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)會盡量回覆!

貳、調整表格

15、想將設定為『自動調整成內容大小』的表格換成『自動調整成視窗大小』。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

接下來一系列文章想和大家分享平常進行統計數據整理時,在WORD中所使用的小技巧,首先是針對表格的部分,目前筆者使用的Office版本為2013版,因為不同版本會造成部分選項位置的不同,如果有遇到此問題的話,可能要另外google一下,或是在文章下方留下您所遇到的問題。

壹、插入表格

晨晰部落格新站 發表在 痞客邦 留言(1) 人氣()

這是一個企業績效儀表版的範例,從整個色調上來看,以深藍色為基底,給人一種穩定、智慧、可信賴的感覺,在企業績效這種高專業內涵的資訊上,特別合適。

 

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

區別效度分析旨在驗證不同兩個構面相關在統計上是否存在差異,在不同構面的題目應該不具有高度相關,如有高度相關,就表示這些題目是衡量同一件事,同常這會發生在構面的定義有過度重疊的時候(張偉豪,2011)。

最常用來驗證區別效度的方法,應該算是平均變異數萃取法(如下表),因為在進行驗證性因素分析(confirmatory factor analysis, CFA)的同時,即可透過所得到因素間的相關係數,以及透過報告收歛效度(convergent validity)時所得到的平均變異萃取量(average variance extracted, AVE)就能完成下列表格,至於判斷的標準,就是該因素的AVE開根號值要高於所有與該因素的相關係數,以下圖因素B為例,AVE開根號為.78,要高於所有與因素B的相關係數.42.72,則代表有區別效度。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

google表單是很多人拿來製作線上問卷的最佳工具之一,功能齊全又方便。如果你仔細察看下載的回應資料檔,第1欄通常叫作「時間戳記」,記錄每一份問卷提送時間,它的內容包括年月日及時間,是最標準的日期+時間格式。

當你想要統計每天或每週的回應數趨勢,或者想看週一至週日,那一天回收情形較好,「時間戳記」就可以派上用場。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

目前欲作健保資料庫有三種管道,第一種是以國衛院時代的攜出健保資料庫,其資料只到2013年就停止更新了;第二種是衛生福利資料科學中心,俗稱加值中心,資料更新約延遲1.52年左右;第三種是全民健康保險保險人資訊整合應用服務中心,資料更新約延遲1年。最近常聽到一種聲音,就是知名雜誌越來越不願意接受國衛院的攜出健保資料庫,但筆者的實際經驗似乎相左。

因此筆者使用國立成功大學健康資料加值應用研究中心的健保資料庫搜尋網站(https://visualizinghealthdata.idv.tw/?route=article/thesis),搜尋方式為「限定impact factor > 5」(以2016 JCR的分數),結果有743篇(更新時間 : 2018-06-27),其中43篇為於2018年發表,筆者由摘要中找尋「追蹤截止日期」的相關資訊。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

因素分析是在做量表型研究時,最常用來進行效度分析的統計方法,而因素分析又分為探索性因素分析(Exploratory Factor Analysis, EFA)與驗證性因素分析(Confirmatory Factor Analysis, CFA),因此有兩個常被問到的問題,兩者的差別在哪,以及兩者的使用時機為何,兩者的差異在張偉豪與鄭時宜(2012)一書中有清楚的介紹與彙整,因此本篇也截錄一些重點與大家方享。

探索性因素分析被提出的時間早於驗證性因素分析,主要的目的是在探索一組觀察變項中有多少的潛在因素,其流程是先設定一群觀察變項會受到同一個共同因素的影響,計算其共變程度,再來排除掉共變程度後,再尋找下一個可以解釋剩下共變關係的因素,直到所有變異量被解釋完為止(如下圖左半部),此時所萃取因素的個數剛好就是等於觀察變項的總題數,不過由於多數因素能解釋共變的程度不高,因此就會有許多方式來決定因素個數,譬如說下圖右半部採取特徵值大於一的方式來決定,或是用陡坡圖來決定適合的因素個數。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

 

晨晰統計累積多年在滿意度調查上的工作經驗,今年針對全國各地政事務所員工經常舉辦的民眾洽公滿意度,把最常見的題目,整理出二個版本(A版、B版),並把題目內容放上網路,免費提供大家申請使用。

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

Power BI資料視覺化系列5中,介紹了資料表(Tables)的功能,這裏進一步介紹矩陣(Matrixes)。

矩陣與資料表最大的不同,打個比喻:資料表類似原始資料表,每一直欄為一個屬性(或變項),橫列數即為資料筆數,它其實像是原始資料的呈現視窗。而矩陣則類似交叉表,它是某二變項的交叉,細格中呈現的是個數或平均數。

以下圖為例,這是一個展覽活動的遊客資料。左邊為資料表,展示每每個人前來的次數及交通工具,這時你看到的是每一筆原始資料;右邊則是矩陣,它是頻率與交通工具的交叉表,表中的數字是人數,這時你可以看到坐火車前來的225人中,有123人是第1次來。

 

1.jpg

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

資料視覺化原始目的是把成千上萬筆的資料,彙整、計算後呈現在一張圖中,讓我們可以快速看出大小或趨勢關係,獲得資料結果。但是如果我們也想讓使用者同時深入每一筆資料中,細看個案情形,那我們就需要用到矩陣和資料表功能(Tables and matrixes)。

下面是資料表(Tables)的示意圖,我們可以從資料表中細看每一製造商的每一種產品營收,最下方會顯示總和。它有幾個特點:

1.     您可以按一下資料行的標題,切換為遞增或遞減順序,來手動排序每個資料行。è因此可以快速的找到較低或較高的資料

2.     如果資料行的寬度不足以顯示所有內容,請按一下並左右拖曳標題將它展開è讓畫面完整呈現,尤其是在投影簡報或多人討論時,特別有用

3.    如果筆數太多,資料表可以從右方的捲軸,來展示視窗外資料。

 

1.jpg

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