Stata软件基本操作和数据分析入门 第四讲两组计量资料平均水平的统计检验 、配对设计的平均水平检验 统计方法选择原则: 如果配对的差值服从近似正态分布(小样本)或大样本,则用配对t 检验 小样本的情况下,配对差值呈明显偏态分布,则用配对秩符号检 ya(matched-pairs signed-ranks test) 例110例男性矽肺患者经克矽平治疗,其血红蛋白(g/dL)如下: 表10例男性矽肺患者血红蛋白值(g/dL) 病例号1 治疗前11.315.015.013.512.810.011.012.013.012.3 治疗后14.013.814.013.513.512.014.711.413.812.0 问:治疗前后的血红蛋白的平均水平有没有改变 这是一个典型的前后配对设计的研究(但不提倡,因为对结果的解 释可能会有问题) Stata数据输入结构 11.3 14 15 13.8 13.5 13.5 12.8 3.5 11 14.7 12.3 操作如下
Stata 软件基本操作和数据分析入门 第四讲 两组计量资料平均水平的统计检验 一、配对设计的平均水平检验 统计方法选择原则： 如果配对的差值服从近似正态分布(小样本)或大样本，则用配对 t 检验 小样本的情况下，配对差值呈明显偏态分布，则用配对秩符号检 验(matched-pairs signed-ranks test)。 例 1 10 例男性矽肺患者经克矽平治疗，其血红蛋白（g/dL）如下： 表 10 例男性矽肺患者血红蛋白值（g/dL） 病例号 1 2 3 4 5 6 7 8 9 10 治疗前 11.3 15.0 15.0 13.5 12.8 10.0 11.0 12.0 13.0 12.3 治疗后 14.0 13.8 14.0 13.5 13.5 12.0 14.7 11.4 13.8 12.0 问：治疗前后的血红蛋白的平均水平有没有改变 这是一个典型的前后配对设计的研究(但不提倡，因为对结果的解 释可能会有问题) Stata 数据输入结构 X1 X2 11.3 14 15 13.8 15 14 13.5 13.5 12.8 13.5 10 12 11 14.7 12 11.4 13 13.8 12.3 12 操作如下：
gen 产生配对差值的变量d sktest d 正态性检验 正态性检验结果如下 ktest d Skewness/Kurtosis tests for Normality Jo int Variable Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 0.279 0.774 1.43 0.4885 正态性检验的无效假设为:资料正态分布 相应的备选假设为:资料非正态分布 α=0.05,由于正态性检验的P值=0.40189>,故可以认为资料近 似服从正态分布 ttest d=o 配对t检验:Ho;u=0wsH1;μ=0, =0.05 结果如下 One-sample t test Variable Ob Mean Std. Err. Std. Dev. [95% Conf. Interval 10-.679999952042721.645735-1.857288,4972881 egrees of f Ha: mean 0 Ha: mean=0 Ha: mean>0 t=-1.3066 t=-1.3066 t=-1.3066 P<t=0.1119 P>|t|=0.2237 P>t=0.8881 P值=02237>α,故认为治疗前后的血红蛋白的平均数差异没有统计 学意义。即:没有足够的证据可以认为治疗前后的血红蛋白的总体平
gen d=x1-x2 产生配对差值的变量 d sktest d 正态性检验 正态性检验结果如下： . sktest d Skewness/Kurtosis tests for Normality ------- joint ------ Variable | Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 -------------+------------------------------------------------------- d | 0.279 0.774 1.43 0.4885 正态性检验的无效假设为：资料正态分布 相应的备选假设为：资料非正态分布 =0.05，由于正态性检验的 P 值=0.40189>>，故可以认为资料近 似服从正态分布。 ttest d=0 配对 t 检验: H0:d=0 vs H1:d0， =0.05 结果如下： One-sample t test ------------------------------------------------------------------------------ Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ---------+-------------------------------------------------------------------- d | 10 -.6799999 .5204272 1.645735 -1.857288 .4972881 ------------------------------------------------------------------------------ Degrees of freedom: 9 Ho: mean(d) = 0 Ha: mean < 0 Ha: mean ~= 0 Ha: mean > 0 t = -1.3066 t = -1.3066 t = -1.3066 P < t = 0.1119 P > |t| = 0.2237 P > t = 0.8881 P 值=0.2237>，故认为治疗前后的血红蛋白的平均数差异没有统计 学意义。即：没有足够的证据可以认为治疗前后的血红蛋白的总体平
均数不同。 如果已知差值的样本量,样本均数和样本标准差,可以用立即命令如 下(如,已知样本量为10,差值的样本均数为-0.66,差值的标准差 为1.65,则输入命令如下 ttest样本量样本均数样本标准差0 本例为: ttest10-0.661.650 得到下列结果如下: ttest10.661.650 One-sample t test Mean Std. Err. Std. Dev. [95% Conf. Interval] 5217758 1.6552033891.840339 Degrees of freedom: 9 Ho: mean (x) Ha: mean o Ha: mean =0 Ha: mean >0 1.2649 1.2649 t 1.2649 P<t=0.8812 P>|t|=0.2377 P>t 结果解释与结论同上述相同。 如果对于小样本的情况下,差值不满足正态分布,则用 Match-Sign- rank test.,操作如下: signrank差值变量名=0 假如本例不满足正态分布(为了借用上例资料,而假定的,实际上本 例满足正态分布)则 H0:差值的中位数=0 (其意义是治疗前的血红蛋白配大于治疗后的血红蛋白的概率=治疗 前的血红蛋白小于治疗后的血红蛋白的概率)
均数不同。 如果已知差值的样本量，样本均数和样本标准差，可以用立即命令如 下(如，已知样本量为 10，差值的样本均数为-0.66，差值的标准差 为 1.65，则输入命令如下： ttesti 样本量 样本均数 样本标准差 0 本例为： ttesti 10 -0.66 1.65 0 得到下列结果如下： . ttesti 10 .66 1.65 0 One-sample t test ------------------------------------------------------------------------------ | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ---------+-------------------------------------------------------------------- x | 10 .66 .5217758 1.65 -.5203389 1.840339 ------------------------------------------------------------------------------ Degrees of freedom: 9 Ho: mean(x) = 0 Ha: mean < 0 Ha: mean ~= 0 Ha: mean > 0 t = 1.2649 t = 1.2649 t = 1.2649 P < t = 0.8812 P > |t| = 0.2377 P > t = 0.1188 结果解释与结论同上述相同。 如 果 对 于 小 样 本 的 情 况 下 ， 差 值 不 满 足 正 态 分 布 ， 则 用 Match-Sign-rank test，操作如下： signrank 差值变量名=0 假如本例不满足正态分布(为了借用上例资料，而假定的，实际上本 例满足正态分布)则 H0：差值的中位数＝0 (其意义是治疗前的血红蛋白配大于治疗后的血红蛋白的概率＝治疗 前的血红蛋白小于治疗后的血红蛋白的概率)
H1:差值的中位数≠0 C=0.05 本例为 signrank d=0 Wilcoxon signed-rank test sign s sum ranks expected positive negative all unadjusted variance 96.25 ad justment for ties 0.00 ad justment for zeros adjusted variance Ho: d=o 0.919 Prob>|z|=0.3583 P值=0.3583>>,故没有足够的证据说明两个总体不同。 二、平行对照设计的两组资料平均水平统计检验 统计方法选择原则 如果两组资料的方差齐性和相互独立的,并且每组资料服从正态 分布(大样本资料可以忽略正态性问题),则用成组t检验,否则可 以用成组 Wilcoxon秩和检验 例2为研究噪声对纺织女工子代智能是否有影响,一研究人员在 某纺织厂随机抽取接触噪声95dB(A)、接触工龄5年以上的纺织 女工及同一单位、条件与接触组相近但不接触噪声的女职工,其 子女(学前幼儿)作为研究对象,按韦氏学前儿童智力量表(中
H1：差值的中位数0 =0.05 本例为 signrank d=0 Wilcoxon signed-rank test sign | obs sum ranks expected -------------+--------------------------------- positive | 4 18 27 negative | 5 36 27 zero | 1 1 1 -------------+--------------------------------- all | 10 55 55 unadjusted variance 96.25 adjustment for ties 0.00 adjustment for zeros -0.25 ---------- adjusted variance 96.00 Ho: d = 0 z = -0.919 Prob > |z| = 0.3583 P 值=0.3583>>，故没有足够的证据说明两个总体不同。 二、平行对照设计的两组资料平均水平统计检验 统计方法选择原则： 如果两组资料的方差齐性和相互独立的，并且每组资料服从正态 分布(大样本资料可以忽略正态性问题)，则用成组 t 检验，否则可 以用成组 Wilcoxon 秩和检验。 例 2 为研究噪声对纺织女工子代智能是否有影响，一研究人员在 某纺织厂随机抽取接触噪声 95dB（A）、接触工龄 5 年以上的纺织 女工及同一单位、条件与接触组相近但不接触噪声的女职工，其 子女（学前幼儿）作为研究对象，按韦氏学前儿童智力量表（中
国修订版)测定两组幼儿智商,结果如下。问噪声对纺织女工子 代智能有无影响?(接触组 group=0,不接触组goup=1) 资料及其结果如下: 00000 94 000 77 74 000000000 73 102 90 000 898 0 106 000011 87 95 100 114 106 107 107 104
国修订版）测定两组幼儿智商，结果如下。问噪声对纺织女工子 代智能有无影响？(接触组 group=0，不接触组 group=1) 资料及其结果如下： group x 0 79 0 93 0 91 0 92 0 94 0 77 0 93 0 74 0 91 0 101 0 83 0 73 0 88 0 102 0 90 0 100 0 81 0 91 0 83 0 106 0 84 0 78 0 87 0 95 0 101 1 101 1 100 1 114 1 86 1 106 1 107 1 107 1 94 1 89 1 104