需要使用 BWGHT.RAW 中的數(shù)據(jù)。

（1）樣本中有多少婦女，又有多少人報告在懷孕期間抽煙？

（2）平均每天抽煙數(shù)量是多少？平均數(shù)作為這個案例中“典型”婦女的度量指標好嗎？請解

釋。

（3）懷孕期間抽煙的婦女中，平均每天抽煙數(shù)量是多少？與第（2）部分中的答案有何區(qū)別，

為什么？

（4）求出樣本中 fatheduc 的平均值。為何只用 1192 個觀測計算這個平均值？

（5）報告平均家庭收入及其標準誤，以美元為單位。

準備：

該題所使用的數(shù)據(jù)各變量的具體解釋可參見原書第 4 版的第 141 頁的例 4.9“嬰兒出生體重方差

中父母的受教育程度”。

在 RStudio 中導入 BWGHT

attach(BWGHT) #綁定數(shù)據(jù)集 BWGHT

（1） 樣本中有多少婦女，又有多少人報告在懷孕期間抽煙？

BWGHT[!complete.cases(BWGHT),] #在加載數(shù)據(jù)后我們可以先掃一眼數(shù)據(jù)，發(fā)現(xiàn)有 NA 值，進而

引起我們的警惕，所以首先檢查數(shù)據(jù)是否有缺失值。該命令可以列出矩陣或數(shù)據(jù)框中有一個或

者多個缺失值的行。 。（參見《R 語言實戰(zhàn)》第一版 319 頁） 返回的結(jié)果是一個 197 x 14 的

表，表示有 197 個觀測存在一個或幾個變量上的缺失。

library(mice)

md.pattern(BWGHT) #我們發(fā)現(xiàn)缺失值過多，而且缺失值分在的不同變量中，我們進而采用一

種更方便的方法審視缺失值。 mice 包中的 md.pattern()函數(shù)能夠輕松實現(xiàn)這一功能。（參見

《R 語言實戰(zhàn)》第一版 320 頁）。返回的結(jié)果告訴我們在 fatheduc 變量上有缺失值的觀測有

196 個，而在 motheduc 上有缺失值的觀測有 1 個。

length(fatheduc) # 由于該數(shù)據(jù)集中的觀測是婦女的寶寶的情況，所以一個觀測對應(yīng)著一名婦

女。我們只需隨意取一個變量，測量其觀測值數(shù)量即可。值得一提的是，缺失值仍然會計算為

一個觀測。例如 fatheduc 中有 196 個缺失值，而 faminc 中沒有缺失值，但 length(fatheduc)

table(cigs) #為了求得有多少人報告在懷孕期間抽煙，我們可以把 cigs 變量做個頻數(shù)統(tǒng)計。我們

看到 cigs 為 0 的共有 1176 人，那么抽煙的人就是 1388-1176=212 人。

a<-BWGHT[cigs>0,]

a #我們也可以把 cigs 大于 0 的觀測提取出來保存在 a 中，然后展現(xiàn) a，發(fā)現(xiàn)其是 212 x 14 的

表，說明有 212 個觀測的 cigs 大于 0。

（2） 平均每天抽煙數(shù)量是多少？平均數(shù)作為這個案例中“典型”婦女的度量指標好嗎？請解

釋。

mean(cigs) #求平均數(shù)得到 2.087176

通過之前的 table(cigs)由我們可以發(fā)現(xiàn)絕大部分婦女是不抽煙的，而且存在幾個幾個嗜煙如命

的人，例如有人一天抽 50 只煙！因此，說一個典型的婦女每日抽煙 2 只并不具備代表性。

（3）懷孕期間抽煙的婦女中，平均每天抽煙數(shù)量是多少？與第（2）部分中的答案有何區(qū)別，

為什么？

mean(a$cigs) #我們之前把抽煙的觀測都保存在了數(shù)據(jù)集 a 中，我們再計算 a$cigs 的平均值就

是懷孕期間抽煙的婦女的平均吸煙數(shù)。這個值計算出來是 13.66509。

我們發(fā)現(xiàn)這一平均值遠遠大于第（2）部分中的答案。更加證實了（2）中的答案不能代表“典

型”的婦女。

（4）求出樣本中 fatheduc 的平均值。為何只用 1192 個觀測計算這個平均值？

mean(fatheduc,na.rm = TRUE) #由于 fatheduc 存在缺失值，我們直接在 mean()中定義 na.rm =

TRUE 來計算排除缺失值的平均值。

只用 1192 個觀測計算這個平均值是因為 fatheduc 有 196 個缺失值。

（5）報告平均家庭收入及其標準誤，以美元為單位。

income<-1000*faminc #將家庭收入換算成美元（faminc 是以千美元為單位的），保存在

income 中。

mean(income) #平均家庭收入為 29026.66。

std <- function(x) sd(x)/sqrt(length(x)) #我們編寫一個標準誤的公式。

std(income) #得到標準誤為 502.9888。

detach(BWGHT) #解除綁定數(shù)據(jù)集 BWGHT

和 length(faminc)都得到 1388。所以一共有 1388 名婦女。