ATH-koulutus: Stata 11 THL ATH-koulutus / Tommi Härkänen 1

Koko: px

Aloita esitys sivulta:

Download "ATH-koulutus: Stata 11 THL ATH-koulutus / Tommi Härkänen 1"

Onni Tuominen
7 vuotta sitten
Katselukertoja:

1 ATH-koulutus: Stata 11 THL ATH-koulutus / Tommi Härkänen 1

2 Sisältö Otanta-asetelman kuvaaminen Stata 11:llä Perustunnusluvut Regressioanalyysit Mallivakiointi ATH-koulutus / Tommi Härkänen 2

3 Aineiston lataaminen ja muuttujan arvojen selitetekstit use "Q:\data\2010\demo\ath_demo.dta", clear label define genderlabel 1 "male" 2 "female", replace label values rg_gender genderlabel label define educlabel 1 "basic" 2 "middle" 3 "high", replace label values rg_educ educlabel ATH-koulutus / Tommi Härkänen 3

4 Otanta-asetelman kuvaaminen svyset [pw=w_analysis], strata(w_strata) fpc(w_n) Painokerroin w_analysis, ositusmja w_strata, perusjoukon koko ositteessa w_n. svyset [pw=w_analysis], strata(w_strata) fpc(w_n) pweight: w_analysis VCE: linearized Single unit: missing Strata 1: w_strata SU 1: <observations> FPC 1: w_n ATH-koulutus / Tommi Härkänen 4

5 Analyysit Otanta-asetelma huomioidaan svy: -etuliitteellä Esim. BMI:n keskiarvo svy: mean ath_bmi. svy: mean ath_bmi (running mean on estimation sample) Survey: Mean estimation Number of PSUs = Population size = Mean Std. Err. [95% Conf. Interval] ath_bmi ATH-koulutus / Tommi Härkänen 5

6 Keskiarvo osajoukoittain Perustunnusluvuilla voi käyttää over() optiota Esim. sukupuolittaiset keskiarvot svy, over(rg_gender). svy, over(rg_gender): mean ath_bmi (running mean on estimation sample) Survey: Mean estimation Number of PSUs = Population size = male: rg_gender = male female: rg_gender = female Over Mean Std. Err. [95% Conf. Interval] ath_bmi male female ATH-koulutus / Tommi Härkänen 6

7 Keskiarvo osajoukoittain Perustunnusluvuilla voi käyttää myös subpop(if ) optiota Esim. miesten keskiarvo: svy, subpop(if rg_gender==1). svy, subpop(if rg_gender==1): mean ath_bmi (running mean on estimation sample) Survey: Mean estimation Number of strata = 28 Number of obs = 5222 Number of PSUs = 5222 Population size = Subpop. no. obs = 5222 Subpop. size = Design df = 5194 Mean Std. Err. [95% Conf. Interval] ath_bmi Note: 28 strata omitted because they contain no subpopulation members ATH-koulutus / Tommi Härkänen 7

8 Luokitellut muuttujat Frekvenssitaulut saadaan tabulate-komennolla Esim. svy: tabulate ath_bmi_3 rg_gender Number of PSUs = Population size = body mass index (1:<25, sukupuoli (1:mies, 2:25-<30, 2:nainen) 3:30+) male female Total Total Key: cell proportions Pearson: Uncorrected chi2(2) = Design-based F(1.99, )= P = ATH-koulutus / Tommi Härkänen 8

9 Luokitellut muuttujat Tulostusta voi muokata esim. col -optiolla Esim. svy: tabulate ath_bmi_3 rg_gender, col Number of PSUs = Population size = body mass index (1:<25, sukupuoli (1:mies, 2:25-<30, 2:nainen) 3:30+) male female Total Total Key: column proportions Pearson: Uncorrected chi2(2) = Design-based F(1.99, )= P = ATH-koulutus / Tommi Härkänen 9

10 Lineaarinen regressioanalyysi Luokiteltu selittäjä kuvataan käyttämällä i.-etuliitettä selittäjän edessä Esim. svy: regress ath_bmi i.rg_geo_area rg_gender rg_age_2 Number of PSUs = Population size = F( 4, 11995) = Prob > F = R-squared = ath_bmi Coef. Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_age_ _cons ATH-koulutus / Tommi Härkänen 10

11 Lineaarinen regressioanalyysi Luokitellun selittäjän referenssiluokan voi vaihtaa käyttämällä bx.- etuliitettä, jossa x on halutun referenssiluokan arvo Esim. svy: regress ath_bmi b2.rg_geo_area rg_gender rg_age_2 Number of PSUs = Population size = F( 4, 11995) = Prob > F = R-squared = ath_bmi Coef. Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_age_ _cons ATH-koulutus / Tommi Härkänen 11

12 Lineaarinen regressioanalyysi Yhdysvaikutus kuvataan # tai ## -merkinnöillä. Jälkimmäinen muodostaa myös päävaikutustermit Esim. svy: regress ath_bmi b2.rg_geo_area##rg_gender rg_age_2 Number of PSUs = Population size = F( 6, 11993) = Prob > F = R-squared = ath_bmi Coef. Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_geo_area# rg_gender rg_age_ _cons ATH-koulutus / Tommi Härkänen 12

13 Useamman parametrin testaaminen Waldin testi on hyödyllinen esim. luokiteltujen selittäjien vaikutuksen testaamisessa Esim. yhdysvaikutusparametreja voi olla useita, jolloin Waldin testillä voidaan testata niiden merkitsevyys samanaikaisesti. testparm rg_geo_area#rg_gender Adjusted Wald test ( 1) 1.rg_geo_area#2.rg_gender = 0 ( 2) 3.rg_geo_area#2.rg_gender = 0 F( 2, 11997) = 4.51 Prob > F = ATH-koulutus / Tommi Härkänen 13

14 Logistinen regressiomalli Esim. svy: logistic ath_bmi_2 i.rg_geo_area rg_gender rg_age_2 Number of PSUs = Population size = F( 4, 11995) = Prob > F = ath_bmi_2 Odds Ratio Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_age_ ATH-koulutus / Tommi Härkänen 14

15 Moniluokkainen, järjestysasteikollinen vaste Esim. svy: ologit ath_bmi_3 i.rg_geo_area rg_gender rg_age_2, or (Huom.: tärkeää varmistaa mallioletusten realistisuus) Survey: Ordered logistic regression Number of PSUs = Population size = F( 4, 11995) = Prob > F = ath_bmi_3 Odds Ratio Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_age_ /cut /cut ATH-koulutus / Tommi Härkänen 15

16 Luokka-asteikollinen vaste Esim. svy: mlogit ath_bmi_3 i.rg_geo_area rg_gender rg_age_2, rrr Number of PSUs = Population size = F( 8, 11991) = Prob > F = ath_bmi_3 RRR Std. Err. t P> t [95% Conf. Interval] 1 (base outcome) 2 rg_geo_area rg_gender rg_age_ rg_geo_area rg_gender rg_age_ ATH-koulutus / Tommi Härkänen 16

17 Mallivakiointi Sovitetaan regressiomalli Esim. alueen ja sukupuolen yhdysvaikutus ja jatkuva-arvoinen ikä (toisen asteen polynomina): svy: regress ath_bmi i.rg_geo_area##i.rg_gender c.rg_age_2##c.rg_age_2 Käytetään margins-komentoa: Esim. iän suhteen vakioidut alue- ja sukupuolittaiset mallivakioidut keskiarvot: margins rg_geo_area#rg_gender, vce(unconditional) grand ATH-koulutus / Tommi Härkänen 17

18 Mallivakiointi Regressioanalyysin tulostus: Number of PSUs = Population size = F( 7, 11992) = Prob > F = R-squared = ath_bmi Coef. Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_geo_area# rg_gender rg_age_ c.rg_age_2# c.rg_age_ _cons ATH-koulutus / Tommi Härkänen 18

19 Mallivakiointi Mallivakioidut keskiarvot: tulokset kuvaavat tilannetta, jossa ikäjakauma olisi sama kaikissa alue- ja sp-ryhmissä Predictive margins Number of obs = Expression : Linear prediction, predict() Margin Std. Err. t P> t [95% Conf. Interval] rg_geo_area# rg_gender _cons ATH-koulutus / Tommi Härkänen 19

20 Mallivakiointi dikotomisella vasteella Regressiomallina logistinen malli, esim. Rg_age10 on luokiteltu ikä 20-29, 30-39, svy: logit ath_bmi_2 i.rg_educ##i.rg_age10##i.rg_gender i.rg_geo_area Tallennetaan mallivakioinnin tulokset post-optiolla: margins rg_educ#rg_gender, vce(unconditional) grand post Lasketaan esim. väestösyyosuus (PAR) joka kuvaa, miten suuri osa ylipainoisuudesta poistuisi, jos koko väestö olisi korkeasti koulutettujen naisten kaltaisia (ts. rg_educ==3 ja rg_gender==2): nlcom (PAR: 1 - _b[3.rg_educ#2.rg_gender] / _b[_cons]) ATH-koulutus / Tommi Härkänen 20

21 Mallivakiointi Regressioanalyysin tulostus (osa) Survey: Logistic regression Number of PSUs = Population size = F( 49, 11950) = Prob > F = ath_bmi_2 Coef. Std. Err. t P> t [95% Conf. Interval] rg_educ rg_age rg_educ# rg_age ATH-koulutus / Tommi Härkänen 21

22 Mallivakiointi Mallivakioidut esiintyvyydet (prevalenssit) koulutus- ja sukupuoliryhmittäin ikä- ja aluevakioituina _cons rivi kuvaa kokonaisprevalenssia Expression : Pr(ath_bmi_2), predict() Margin Std. Err. t P> t [95% Conf. Interval] rg_educ# rg_gender _cons ATH-koulutus / Tommi Härkänen 22

23 Mallivakiointi Koulutuksen ja sukupuolen väestösyyosuus ylipainosta. nlcom (PAR: 1 - _b[3.rg_educ#2.rg_gender] / _b[_cons]) PAR: 1 - _b[3.rg_educ#2.rg_gender] / _b[_cons] Coef. Std. Err. t P> t [95% Conf. Interval] PAR ATH-koulutus / Tommi Härkänen 23

Samankaltaiset tiedostot

ATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1

ATH-koulutus: R ja survey-kirjasto THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelman kuvaaminen R:llä ja survey-kirjastolla Perustunnusluvut Regressioanalyysit 16. 2. 2011