2.2　分类变量描述统计

2.2.1　单个分类变量的汇总

下载资源：\video\第2章\…

下载资源：\sample\第2章\数据2C

与前面提到的定距变量不同，分类变量的数值只代表观测值所属的类别，不代表其他任何含义。因此，对分类变量的描述统计方法是观察其不同类别的频数或者百分数。本节将介绍单个分类变量的汇总在示例中的应用。

关于单个分类变量的汇总，常用到tabulate操作命令，该命令的语法格式为：

tabulate varname [if] [in] [weight] [,tabulate1_options]

tabulate命令生成变量频率计数的单向表，varname为变量，[if]为条件表达式，[in]用于设置样本范围，[weight]用于设置权重，[,tabulate1_options]用于设置可选项。[,tabulate1_options]可选项及其含义如表2.5所示。

本例中我们使用的数据集来自“数据2C”数据文件，其中有两个变量，分别为gender和pass，如图2.16所示。

打开上述数据文件之后，在主界面的命令窗口中依次输入以下命令：

tabulate pass

本命令的含义是对pass变量进行单个分类变量的汇总，结果如图2.17所示。可以看出，共有112个样本参与了分析，其中处于no状态的有44个，占比39.29%，处于yes状态的有68个，占比60.71%。此外，结果分析表中“Cum.”一栏表示的是累计百分比。

tabulate pass,plot

本命令的含义是对pass变量进行单个分类变量的汇总，并附有星点图，结果如图2.18所示，可以看出对pass这一变量进行单个变量汇总的结果以及星点图情况。

2.2.2　两个分类变量的列联表分析

下载资源：\video\第2章\…

下载资源：\sample\第2章\数据2D

两个分类变量的列联表分析，常用到tab2命令，该命令的语法格式为：

tab2 varlist [if] [in] [weight] [,options]

tab2命令的功能是生成varlist中指定变量所有可能的双向列表。varlist为变量列表，[if]为条件表达式，[in]用于设置样本范围，[weight]用于设置权重，[,options]用于设置可选项。常用的可选项如表2.6所示。

下面以“数据2D”数据文件为例进行介绍。“数据2D”中有3个变量，分别为gender和pass1、pass2，如图2.19所示。

打开上述数据文件之后，在主界面的命令窗口中依次输入以下命令：

tab2 pass1 pass2

本命令的含义是对pass1、pass2两个变量进行两个分类变量的列联表分析，分析结果如图2.20所示。从分析结果中可以看出共有119个样本参与了分析，其中有42人pass1为no、pass2为no，有10人pass1为no、pass2为yes，有39人pass1为yes、pass2为no，有28人pass1为yes、pass2为yes。

tab2 pass1 pass2,column row

本命令的含义是对pass1、pass2两个变量进行两个分类变量的列联表分析，还要显示每个单元格的列百分比与行百分比，分析结果如图2.21所示。分析结果表中的单元格包括3部分信息，其中第1行表示的是频数，第2行表示的是行百分比，第3行表示的是列百分比。例如，最左上角的单元格的意义是：pass1为no、pass2为no的样本个数有42个，这部分样本在所有pass1为no的样本中占比为80.77%，在所有pass2为no的样本中占比为51.85%。

2.2.3　多表和多维列联表分析

下载资源：\video\第2章\…

下载资源：\sample\第2章\数据2E

对于一些大型数据集，我们经常需要许多不同变量的频数分布。那么如何快速简单地实现这一目的呢？这就需要用到Stata的多表和多维列联表分析功能。关于多表和多维列联表分析，常用到table命令，该命令的语法格式为：

table rowvar [colvar [supercolvar]] [if] [in] [weight] [,options]

table命令的功能是计算和显示统计表。rowvar为行变量，colvar为列变量，[if]为条件表达式，[in]用于设置样本范围，[weight]用于设置权重，[,options]用于设置可选项。

本例中我们使用的数据集来自“数据2E”数据文件，有4个变量，分别为gender和pass1、pass2、pass3，如图2.22所示。

打开上述数据文件之后，在主界面的命令窗口中依次输入以下命令：

tab1 pass1 pass2 pass3

本命令的含义是对数据中的分类变量pass1、pass2、pass3进行单个变量汇总统计，分析结果如图2.23所示。可以看出，共有94个样本参与了分析，其中针对pass1变量，为no的样本个数一共有38个，占比为40.43%，为yes的样本个数一共有56个，占比为59.57%；针对pass2变量，为no的样本个数一共有73个，占比为77.66%，为yes的样本个数一共有21个，占比为22.34%；针对pass3变量，为no的样本个数一共有70个，占比为74.47%，为yes的样本个数一共有24个，占比为25.53%。此外，结果分析表中“Cum.”一栏表示的是累计百分比。

tab2 pass1 pass2 pass3

本命令的含义是对数据中的分类变量pass1、pass2、pass3进行二维列联表分析，分析结果如图2.24所示。

从分析结果中可以看出本次调查所获得的信息：分析结果中包括3张二维列联表，第1张是变量pass2与变量pass1的二维列联表分析，第2张是变量pass3与变量pass1的二维列联表分析，第3张是变量pass2与变量pass3的二维列联表分析。关于二维列联表的解读，我们在上一节的示例中已经讲述过，不再赘述。

by pass1,sort:tabulate pass2 pass3

本命令的含义是以pass1为主分类变量，制作pass1、pass2、pass3三个分类变量的三维列联表，分析结果如图2.25所示，是一张三维列联表，包括两部分：上半部分描述的是当pass1变量取值为no的时候，变量pass2与变量pass3的二维列联表分析；下半部分描述的是当pass1变量取值为yes的时候，变量pass2与变量pass3的二维列联表分析。

table pass1 pass2 pass3,contents（freq）

本命令的含义是对数据中的分类变量pass1、pass2、pass3实现带有数据频数特征的列联表分析，分析结果如图2.26所示。本结果分析图的解读方式与前面类似，这里不再赘述。

其中contents括号里的内容表示的是频数，该括号内支持的内容与命令符号的对应关系如表2.7所示。