Bem-vindo ao Instituto de Pesquisa e Educação Digital Stata Class Notes Contando de n para N Introdução Stata tem duas variáveis internas chamadas n e N. N é a notação Stata para o número de observação corrente. N é 1 na primeira observação, 2 na segunda, 3 na terceira, e assim por diante. N é a notação Stata para o número total de observações. Vejamos como n e N funcionam. Como você pode ver, o ID da variável contém o número de observação executado de 1 a 7 e nt é o número total de observações, que é 7. Contando com usando n e N em conjunto com o comando by podem produzir alguns resultados muito úteis. Naturalmente, para usar o comando by, primeiro devemos classificar nossos dados na variável por. Agora n1 é o número de observação dentro de cada grupo e n2 é o número total de observações para cada grupo. Para listar a pontuação mais baixa para cada grupo use o seguinte: Para listar a pontuação mais alta para cada grupo use o seguinte: Outra utilização de n Permite usar n para descobrir se há números de identificação duplicados nos seguintes dados: Como se verifica, As observações 6 e 7 têm os mesmos números de identificação e valores de pontuação diferentes. Encontrando Duplicatas Agora vamos usar N para encontrar observações duplicadas. Neste exemplo, classificamos as observações por todas as variáveis. Em seguida, usamos todas as variáveis na instrução by e definimos set n igual ao número total de observações que são idênticas. Finalmente, listamos as observações para as quais N é maior que 1, identificando assim as observações duplicadas. Se você tem um monte de variáveis no conjunto de dados, pode demorar muito tempo para digitá-los todos fora duas vezes. Podemos fazer uso do caractere curinga para indicar que desejamos usar todas as variáveis. Além disso, nas versões mais recentes do Stata, podemos combinar sort e by em uma única declaração. Abaixo está uma versão simplificada do código que irá produzir os mesmos resultados exatos como acima. O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico pela Universidade da Califórnia. Visão geral Os resultados de suas análises estatísticas ajudam a entender o resultado de seu estudo, p. Se alguma variável tem algum efeito, se as variáveis estão relacionadas, se as diferenças entre grupos de observações são iguais ou diferentes, etc. As estatísticas são ferramentas da ciência, não um fim para si mesmas. Estatísticas devem ser usadas para fundamentar suas descobertas e ajudá-lo a dizer objetivamente quando você tem resultados significativos. Portanto, ao relatar os resultados estatísticos relevantes para o seu estudo, subordiná-los aos resultados biológicos reais. Relatórios Descritivos (Sumário) Estatísticas Meios. Sempre informe a média (valor médio) juntamente com uma medida de variabilidade (desvio padrão (s) ou erro padrão da média). Dois modos comuns de expressar a média ea variabilidade são mostrados abaixo: O comprimento total da truta marrom (n128) média de 34,4 cm (s 12,4 cm) em maio de 1994, amostras de Sebago Lake. quot s desvio padrão (este formato é preferido por Huth E outros (1994) quotTotal comprimento de truta marrom (n128) em média 34,4 plusmn 12,4 cm em maio de 1994, amostras de Sebago Lake. quot Este estilo necessita especificamente dizendo nos Métodos que a medida da variabilidade é relatada com a média. Se o resumo As estatísticas são apresentadas em forma gráfica (uma figura), você pode simplesmente relatar o resultado no texto sem verbalizar os valores de resumo: quotMean comprimento total de truta marrom em Sebago Lake aumentou 3,8 cm entre maio e setembro de 1994 (Figura 5) Frequências: Os dados de frequência devem ser resumidos no texto com medidas apropriadas, tais como percentagens, proporções ou proporções. Quanto ao período de giro de queda, cerca de 47 de trutas marrons e 24 de trutas de ribeiro foram concentradas nas partes mais profundas do lago (Tabela 3).quot Relatando Resultados de Testes Inferenciais (Hipóteses) Neste exemplo, o resultado chave é mostrado em azul eo resultado estatístico. Que comprova a descoberta, está em vermelho. O comprimento total médio de truta marrom no lago Sebago aumentou significativamente (3,8 cm) entre maio (34,4 mais 12,4 cm, n128) e setembro (38,2 plusmn 11,7 cm, n 114) 1994 (twosample t-test, p lt 0,001). NOTA : EVITE escrever frases inteiras que simplesmente digam qual teste você usou para analisar um resultado seguido por outro dando o resultado. Isto desperdiça palavras preciosas (economia.) E aumenta desnecessariamente seu comprimento dos papéis. Resumindo Resultados de Testes Estatísticos em Figuras Se os resultados mostrados em uma figura tiverem sido testados com um teste inferencial, é apropriado resumir o resultado do teste no gráfico para que o leitor possa compreender rapidamente o significado dos achados. É imperativo que você inclua informações em seus Materiais e Métodos, ou na legenda da figura, para explicar como interpretar qualquer sistema de codificação que você usa. Vários métodos comuns para resumir resultados estatísticos são mostrados abaixo. Exemplos: Comparação de grupos (testes t, ANOVA, etc.) A comparação das médias de 2 ou mais grupos é normalmente representada num gráfico de barras das médias e barras de erro associadas. Para dois grupos. A média maior pode ter 1-4 asteriscos centrados sobre a barra de erro para indicar o nível relativo do valor p. Em geral, quotquot significa plt 0,05, quot significa plt 0,01, quot significa plt 0,001 e quot significa plt0,0001. Em todos os casos, o p-valor deve ser relatado também na figura legenda O asterisco também pode ser usado com resultados tabulares como mostrado abaixo. Observe como o autor usou uma nota de rodapé para definir os valores de p que correspondem ao número de asteriscos. (Cortesia de Shelley Ball) Para três ou mais grupos existem dois sistemas normalmente utilizados: linhas ou letras. O sistema que você usa depende de como é complicado resumir o resultado. O primeiro exemplo abaixo mostra uma comparação de três meios. A linha que atravessa duas barras adjacentes indica que não são significativamente diferentes (com base num teste de comparações múltiplas) e porque a linha não inclui a média de pH 2, indica que a média de pH 2 é significativamente diferente do pH 5,3 ( Controlo) e o grupo de pH 3,5 significa. Observe que as informações sobre como interpretar o sistema de codificação (linha ou letras) estão incluídas na legenda da figura. Quando as linhas não podem ser facilmente desenhadas para resumir o resultado, a alternativa mais comum é usar letras maiúsculas colocadas sobre as barras de erro. As cartas compartilhadas em comum entre os grupos indicariam nenhuma diferença significativa. Exemplo: Resumindo Análises de Correlação e Regressão Para dados de relacionamento (parcelas X, Y) nos quais uma análise de correlação ou regressão foi realizada, é costume reportar as estatísticas de teste salientes (por exemplo, r, r-quadrado) e p-valor em O corpo do gráfico em fonte relativamente pequena, de modo a ser discreto. Se uma regressão é feita, a linha de melhor ajuste deve ser plotada ea equação da linha também fornecida no corpo do gráfico. Alterado 1-11-2017 Departamento de Biologia, Bates College. Lewiston, ME 04240Last Atualizado em 15 de maio de 2017 Visão Geral Análise de correlação mede a relação entre dois itens, por exemplo, um preço de segurança e um indicador. O valor resultante (chamado de coeficiente de quotcorrelação) mostra se as alterações em um item (por exemplo, um indicador) resultarão em alterações no outro item (por exemplo, o preço da segurança). Interpretação Ao comparar a correlação entre dois itens, um item é chamado o item quotdependentquot eo outro o item quotindependentquot. O objetivo é verificar se uma alteração no item independente (que normalmente é um indicador) resultará em uma alteração no item dependente (geralmente um preço de segurança). Essas informações ajudam a entender as habilidades preditivas de um indicador. O coeficiente de correlação pode variar entre 1,0 (mais ou menos um). Um coeficiente de 1,0, uma correlação positiva quotperfeita, significa que as mudanças no item independente resultarão em uma mudança idêntica no item dependente (por exemplo, uma mudança no indicador resultará em uma mudança idêntica no preço da segurança). Um coeficiente de -1,0, uma correlação negativa quotperfect, significa que as mudanças no item independente resultarão em uma mudança idêntica no item dependente, mas a mudança será na direção oposta. Um coeficiente de zero significa que não há relação entre os dois itens e que uma alteração no item independente não terá efeito no item dependente. Um baixo coeficiente de correlação (por exemplo, menos de 0,10) sugere que a relação entre dois itens é fraca ou inexistente. Um coeficiente de correlação elevado (isto é, mais próximo de mais ou menos um) indica que a variável dependente (por exemplo, o preço de segurança) normalmente muda quando a variável independente (por exemplo, um indicador) muda. A direção da variação da variável dependente depende do sinal do coeficiente. Se o coeficiente for um número positivo, então a variável dependente se moverá na mesma direção da variável independente se o coeficiente for negativo, então a variável dependente se moverá na direção oposta da variável independente. Você pode usar a análise de correlação de duas maneiras básicas: determinar a capacidade preditiva de um indicador e determinar a correlação entre dois títulos. Ao comparar a correlação entre um indicador e um preço de segurança, um elevado coeficiente positivo (por exemplo, mover, em seguida, 0.70) informa que uma mudança no indicador geralmente irá prever uma mudança no preço do security39s. Uma alta correlação negativa (por exemplo, menor que -0,70) informa que quando o indicador muda, o preço da segurança normalmente se moverá na direção oposta. Lembre-se de que um coeficiente baixo (por exemplo, perto de zero) indica que a relação entre o preço de segurança eo indicador não é significativa. A análise de correlação também é valiosa na avaliação da relação entre dois títulos. Muitas vezes, preço de um preço de segurança ou prevê o preço de outra segurança. Por exemplo, o coeficiente de correlação do ouro versus o dólar mostra uma forte relação negativa. Isto significa que um aumento no dólar costuma predizer uma diminuição no preço do ouro. Exemplo O gráfico a seguir mostra a relação entre milho e porcos vivos. Os altos valores de correlação mostram que, exceto nos breves períodos de fevereiro e maio, há uma forte relação entre o preço desses itens (ou seja, quando o preço do milho muda, o preço dos suínos vivos também se move na mesma direção).
No comments:
Post a Comment