需要使用 BWGHT.RAW 中的数据。

（1）样本中有多少妇女，又有多少人报告在怀孕期间抽烟？

（2）平均每天抽烟数量是多少？平均数作为这个案例中“典型”妇女的度量指标好吗？请解

释。

（3）怀孕期间抽烟的妇女中，平均每天抽烟数量是多少？与第（2）部分中的答案有何区别，

为什么？

（4）求出样本中 fatheduc 的平均值。为何只用 1192 个观测计算这个平均值？

（5）报告平均家庭收入及其标准误，以美元为单位。

准备：

该题所使用的数据各变量的具体解释可参见原书第 4 版的第 141 页的例 4.9“婴儿出生体重方差

中父母的受教育程度”。

在 RStudio 中导入 BWGHT

attach(BWGHT) #绑定数据集 BWGHT

（1） 样本中有多少妇女，又有多少人报告在怀孕期间抽烟？

BWGHT[!complete.cases(BWGHT),] #在加载数据后我们可以先扫一眼数据，发现有 NA 值，进而

引起我们的警惕，所以首先检查数据是否有缺失值。该命令可以列出矩阵或数据框中有一个或

者多个缺失值的行。 。（参见《R 语言实战》第一版 319 页） 返回的结果是一个 197 x 14 的

表，表示有 197 个观测存在一个或几个变量上的缺失。

library(mice)

md.pattern(BWGHT) #我们发现缺失值过多，而且缺失值分在的不同变量中，我们进而采用一

种更方便的方法审视缺失值。 mice 包中的 md.pattern()函数能够轻松实现这一功能。（参见

《R 语言实战》第一版 320 页）。返回的结果告诉我们在 fatheduc 变量上有缺失值的观测有

196 个，而在 motheduc 上有缺失值的观测有 1 个。

length(fatheduc) # 由于该数据集中的观测是妇女的宝宝的情况，所以一个观测对应着一名妇

女。我们只需随意取一个变量，测量其观测值数量即可。值得一提的是，缺失值仍然会计算为

一个观测。例如 fatheduc 中有 196 个缺失值，而 faminc 中没有缺失值，但 length(fatheduc)

table(cigs) #为了求得有多少人报告在怀孕期间抽烟，我们可以把 cigs 变量做个频数统计。我们

看到 cigs 为 0 的共有 1176 人，那么抽烟的人就是 1388-1176=212 人。

a<-BWGHT[cigs>0,]

a #我们也可以把 cigs 大于 0 的观测提取出来保存在 a 中，然后展现 a，发现其是 212 x 14 的

表，说明有 212 个观测的 cigs 大于 0。

（2） 平均每天抽烟数量是多少？平均数作为这个案例中“典型”妇女的度量指标好吗？请解

释。

mean(cigs) #求平均数得到 2.087176

通过之前的 table(cigs)由我们可以发现绝大部分妇女是不抽烟的，而且存在几个几个嗜烟如命

的人，例如有人一天抽 50 只烟！因此，说一个典型的妇女每日抽烟 2 只并不具备代表性。

（3）怀孕期间抽烟的妇女中，平均每天抽烟数量是多少？与第（2）部分中的答案有何区别，

为什么？

mean(a$cigs) #我们之前把抽烟的观测都保存在了数据集 a 中，我们再计算 a$cigs 的平均值就

是怀孕期间抽烟的妇女的平均吸烟数。这个值计算出来是 13.66509。

我们发现这一平均值远远大于第（2）部分中的答案。更加证实了（2）中的答案不能代表“典

型”的妇女。

（4）求出样本中 fatheduc 的平均值。为何只用 1192 个观测计算这个平均值？

mean(fatheduc,na.rm = TRUE) #由于 fatheduc 存在缺失值，我们直接在 mean()中定义 na.rm =

TRUE 来计算排除缺失值的平均值。

只用 1192 个观测计算这个平均值是因为 fatheduc 有 196 个缺失值。

（5）报告平均家庭收入及其标准误，以美元为单位。

income<-1000*faminc #将家庭收入换算成美元（faminc 是以千美元为单位的），保存在

income 中。

mean(income) #平均家庭收入为 29026.66。

std <- function(x) sd(x)/sqrt(length(x)) #我们编写一个标准误的公式。

std(income) #得到标准误为 502.9888。

detach(BWGHT) #解除绑定数据集 BWGHT

和 length(faminc)都得到 1388。所以一共有 1388 名妇女。