大家是否記得之前有提到說若Kruskal-Wallis分析達顯著時，要進一步做事後比較呢?當時有跟各位提到可參考Elliott and Hynan（2011）所提供的SAS巨集來分析，因此這篇主要針對此巨集來做介紹。
先介紹這次分析用到的例子，這次主要想要瞭解不同術後類型（type）的病患在預後（outcome）恢復的情形是否有差異，患者術後類型變數分成「無感染（0）」、「血液感染（1）」、「懷疑感染（2）」，是一個類別變項；至於預後情形分為五個等級（1~5分），預後情形為順序變項，1分最差，5分最佳。
智慧型手機大戰早已經白熱化，每年都有好多新款超炫手機上市，令人眼花撩亂，我這個摩登原始人上次去辦手機續約時，幾乎找不到非智慧型手機，讓我有了警訊，再不好好研究一下智慧型手機市場，以後連出門都難，只能去公園跟阿公一起打太極了。
有了這個想法，我就鎖定三款近來最熱門的手機先來look look，Iphone 5、Galaxy Note 2、HTC 蝴蝶機，每款手機我都隨機上網瀏覽15個部落格（共45個部落格），這些部落格文章都對這些手機有詳細的介紹與批評，我一邊看一邊作了點統計記錄，在下面分享給大家，如果你已經是手機達人了，這些資訊對你沒啥用，如果你跟我一樣是智慧手機新鮮人，倒是可以閱讀一下，幫助自己在選擇時多點意見。
前一篇文章講到，如果你有各區域的屬性資料，如各縣市的甘薯產量，或者人口數、平均房價等，只要加上空間資料（圖層），即可以用來繪製地理分布圖。其中屬性資料在上次介紹中為面資料，此處再介紹點資料。
在一些像農業、醫療、環境、交通、犯罪等領域的研究中，研究者對地區別的統計資料，除了用表格表示外，更常用地圖色彩的方式，呈現各區域的數量多寡或嚴重程度，例如圖1為台灣地區某一年度的法定傳染病的疾病統計，顏色愈深，代表人數越多。（http://nidss.cdc.gov.tw/index.aspx）這樣的呈現方式可以讓讀者一目了然，而且馬上抓出重點區域。
第二個例子也是心臟科的例子，即心房性頻脈（Atrial tachyarrhythmia, AT）與中風的關係〔Circ Arrhythmia Electrophysiol. 2009;2:474-480.〕或心房顫動（Atrial fibrillation, AF）與中風的關係〔N Engl J Med 2012;366:120-9；J Am Coll Cardiol 2005;46:1913–20〕，無論是AT或AF，都符合之前我們對time-dependent covariate的定義：「研究追蹤期間會改變的治療或測量」，在這一類的研究中，AT/AF的測量是固定一段期間測量一次，例如是每3個月測量一次病人的AT/AF的負荷量（AT/AF burden）有多少。假使有一位病人有4筆資料，那就代表這位病人剛好追蹤期為一年，假使有位病人只有追蹤3個月時就發生中風事件（Endpoint）或是失去追蹤，那麼這位病人只會有1筆資料。
之前曾經介紹一系列關於存活分析（Survival analysis）的應用與原理，一共包括四篇，其中第四篇為最重要的Cox regression，但是該篇文章所介紹的Cox模式都只涉及到最基礎（但也最常用）的模式，但是其實Cox model本身有很多種延伸的模型，其中最為重要的一種就是「時間相依共變數」（Time-dependent covariate），又稱之為隨時間變動的共變數（Time-varying covariate）。
我們想從一個日期/時間點，去截取我們需要的某一個特定單位出來，譬如說我們keyin成年/月/日，但想統計月份出生的次數分配，所以我們只需月的資料。
{{ article.title }}