晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

近來流行將數據視覺化，方便觀眾對數據結果可以快速掌握，尤其現代資訊充斥，各方都在搶觀眾眼球，誰能抓住觀眾目光，又能在第一時間讓人一目瞭然，才是成功的promote。

而滿意度調查報告也不例外，千言萬語不如一張圖表，比起大堆頭的厚厚表格、數字，不如一、二張精彩、生動、又讓人無限瑕想的統計圖，來得豐富、自然又蘊藏許多想像空間。

插補遺漏資料值（multiple imputation）－結果

（15）「插補模式」

插補遺漏資料值（multiple imputation）－操作

（1）點選「多重插補（multiple imputation）」→「插補遺漏資料值」

多重插補法（multiple imputation）可以說是以模型基礎法來插補的延伸，是屬於利用迴歸模式進行插補的一種方法，由於該方式是從預測值的合理分配中隨機抽取數個數值進行插補，因此稱之為多重插補，此一方法可適用於縱貫性資料或單一觀察資料，也可處理多變量資料結構。

目前多重插補法主要的演算法分為（1）最大期望值法（expectation maximization, EM）與（2）馬可夫鏈蒙地卡羅法（Markov Chain Monte Carlo, MCMC），而SPSS軟體中所提供的演算法即為後者，是透過貝氏定理的方法，以先驗機率分析資料，再以條件後驗分配進行重覆抽樣，直至近似分配收歛至目標分配為止。

筆者曾在2015年9月9日分享一篇『SPSS資料處理-置換遺漏值（Replace Missing Value）』，但這種尋找單一數值作為替代的方式，較無法反映受訪者的變異性，進而造成變異量的低估。

資料的遺漏型態，可以分成完全隨機遺漏（Missing Completely at Random, MCAR）、隨機性遺漏（Missing at Random, MAR）與非隨機性遺漏（not missing at Random, NMAR），當資料屬於隨機性遺漏（Missing at Random, MAR）與非隨機性遺漏（not missing at Random, NMAR）時，資料插補的方法將對於結果產生較大的影響。此時若可以採用以模式為基礎的方法來進行插補（本篇將介紹EM插補法，expectation maximization），即使遺漏值的分布並非完全隨機遺漏（MCAR），也可透過最大概似法（Maximum likelihood method）求得具有一致性（consist）及有效率（efficient）的估計值進行插補。

最近因政府帶頭召開，年金改革的議題炒得很熱。由於歷史因素，各人身處職業不同、年資不同，經歷年代也不一樣，所以每個人注意的點都不一樣。只是，各種退休基金愈來愈不夠用是事實，無論開源或節流，總是要改變，大家不接受也不行了。

筆者年逾45，工作已超過20年，累積相當的年資；但離法律退休年齡65，卻還有20年。在這個工作生涯的中點，不禁開始思考退休準備。個人目前除了國家法定的勞保、勞退外，平常從事定期定額的基金投資，自己的第一棟房子頭款就是這樣來的。

在2015年時筆者曾經寫過「寫好Meta-analysis文章的第一堂課：PRISMA檢核表」（網址：http://goo.gl/my89kO），接著這篇文章來介紹在執行Meta-analysis時有哪些必要的程序，以及簡略地介紹這些程序。補充說明，以下程序是筆者從事多篇meta-analysis後的個人經驗分享，並沒有特別的文獻佐證。

筆者將Meta-analysis的執行按照順序分成五大區塊，分別為一、文獻搜尋（Literature search）、二、研究品質評估（Quality of study）、三、資料萃取（Data extraction）、四、統計分析（Statistical analysis）以及五、出版偏差（Publication bias），以下分別介紹每個區塊的內容。

前次筆者已用SNA來展示台灣健保資料庫研究發表文章數目熱絡狀況(註)，其實NodeXL的社會網絡分析中除了圖形展示外，它也有量化的部分，依照頂點（Vertices）的屬性，可以計算出一些指標metrics。這裏仍沿用上一例子介紹Degree及Betweenness Centrality二種指標。

筆者前一陣子寫了一篇文章（社會網絡分析工具—從群眾募資案的分析談起），大力推薦NodeXL，可以收集FB、Twitter、Flickr、Youtobe等社群網路的朋友、網友或跟隨者的行為資料。

               上述只是該模版的特殊應用，已經令人驚艷，但還有更炫的，它還可以分析你的email來往狀況。選擇Analyze all emails全部下載，它會自動從你的outlook載入所有的email。

               前一陣子接觸到一個研究很有趣~~群眾募資專案的成功因素。該研究者所參考一篇文獻（How can social enterprises develop successful crowdfunding campaigns? An empirical analysis on Italian context），作者Bernardo Balboni等三人提及，義大利的群募非常盛行，在2013年十月時，有15個活躍的募資平台（CrowdFunding platforms；CF），平台上所進行的群募專案，分為三大類：獎勵為主（Reward-based，完成時會獲得獎勵，如產品、服務）、捐贈為主（Donation-based，完成時會獲得股權）、社會貸款（Social Lending，完成時會收到本息）。各類群募案的個數、成功率及金額如下表。

RFM分析指的是，以Rencency、Frequency、Monetary來預測客戶的再購。

Recency   最近一次消費日期

筆者曾在另一篇文章示範利用PowerMap及開放資料畫出「臺北市登記工廠分佈圖」，使用的是點狀圖與熱圖。如果我們想在這圖上再放進人口分佈，來看看工廠是否分佈在人口密集地區的話，那麼就要利用到圖層套疊的技術，這在傳統地理空間統計是常用的技術，但在PowerMap上同樣可以作到，而且更簡單。

圖層套疊在一般地圖軟體上，最怕碰到一個問題，就是座標系統不同。筆者曾經從台北市與新北市的開放資料平台分別下載各里圖層，結果一套疊，台北市會整個向左平移一點，以致二市有部分里是重疊的，造成筆者很大困擾。

最近接到幾位網友來信，對於筆者去年幾篇關於空間統計軟體GeoDa的文章頗感興趣，來信要地理形狀檔。對於能幫到他們的忙，本身也很開心。

最近有一個關於Google併購了Skybox這家公司的新聞，Skybox是專做衛星影像業務的公司，其過人之處在於製造與發射全球最小的高分辨率成像衛星，可提供次米級(sub-meter)精準度的圖像，以及來自衛星網路的90秒影片。

（4）勾選「主觀察值的指標(I)」，並選擇下方的「以各群組中的第一個觀察值為主(H)」，名稱改為「第一筆資料」，之後資料即將新增一個欄位名叫「第一筆資料」，且若該筆資料為受訪對象的第一筆資料時，該欄位的數值為「1」，其他則皆為「0」；反之，若選擇上方的「以各群組中的最後觀察值為主(L)」，名稱改為「最後一筆資料」之後資料即將新增一個欄位名叫「最後一筆資料」，且若該筆資料為受訪對象的最後一筆資料時，該欄位的數值為「1」，其他則皆為「0」。

（5）勾選「各群組中的相符觀察值循序個數」，名稱改為「次數」，之後資料即將新增一個欄位名叫「次數」，該欄位的數值即呈現該受試者的第幾次資料。

由於最近常在處理有關於資料處理的問題，小編這邊學到兩個還蠻好用的功能分享給大家：（1）為每一列的資料增加辨識碼，相當於流水號；（2）針對相同流水號（同一個人）的資料，再增加一欄辨識碼，相當於該列資料為該研究對象的第幾次資料。

一、增加流水號

二、隨機抽取樣本

（1）點選「資料」→「選擇觀察值」

通常資料鍵檔、清理及編碼完之後，就會開始進行分析!!不過有時候就得先去篩選樣本後再來進行分析，通常會發生在（1）選擇特定樣本，譬如說只分析男生，或只分析學歷在大專以上的對象；（2）針對所有樣本隨機抽取選需的份數。

情況一的部分，主要是研究者欲針對特定對象來進行統計分析，因此會在分析之前以滿足調件的方式，去篩選出特定樣本；情況二的部分則常發生在研究者僅作一次收案，但又要進行預試分析，因此針對所有資料抽取出一小部分的樣本來進行預試分析，再用剩下的資料進行正試分析。

前一篇提到，擷取到了鉅量的文字，這是一個巨大的寶藏，當然要用力挖掘。但是要怎麼挖呢？總不能用手（人工）吧！那要挖到民國幾年？介紹大家二個工具。