许多对创建二维表非常有用的选项,包括:
cell 显示每个单元格的总百分比
chi2对行变量和列变量独立的假设进行皮尔逊卡方检验
column 显示每个单元格的列百分比
exact 独立性假设的费舍精确检验
expected 显示独立性假定下二维表每个单元格内的期望频数
generate(new) 创造一组名为new1, new2 等的虚拟变量来代表被列表变量的取值
lrchi2 对独立性假设的似然比卡方检验。如果表格包含任何的空单元格,就得不到结果 missing 把缺失值也作为表的一行或一列
nofreq 不显示单元格频数
nolabel 显示数值而不是添加了标签的数值变量的取值标签
row 显示每个单元格的行百分比
tabi 偶尔我们可能需要在没有获得原始数据的情况下对已发表的表格重新进行分析,专门的命令tabi(直接制表)可以完成这项工作
【多表和多维交互表】:
tab1 x1 x2 x3 x4 对所列变量分别创建频数分布表
tab2 x1 x2 x3 x4 创建所列变量的所有可能的二维交互表
by x1, sort: tabulate x2 x3, nofreq col chi2 三维列联表,并对x1每一取值水平内x2,x3的独立性进行卡方检验
by x1 x2, sort: tabulate x3 x4, column chi2 四维交互表
table x1, contents(freq) 创建x1的简单的频数分布表
table x1 x2, contents(freq) by(x3)创建一个二维频数表或交互表,并通过x3分组 table 的contents()选项设定表格单元格要包含什么统计量
contents(freq) 频数
contents(mean x1) x1的平均数
contents(count x1) x1的非缺失值观测案例的计数
contents(p1 x1) x1的第1百分位数
【平均数、中位数以及其他概要统计量的列表】:
tabulate 能够很容易地创建分类变量每一类别的平均数和标准差的列表。比如,如果要列出x1每一类别内x2的平均值,键入:tabulate x1, sum(x2)
创建一个平均值的二维表: tabulate x1 x2, sum(x3) means
table不能进行统计检验,但它能很好地创建多达七维的包含平均数、标准差、总和等统计量的表格。
table x1, contents(mean x2) x1的一维表格,含有x1每一类别下x2的平均值
table x1 x2, contents(mean x3 median x3)
summarize, tabulate, table 以及其他相关命令都可以和标示重复观测数目的频数权数frequency weight 一起使用。
tabulate x1 x2 [fweight=count] (,column nof)
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14