Stata实验指导、统计分析和应用chap10.ppt

雀荚磁漏凉晓糙磅滤市厂篙远页银日扎捍邻施断奇盖骂改揣赁颜边审暮剐Stata实验指导、统计分析和应用chap10Stata实验指导、统计分析和应用chap10;主要内容;实验10-1：泊松回归模型;实验内容及数据来源 本书附带光盘data文件夹下的“airinjure.dta”工作文件，给出了美国九家大的航线一年中的伤亡人数数据。 变量包括airline=航线，injuries=该航线一年的伤亡人数，n=各航线飞离纽约的航班数量占全部飞离纽约的航班数量的比例，XYZowned=航线是否为XYZ公司所拥有（1代表为XYZ公司拥有，0代表为其他公司拥有）。利用这些数据，我们分析XYZ公司拥有的航线是否有更高的伤亡率。 因为被解释变量injuries为计数数据，所以我们考虑使用泊松模型。利用“airinjure.dta”的数据，我们将讲解泊松回归的操作、拟合优度的检验以及模型的预测。 ;实验操作指导 1 泊松回归的操作 （1）泊松回归的基本操作 进行泊松回归的基本命令如下： poisson depvar [indepvar] [if] [in] [weight] [,options] 其中，poisson代表“泊松回归”的基本命令语句，depvar代表被解释变量的名称，indepvar代表解释变量的名称，if代表条件语句，in代表范围语句，weight代表权重语句，options代表其他选项。;表10.2显示了各options选项及其含义。 ;沁邑搂郧把孰醇叔栽穿冈艺昼烃涤炎浓凌帧芳钻逸聚力抖拌鞭触屑射决禾Stata实验指导、统计分析和应用chap10Stata实验指导、统计分析和应用chap10;（2）计算发生率比IRR 我们重新进行前面的回归，令其汇报发生率比。输入命令： poisson injuries XYZowned, exposure(n) irr 其中，选项exposure()约束ln(n)的系数为1，irr表示结果汇报发生率比。;（3）水平形式的泊松回归 我们先产生一个变量ln(n)，然后再进行泊松回归。 gen lnn=ln(n) poisson injuries XYZowned lnn 其中，第一步为产生一个新变量lnn，其值为n的自然对数；第二步进行泊松回归，被解释变量为injuries，解释变量为XYZowned和lnn。 ;2.泊松回归的检验和预测 （1）拟合优度（goodness of fit）检验 命令estat gof 用于检验模型是否与数据吻合良好。在泊松回归之后进行该检验，原假设为模型服从泊松分布。当p值很小时，我们就应该拒绝原假设。 对前面回归的模型进行拟合优度检验，命令为： quietly poisson injuries XYZowned, exposure(n) estat gof 其中，第一步命令中的quietly用于指示stata不显示该步的结果；第二步为拟合优度的检验。;（2）泊松回归的预测 预测的基本命令格式为： predict [type] newvar [if] [in] [, statistic nooffset] 其中，predict是预测的基本命令语句，newvar代表生成的新变量的名称，type代表新变量的类型，if代表条件语句，in代表范围语句，statistic代表要预测的统计量。表10.3显示了各statistic统计量及其含义。 ;闲祝击奢妖蒸衫朽枷坎棚节蓝牵滇积痛局排忠缅辑婚讼有巩掸嚣赌圈节寞Stata实验指导、统计分析和应用chap10Stata实验指导、统计分析和应用chap10;实验10-2：负二项和广义负二项回归模型;实验内容及数据来源 本书附带光盘data文件夹下的“mortality.dta”工作文件给出了不同时期儿童死亡人数的调查数据。变量包括：cohort=分组变量（1代表出生于1941-1959年间，2代表出生于1960-1967年间，3代表出生于1968-1976年间）， age_mos=死亡时的年龄（单位为月），deaths=死亡人数， exposure=暴露于风险的总年数（=儿童人数*相应的年龄）。 利用这些数据，我们研究不同年代对儿童死亡率的影响。我们会进行泊松回归及其拟合优度检验，负二项回归以及广义负二项回归。 ;实验操作指导 1 泊松回归及拟合优度检验 因为我们要进行的回归分析中，被解释变量死亡人数是计数变量，因此，我们首先考虑进行泊松回归。命令如下： gen logexp=ln(exposure) xi: poisson deaths i.cohort, offset(logexp) 其中，第一步生成了一个新变量logexp，其值为变量exposure的自然对数；第二步为泊