Xử lý dữ liệu
Minh họa tạo bảng tổng hợp kết quả kiểm định thống kê
Sử dụng lệnh table kết hợp với lệnh collect trên Stata 17
Ở hai bài viết trước, chúng ta đã làm quen với câu lệnh table và collect để tạo một bảng tổng hợp cơ bản và xuất kết quả bảng này ra Word. Bài viết này tôi sẽ tiếp tục giới thiệu và minh họa cách sử dụng lệnh collect để từng bước tạo ra được một bảng tổng hợp kết quả kiểm định thống kê được định dạng theo yêu cầu. Quy trình các bước thực hiện tạo bảng tổng hợp kết quả kiểm định thống kê của các biến cũng được mô tả chi tiết.
Dữ liệu
Tôi tiếp tục thực hành trên bộ dữ liệu NHANES-II 1 và xem sơ qua các biến trong bộ dữ liệu.
. webuse nhanes2, clear
. describe highbp age hgb hct iron albumin vitaminc zinc copper lead ///
> height weight bmi bpsystol bpdiast tcresult tgresult hdresult
Variable Storage Display Value
name type format label Variable label
───────────────────────────────────────────────────────────────────────────────────────────────────────────────
highbp byte %8.0g * High blood pressure
age byte %9.0g Age (years)
hgb float %9.0g Hemoglobin (g/dL)
hct float %9.0g Hematocrit (%)
iron int %9.0g Serum iron (mcg/dL)
albumin float %9.0g Serum albumin (g/dL)
vitaminc float %9.0g Serum vitamin C (mg/dL)
zinc int %9.0g Serum zinc (mcg/dL)
copper int %9.0g Serum copper (mcg/dL)
lead byte %9.0g Lead (mcg/dL)
height float %9.0g Height (cm)
weight float %9.0g Weight (kg)
bmi float %9.0g Body mass index (BMI)
bpsystol int %9.0g Systolic blood pressure
bpdiast int %9.0g Diastolic blood pressure
tcresult int %9.0g Serum cholesterol (mg/dL)
tgresult int %9.0g Serum triglycerides (mg/dL)
hdresult int %9.0g High density lipids (mg/dL)
Recode levels
Đầu tiên, tôi thử tạo một bảng tần suất đơn giản như sau:
. #delimit ;
delimiter now ;
. table (var) (highbp),
> statistic(fvfrequency sex)
> statistic(fvpercent sex)
> statistic(mean age)
> statistic(sd age)
> nototal;
────────────────────────────┬───────────────────────
│ High blood pressure
│ 0 1
────────────────────────────┼───────────────────────
Sex=Male │
Factor variable frequency │ 2,611 2,304
Factor variable percent │ 43.70 52.65
Sex=Female │
Factor variable frequency │ 3,364 2,072
Factor variable percent │ 56.30 47.35
Age (years) │
Mean │ 42.16502 54.97281
Standard deviation │ 16.77157 14.90897
────────────────────────────┴───────────────────────
. #delimit cr
delimiter now cr
Ở đây, tôi sử dụng tuỳ chọn nototal để bỏ cột total ở bảng tần suất.
Tiếp đến, tôi xem qua các dimension của collection hiện tại qua lệnh collect dims
. collect dims
Collection dimensions
Collection: Table
─────────────────────────────────────────
Dimension No. levels
─────────────────────────────────────────
Layout, style, header, label
cmdset 1
colname 3
command 1
highbp 2
result 4
statcmd 4
var 3
Header, label
sex
Style only
border_block 4
cell_type 4
─────────────────────────────────────────
Tôi thử lướt qua các giá trị và nhãn của dimension result (được tạo từ tuỳ chọn statistic)
. collect label list result, all
Collection: Table
Dimension: result
Label: Result
Level labels:
fvfrequency Factor variable frequency
fvpercent Factor variable percent
mean Mean
sd Standard deviation
Kết quả cho thấy dimension result có 4 level là fvfrequency, fvpercent, mean, và sd. Tương tự như các giá trị của của biến danh mục, tôi có thể phân nhóm hay mã hoá lại (recode) các giá trị của dimension này.
Cụ thể, tôi sử dụng collect recode tạo ra hai level: column1 và column2. Sau đó, tôi gom
fvfrequency và mean vào column1; trong khi fvpercent và sd vào column2.
. #delimit ;
delimiter now ;
. collect recode result fvfrequency = column1
> fvpercent = column2
> mean = column1
> sd = column2;
(12 items recoded in collection Table)
. #delimit cr
delimiter now cr
. collect label list result, all
Collection: Table
Dimension: result
Label: Result
Level labels:
column1
column2
fvfrequency Factor variable frequency
fvpercent Factor variable percent
mean Mean
sd Standard deviation
Như vậy, chúng ta thấy hai level mới, column1 và column2 đã xuất hiện ở dimension result bên cạnh các level ban đầu.
Thiết lập bố cục
Sử dụng collect layout để thay đổi bố cục của bảng. Với kết quả từ bảng trên thì dòng vẫn là
var, và cột đầu tiên vẫn là highbp. Tôi có thể lồng hai level column1 và column2 của dimension result bên dưới dimension highbp, bằng cách khai báo highbp#result[column1 column2] ở column dimension.
. collect layout (var) (highbp#result[column1 column2])
Collection: Table
Rows: var
Columns: highbp#result[column1 column2]
Table 1: 3 x 4
────────────┬───────────────────────────────────────────
│ High blood pressure
│ 0 1
│ column1 column2 column1 column2
────────────┼───────────────────────────────────────────
Sex=Male │ 2611 43.69874 2304 52.65082
Sex=Female │ 3364 56.30126 2072 47.34918
Age (years) │ 42.16502 16.77157 54.97281 14.90897
────────────┴───────────────────────────────────────────
Ý nghĩa highbp#result[column1 column2]
- Toán tử # cho biết sự tương tác (lồng) giữa hai dimension, với ý nghĩa rằng dimension đứng sau sẽ được lồng vào dimension đứng trước.
- result[column1 column2] chỉ định sử dụng hai level có tên là column1 và column2 của dimension result
Bằng cách thêm các biến khác vào tuỳ chọn statistic(), tôi có thể lập một bảng thống kê mô tả cho nhiều biến. Ở đây, tôi sẽ thực hiện thống kê giá trị trung bình, độ lệch chuẩn cho age, bmi, tcresult, tgresult và hdresult; thống kê tần suất cho race, sex và hlthstat.
. #delimit ;
delimiter now ;
. table (var) (highbp),
> statistic(mean age bmi)
> statistic(sd age bmi)
> statistic(fvfrequency sex race hlthstat)
> statistic(fvpercent sex race hlthstat)
> statistic(mean tcresult tgresult hdresult)
> statistic(sd tcresult tgresult hdresult)
> nototal;
───────────────────────────────────┬───────────────────────
│ High blood pressure
│ 0 1
───────────────────────────────────┼───────────────────────
Age (years) │
Mean │ 42.16502 54.97281
Standard deviation │ 16.77157 14.90897
Body mass index (BMI) │
Mean │ 24.20231 27.36081
Standard deviation │ 4.100279 5.332119
Sex=Male │
Factor variable frequency │ 2,611 2,304
Factor variable percent │ 43.70 52.65
Sex=Female │
Factor variable frequency │ 3,364 2,072
Factor variable percent │ 56.30 47.35
Race=White │
Factor variable frequency │ 5,317 3,748
Factor variable percent │ 88.99 85.65
Race=Black │
Factor variable frequency │ 545 541
Factor variable percent │ 9.12 12.36
Race=Other │
Factor variable frequency │ 113 87
Factor variable percent │ 1.89 1.99
Health status=Excellent │
Factor variable frequency │ 1,649 758
Factor variable percent │ 27.61 17.32
Health status=Very good │
Factor variable frequency │ 1,666 925
Factor variable percent │ 27.89 21.14
Health status=Good │
Factor variable frequency │ 1,572 1,366
Factor variable percent │ 26.32 31.22
Health status=Fair │
Factor variable frequency │ 766 904
Factor variable percent │ 12.82 20.66
Health status=Poor │
Factor variable frequency │ 310 419
Factor variable percent │ 5.19 9.57
Health status=Blank but applicable │
Factor variable frequency │ 10 4
Factor variable percent │ 0.17 0.09
Serum cholesterol (mg/dL) │
Mean │ 208.7272 229.8798
Standard deviation │ 47.28725 49.58294
Serum triglycerides (mg/dL) │
Mean │ 129.2284 166.0427
Standard deviation │ 83.92955 109.1998
High density lipids (mg/dL) │
Mean │ 49.94449 49.21784
Standard deviation │ 14.14055 14.54068
───────────────────────────────────┴───────────────────────
. #delimit cr
delimiter now cr
Khi đó, bảng thống kê mô tả cho các biến sẽ như sau:
. #delimit ;
delimiter now ;
. collect recode result fvfrequency = column1
> fvpercent = column2
> mean = column1
> sd = column2;
(64 items recoded in collection Table)
. #delimit cr
delimiter now cr
. collect layout (var) (highbp#result[column1 column2])
Collection: Table
Rows: var
Columns: highbp#result[column1 column2]
Table 1: 16 x 4
───────────────────────────────────┬───────────────────────────────────────────
│ High blood pressure
│ 0 1
│ column1 column2 column1 column2
───────────────────────────────────┼───────────────────────────────────────────
Age (years) │ 42.16502 16.77157 54.97281 14.90897
Body mass index (BMI) │ 24.20231 4.100279 27.36081 5.332119
Sex=Male │ 2611 43.69874 2304 52.65082
Sex=Female │ 3364 56.30126 2072 47.34918
Race=White │ 5317 88.98745 3748 85.64899
Race=Black │ 545 9.121339 541 12.36289
Race=Other │ 113 1.891213 87 1.988117
Health status=Excellent │ 1649 27.60757 758 17.32176
Health status=Very good │ 1666 27.89218 925 21.13803
Health status=Good │ 1572 26.31843 1366 31.21572
Health status=Fair │ 766 12.82438 904 20.65814
Health status=Poor │ 310 5.190022 419 9.574954
Health status=Blank but applicable │ 10 .1674201 4 .0914077
Serum cholesterol (mg/dL) │ 208.7272 47.28725 229.8798 49.58294
Serum triglycerides (mg/dL) │ 129.2284 83.92955 166.0427 109.1998
High density lipids (mg/dL) │ 49.94449 14.14055 49.21784 14.54068
───────────────────────────────────┴───────────────────────────────────────────
Định dạng hiển thị số
Ở bài trước, tôi đã sử dụng tuỳ chọn nformat() và sformat() của câu lệnh
table để định dạng hiển thị số trong bảng kết quả. Chúng ta cũng có thể sử dụng collect style cell để áp dụng các định dạng số khác nhau cho các ô khác nhau trong bảng kết quả. Lệnh collect style cell sử dụng các dimension và level để đề cập đến các ô trong bảng.
. collect style cell var[sex race hlthstat]#result[column1], nformat(%6.0fc)
. collect style cell var[sex race hlthstat]#result[column2], nformat(%6.1f) sformat("%s%%")
. collect style cell var[age bmi tcresult tgresult hdresult]#result[column1 column2], nformat(%6.1f)
. collect style cell var[age bmi tcresult tgresult hdresult]#result[column2], sformat("(%s)")
. collect preview
───────────────────────────────────┬───────────────────────────────────────
│ High blood pressure
│ 0 1
│ column1 column2 column1 column2
───────────────────────────────────┼───────────────────────────────────────
Age (years) │ 42.2 (16.8) 55.0 (14.9)
Body mass index (BMI) │ 24.2 (4.1) 27.4 (5.3)
Sex=Male │ 2,611 43.7% 2,304 52.7%
Sex=Female │ 3,364 56.3% 2,072 47.3%
Race=White │ 5,317 89.0% 3,748 85.6%
Race=Black │ 545 9.1% 541 12.4%
Race=Other │ 113 1.9% 87 2.0%
Health status=Excellent │ 1,649 27.6% 758 17.3%
Health status=Very good │ 1,666 27.9% 925 21.1%
Health status=Good │ 1,572 26.3% 1,366 31.2%
Health status=Fair │ 766 12.8% 904 20.7%
Health status=Poor │ 310 5.2% 419 9.6%
Health status=Blank but applicable │ 10 0.2% 4 0.1%
Serum cholesterol (mg/dL) │ 208.7 (47.3) 229.9 (49.6)
Serum triglycerides (mg/dL) │ 129.2 (83.9) 166.0 (109.2)
High density lipids (mg/dL) │ 49.9 (14.1) 49.2 (14.5)
───────────────────────────────────┴───────────────────────────────────────
Ý nghĩa các dòng lệnh
- Toán tử # ở lệnh đầu tiên sẽ chọn các ô thoả mãn đồng thời cả hai điều kiện.
- Điều kiện dòng: row dimension var với ba level là sex, race và hlthstat
- Điều kiện cột: column dimension result với level là column1
- Việc giải thích toán tử # ở các dòng còn lại có ý nghĩa tương tự như dòng đầu tiên
nformat(%6.0fc): định dạng số, không số thập phân và có dấu phẩy ngăn cách hàng nghìn.nformat(%6.1fc): định dạng số, có một số thập phân và có dấu phẩy ngăn cách hàng nghìn.sformat(“%s%%”): thêm kí tự % ở cuối số.sformat(“(%s)”): thêm cặp dấu ngoặc đơn bao quanh số.
Thiết lập nhãn cột
Đoạn chương trình bên dưới sẽ điều chỉnh nhãn hiển thị để bảng nhìn gọn và dễ hiểu hơn.
. collect label dim highbp "Hypertension", modify
. collect label levels highbp 0 "No" 1 "Yes"
. collect style header result, level(hide)
. collect preview
───────────────────────────────────┬──────────────────────────────────
│ Hypertension
│ No Yes
───────────────────────────────────┼──────────────────────────────────
Age (years) │ 42.2 (16.8) 55.0 (14.9)
Body mass index (BMI) │ 24.2 (4.1) 27.4 (5.3)
Sex=Male │ 2,611 43.7% 2,304 52.7%
Sex=Female │ 3,364 56.3% 2,072 47.3%
Race=White │ 5,317 89.0% 3,748 85.6%
Race=Black │ 545 9.1% 541 12.4%
Race=Other │ 113 1.9% 87 2.0%
Health status=Excellent │ 1,649 27.6% 758 17.3%
Health status=Very good │ 1,666 27.9% 925 21.1%
Health status=Good │ 1,572 26.3% 1,366 31.2%
Health status=Fair │ 766 12.8% 904 20.7%
Health status=Poor │ 310 5.2% 419 9.6%
Health status=Blank but applicable │ 10 0.2% 4 0.1%
Serum cholesterol (mg/dL) │ 208.7 (47.3) 229.9 (49.6)
Serum triglycerides (mg/dL) │ 129.2 (83.9) 166.0 (109.2)
High density lipids (mg/dL) │ 49.9 (14.1) 49.2 (14.5)
───────────────────────────────────┴──────────────────────────────────
Ở đây,
- Dòng 1: sử dụng
collect label dim highbpđể thay đổi nhãn của dimension highbp - Dòng 2: sử dụng
collect label levels highbpđể thay đổi level của dimension highbp - Dòng 3: sử dụng
collect style header result, level(hide)để ẩn level của một dimension result
Thiết lập nhãn dòng
Sử dụng lệnh collect style row để thay đổi các thiết lập hiển thị dòng của bảng.
- Tham số
stackcủa câu lệnh sẽ lồng các level của dimension lại với nhau thay vì hiển thị riêng rẽ. Chẳng hạn, level Male và Female sẽ đứng cạnh nhau bên dưới nhãn Sex của dimension Sex. - Tuỳ chọn
nobindersẽ bỏ dấu = xuất hiện ở giữa dimension và level của nó. - Tuỳ chọn
spacersẽ thêm một khoảng trắng giữa các level được tạo bởi các tuỳ chọn
statistic()khác nhau.
. collect style row stack, nobinder spacer
. collect style cell border_block, border(right, pattern(nil))
. collect preview
─────────────────────────────────────────────────────────────
Hypertension
No Yes
─────────────────────────────────────────────────────────────
Age (years) 42.2 (16.8) 55.0 (14.9)
Body mass index (BMI) 24.2 (4.1) 27.4 (5.3)
Sex
Male 2,611 43.7% 2,304 52.7%
Female 3,364 56.3% 2,072 47.3%
Race
White 5,317 89.0% 3,748 85.6%
Black 545 9.1% 541 12.4%
Other 113 1.9% 87 2.0%
Health status
Excellent 1,649 27.6% 758 17.3%
Very good 1,666 27.9% 925 21.1%
Good 1,572 26.3% 1,366 31.2%
Fair 766 12.8% 904 20.7%
Poor 310 5.2% 419 9.6%
Blank but applicable 10 0.2% 4 0.1%
Serum cholesterol (mg/dL) 208.7 (47.3) 229.9 (49.6)
Serum triglycerides (mg/dL) 129.2 (83.9) 166.0 (109.2)
High density lipids (mg/dL) 49.9 (14.1) 49.2 (14.5)
─────────────────────────────────────────────────────────────
Xuất kết quả ra file Word
Khi đã hài lòng với dạng hiển thị của bảng, tôi có thể xuất kết quả ra file Word. Sử dụng lệnh putdocx để thêm tiêu đề, các đề mục và những nội dung mô tả cần thiết trước khi chèn
bảng vừa tạo. Cuối cùng, tôi sử dụng lệnh putdocx collect để xuất bảng kết quả ra tài liệu.
. putdocx begin
. putdocx paragraph, style(Title)
. putdocx text ("Hypertension in the United States")
. putdocx paragraph, style(Heading1)
. putdocx text ("The National Health and Nutrition Examination Survey (NHANES)")
. putdocx paragraph
. putdocx text ("Hypertension is a major cause of morbidity and mortality in ")
. putdocx text ("the United States. This report will explore the predictors ")
. putdocx text ("of hypertension using the NHANES dataset.")
. collect style putdocx, layout(autofitcontents) ///
> title("Table 1: Descriptive Statistics by Hypertension Status")
. putdocx collect
(collection Table posted to putdocx)
. putdocx save Table3.docx, replace
successfully replaced "D:/GitHub/TNS/premium/Table3.docx"
Tổng kết
Để tạo các bảng tổng hợp kiểm định thống kê cho các biến, đầu tiên tạo các bảng đơn giản bằng cách sử dụng lệnh table với tuỳ chọn statistic(). Sau đó,
- sử dụng
collect labelđể đổi tên các nhãn của các dimension và level, - sử dụng
collect style rowđể tinh chỉnh nhãn của các dòng, - sử dụng
collect style cellđể loại đường kẻ đứng.
Sau đó, sử dụng collect style putdocx và putdocx collect để điều chỉnh và xuất
bảng tổng hợp sang Word.
Ngoài ra, một số câu lệnh hay được sử dụng trong bài viết như:
collect recodeđể mã hoá các level của một dimensioncollect layoutđể thiết lập bố cục bảngcollect style cellđể thực hiện các định dạng số
Bài viết được tổng hợp từ The Stata Blog 2
Tài liệu tham khảo
- McDowell A, Engel A, Massey JT, Maurer KPlan and operation of the Second National Health and Nutrition Examination Survey, 1976-1980Vital Health Stat 11981;(15):1-144PMID:
7344293.↩︎ - Customizable tables in Stata 17, part 3: The classic table 1 tại:
https://blog.stata.com/2021/06/24/customizable-tables-in-stata-17-part-3-the-classic-table-1/↩︎