2.2　分類變量描述統計

2.2.1　單個分類變量的匯總

下載資源：\video\第2章\…

下載資源：\sample\第2章\數據2C

與前面提到的定距變量不同，分類變量的數值只代表觀測值所屬的類別，不代表其他任何含義。因此，對分類變量的描述統計方法是觀察其不同類別的頻數或者百分數。本節將介紹單個分類變量的匯總在示例中的應用。

關于單個分類變量的匯總，常用到tabulate操作命令，該命令的語法格式為：

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

tabulate命令生成變量頻率計數的單向表，varname為變量，[if]為條件表達式，[in]用于設置樣本范圍，[weight]用于設置權重，[,tabulate1_options]用于設置可選項。[,tabulate1_options]可選項及其含義如表2.5所示。

本例中我們使用的數據集來自“數據2C”數據文件，其中有兩個變量，分別為gender和pass，如圖2.16所示。

打開上述數據文件之后，在主界面的命令窗口中依次輸入以下命令：

tabulate pass

本命令的含義是對pass變量進行單個分類變量的匯總，結果如圖2.17所示。可以看出，共有112個樣本參與了分析，其中處于no狀態的有44個，占比39.29%，處于yes狀態的有68個，占比60.71%。此外，結果分析表中“Cum.”一欄表示的是累計百分比。

tabulate pass,plot

本命令的含義是對pass變量進行單個分類變量的匯總，并附有星點圖，結果如圖2.18所示，可以看出對pass這一變量進行單個變量匯總的結果以及星點圖情況。

2.2.2　兩個分類變量的列聯表分析

下載資源：\video\第2章\…

下載資源：\sample\第2章\數據2D

兩個分類變量的列聯表分析，常用到tab2命令，該命令的語法格式為：

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

tab2命令的功能是生成varlist中指定變量所有可能的雙向列表。varlist為變量列表，[if]為條件表達式，[in]用于設置樣本范圍，[weight]用于設置權重，[,options]用于設置可選項。常用的可選項如表2.6所示。

下面以“數據2D”數據文件為例進行介紹。“數據2D”中有3個變量，分別為gender和pass1、pass2，如圖2.19所示。

打開上述數據文件之后，在主界面的命令窗口中依次輸入以下命令：

tab2 pass1 pass2

本命令的含義是對pass1、pass2兩個變量進行兩個分類變量的列聯表分析，分析結果如圖2.20所示。從分析結果中可以看出共有119個樣本參與了分析，其中有42人pass1為no、pass2為no，有10人pass1為no、pass2為yes，有39人pass1為yes、pass2為no，有28人pass1為yes、pass2為yes。

tab2 pass1 pass2,column row

本命令的含義是對pass1、pass2兩個變量進行兩個分類變量的列聯表分析，還要顯示每個單元格的列百分比與行百分比，分析結果如圖2.21所示。分析結果表中的單元格包括3部分信息，其中第1行表示的是頻數，第2行表示的是行百分比，第3行表示的是列百分比。例如，最左上角的單元格的意義是：pass1為no、pass2為no的樣本個數有42個，這部分樣本在所有pass1為no的樣本中占比為80.77%，在所有pass2為no的樣本中占比為51.85%。

2.2.3　多表和多維列聯表分析

下載資源：\video\第2章\…

下載資源：\sample\第2章\數據2E

對于一些大型數據集，我們經常需要許多不同變量的頻數分布。那么如何快速簡單地實現這一目的呢？這就需要用到Stata的多表和多維列聯表分析功能。關于多表和多維列聯表分析，常用到table命令，該命令的語法格式為：

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

table命令的功能是計算和顯示統計表。rowvar為行變量，colvar為列變量，[if]為條件表達式，[in]用于設置樣本范圍，[weight]用于設置權重，[,options]用于設置可選項。

本例中我們使用的數據集來自“數據2E”數據文件，有4個變量，分別為gender和pass1、pass2、pass3，如圖2.22所示。

打開上述數據文件之后，在主界面的命令窗口中依次輸入以下命令：

tab1 pass1 pass2 pass3

本命令的含義是對數據中的分類變量pass1、pass2、pass3進行單個變量匯總統計，分析結果如圖2.23所示。可以看出，共有94個樣本參與了分析，其中針對pass1變量，為no的樣本個數一共有38個，占比為40.43%，為yes的樣本個數一共有56個，占比為59.57%；針對pass2變量，為no的樣本個數一共有73個，占比為77.66%，為yes的樣本個數一共有21個，占比為22.34%；針對pass3變量，為no的樣本個數一共有70個，占比為74.47%，為yes的樣本個數一共有24個，占比為25.53%。此外，結果分析表中“Cum.”一欄表示的是累計百分比。

tab2 pass1 pass2 pass3

本命令的含義是對數據中的分類變量pass1、pass2、pass3進行二維列聯表分析，分析結果如圖2.24所示。

從分析結果中可以看出本次調查所獲得的信息：分析結果中包括3張二維列聯表，第1張是變量pass2與變量pass1的二維列聯表分析，第2張是變量pass3與變量pass1的二維列聯表分析，第3張是變量pass2與變量pass3的二維列聯表分析。關于二維列聯表的解讀，我們在上一節的示例中已經講述過，不再贅述。

by pass1,sort:tabulate pass2 pass3

本命令的含義是以pass1為主分類變量，制作pass1、pass2、pass3三個分類變量的三維列聯表，分析結果如圖2.25所示，是一張三維列聯表，包括兩部分：上半部分描述的是當pass1變量取值為no的時候，變量pass2與變量pass3的二維列聯表分析；下半部分描述的是當pass1變量取值為yes的時候，變量pass2與變量pass3的二維列聯表分析。

table pass1 pass2 pass3,contents（freq）

本命令的含義是對數據中的分類變量pass1、pass2、pass3實現帶有數據頻數特征的列聯表分析，分析結果如圖2.26所示。本結果分析圖的解讀方式與前面類似，這里不再贅述。

其中contents括號里的內容表示的是頻數，該括號內支持的內容與命令符號的對應關系如表2.7所示。