公告版位
晨晰統計顧問有限公司在板橋~~服務市話:02-29602817 手機:0918-276-622 聯絡信箱:raising.statistic@gmail.com。 網址:http://www.rai-stat.com.tw。 歡迎大家踴躍發問,問問題請用facebook問(http://tinyurl.com/raising100)會快速回覆喔,我們每週才會統一回一次部落格上的問題。

在現今的醫學研究中,傾向分數分析(propensity score analysis, PSA)儼然扮演非常重要的角色。下圖為筆者在Pubmed以關鍵字「propensity score」搜尋得到的文獻筆數,由結果可知,以傾向分數作為研究方法的文獻呈現非線性的增加,到了2017年,單年度超過3千篇文獻使用傾向分數,可見傾向分數已為醫學研究當中的顯學。

 

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

本篇文章將介紹針對結構方程常用的配適度指標作介紹,除了整理各指標的判斷標準及參考文獻之外,亦針對一些特殊的情況進行說明。

九、比較性配適指標(Comparative fit index, CFI

CFI類似於NFI,但對樣本數有加以懲罰,因此CFIRMSEA一樣較不受到樣本數大小的影響(Fan, Thompson, & Wang, 1999),即使在小樣本之下,CFI對模式配適度的估計表現仍相當好(Bentler, 1995)。CFI介於0~1之間,CFI指數越接近1代表模型契合度越理想,表示能夠有效改善中央性的程度。傳統上認為CFI0.9以上為良好配適(李茂能,2006;陳正昌、程炳林、陳新豐與劉子鍵,2003;張偉豪,2011)。而有學者認為要以大於.95為通過門檻,用來評估模式適配度才夠穩定(Bentler, 1995; Hu & Bentler, 1999; 邱皓政,2011),但1不代表是完美配適,只代表模型卡方值小於假設模型的自由度。CFI在巢型結構中也是個常用的指標,巢型結構模型中CFI差異的大小決定模型是否不同(Cheung & Rensvold, 2002)。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

本篇文章將介紹針對結構方程常用的配適度指標作介紹,除了整理各指標的判斷標準及參考文獻之外,亦針對一些特殊的情況進行說明。

 

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

本篇文章將介紹針對結構方程常用的配適度指標作介紹,除了整理各指標的判斷標準及參考文獻之外,亦針對一些特殊的情況進行說明。

一、卡方檢定(Chi square test

卡方值是SEM最原始的指標,因為它直接從ML估計法的函數【(N-1FML】計算而得。卡方值是愈小愈好,但也沒有一定的標準,因為卡方值不但會受到樣本數的影響,也會受到模型複雜度的影響,幾乎所有的模式都可能被拒絕(Bnetler & Bonett, 1980; Marsh & Hocevar, 1985; Marsh, Balla, & McDonald., 1988),算不上是實用的指標,因此顯少採用,但它是許多配適度指標的計算基礎,所以在SEM分析中需要呈現。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

SAS 2017/7/28出版的文件【SAS 9.4 新功能】中,介紹許多SAS 9.4M1到SAS 9.4M4的增強功能及調整。其中,在Proc Freq程序中,增強估計勝算比 (odds ratio, OR)的信賴區間。以下將透過簡單的範例玩玩這個功能。

首先,先以proc logistic的程序估計勝算比及勝算比的信賴區間,程式碼如下所示(Mortality=1為死亡):

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

(二)Points system

如上所述,nomogram不適用於解釋變項太多的情況(例如>10),當我們的多變項分析同時包括10個甚至15個變項時,此時則可以考慮以points system來呈現多變項模式的結果。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

多變項迴歸分析(Multivariable or multi-predictor regression analysis)指的是迴歸方程式中,同時有2個或2個以上的解釋變項,反應變項(Response variable, Y)則可能是各種尺度的變項,常見的有線性(連續變項)、二元、計數與存活資料等,分別適用線性迴歸(Linear regression)、羅吉斯迴歸(Logistic regression)、卜瓦松迴歸(Poisson regression)及Cox比例危險模型(Cox proportional hazard model)等。

呈現多變項分析結果最常見的方式就是列表,列出迴歸係數、勝算比或危險比的值、信賴區間以及顯著性,如下表所示。方程式除了列解釋變項的迴歸係數(或勝算比、危險比)之外,也列出截距項(Intercept or constant)的數值,以利讀者可以帶入特定值,以計算出預測的結果變項的數值,例如50歲男性且Creatinine0.8,此人的預測Y值是多少。預測Y值在線性迴歸跟卜瓦松迴歸代表的是平均值,在羅吉斯迴歸與Cox模型則是代表發生事件的機率。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

              當我們要看二個連續變項的相關度(例如照護品質與健康人數),最常用的視覺效果是散佈圖。就像下圖點出XY軸二變數的位置,如果散佈點往右上的話,那是正相關,代表照護品質愈好,健康人數愈多;反之,右下是負相關。此外,如果加上圈圈大小,還可以表示第3連續變項,例如圈圈愈大,所得愈高。而且顏色也可以變化,同一顏色代表同一區域等。所以說散佈圖可以表達的資訊其實也可以很豐富。

 

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

16.接下來介紹「概化線性」的操作方式,點選分析→混合模式→概化線性。

17.先設定「資料結構」。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

本篇文章將介紹關於SPSS在三階層HLM的操作應用,筆者曾於過去寫過SPSS在二階層HLM的應用文章,其中有提到模式中固定效果的設定,會較HLM軟體來得直觀,就算到了三階層HLM也是如此,因此本篇文章僅以零模型為例,介紹隨機效果的設定方式,並以HLM軟體所分析出來的結果來驗證正確性。

一、資料介紹

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

您尚未登入,將以訪客身份留言。亦可以上方服務帳號登入留言

請輸入暱稱 ( 最多顯示 6 個中文字元 )

請輸入標題 ( 最多顯示 9 個中文字元 )

請輸入內容 ( 最多 140 個中文字元 )

請輸入左方認證碼:

看不懂,換張圖

請輸入驗證碼