stata学习笔记（七）：探测异常值及简单图表制作

---

一  探测异常值

异常值

即一个数据集中包含了不一致的观测值

例如:
一个大学毕业的起薪，22岁左右的4年大学教育的毕业生之间，有一位34岁的回校化学工程学士，

重返大学后又获得了另一专业的学士学位，很明显，这名学生的起始年薪博定比其他学生高很多，

这样的值就是所描述的数据范国之外的不规则的观测值，我们称之为异常值.

两种方法

z得分，箱线图

eg. 某市房价数据

简单查看数据相关值

明显异常值：房价的平均数才87万，最大值却有4000万

计算参考首付z-score

根据切比雪夫法则，不论数据的分布是什么形状，都至少有3/4的测量值落在平均值的两个标准差

内，即z=2，至少有8/9的测量值落在均值的3个标准差范围内

查看描述性指标

 

reeturn函数，范围相关值

设置标量，scalar函数

可以选择把临时的list值保存为标量

list会根据变量的变化而发生改变，如果有多个变量计算的话，则需及时保存

因暂只将price这一个变量进行list，可直接计算

查询异常值

清除异常值

重新查看price数据

数据正常

二  绘制箱线图

箱线图的构造

主要分为3步

• 以画在下四分位数和上四分位数(QL和QU)的直线为边界画一个方形盒子，在盒子中标出数据的中位数，用直线。
• 将距离每一关键点1.5倍四分卫距(IQR)处的点标记为数据集的内篱笆，所以四分位数间距IQR就是箱子中的值，也就是75%分位数与25%分位数的距离
• 第二队篱笆一外篱笆，从关键点3倍的四分卫间距处，一般外篱笆不给出

在stata中绘制箱线图

函数 graph box

  横坐标

eg.  男生女生健康状况评分

复习定义标签及分类描述

graph box score

graph box score,by(sex)

graph hbox score,by(sex) title("男女健康状况统计")

graph hbox score,over(sex) title("男女健康状况统计")

三  简单图标绘制

Stata中的图表绘图

Stata的制图引擎提供了一套制图工具与选项，以非常简单的命令作为执行条件但是，stata并不适

合作为数据可视化，建议可以在stata做数据分析，其表格也是分析结果用，最后的量现可以把结

果数据导出excel然后在其他平台上做可视化

主要的图表类型

直方图、扇形图、条形图、散点图、直线图及数据拟合图

eg.  散点图的绘制

scatter arm leg

scatter arm leg height

查询制作图表相关函数

感谢收看，共勉~