晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

三、SPSS讀取Excel檔：

資料在Exel檔案中建置完成後（此處故意複製一樣的資料填滿），接著使用統計軟體讀取Excel檔，就可以開始進行分析。

（1）首先，資料的第一列必須為變數名稱，因此可以將資料複製到另一張工作表，接著整理成第一列為變數名稱，第二以下為資料。

（2）打開統計軟體SPSS，在工具列中點選「檔案」à「開啟」à「資料」。

（3）檔案類型選擇到Excel檔。

(繼續閱讀...)

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

第一次進行量化研究的人，通常會選擇問卷作為研究工具，透過發放紙本問卷來回收資料，接下來就要進行鍵檔，把手邊的紙本問卷轉成電子化資料檔，以利後續的分析進行。這篇文章將舉例一些常見的題型，介紹如何製作Excel表單及鍵入規則。

本次的示範題目包含基本資料5題，以及焦慮量表7題，格式如下圖，第一部分的基本資料題目中，性別與教育程度為單選題，代表每位受試者只能選擇一個選項，年齡為數字開放題，婚姻狀況亦為單選題，不過第三個選項其他後面附帶文字開放題，最後一題病史為複選題，代表可以選擇2項以上的選項；第二部分為量表題目，量表題型通常會共用一樣的選項，而選項數為3到7個選項不等，最常見為5個選項，選項為程度上的區別。

一、建置Keyin form：

以下為已經建置好的資料表單，建議把資料先鍵置在Excel檔，把握一些原則，每個人都可以快速上手。

（1）資料中每1橫列為1位受試者資料，每1直欄為1個題目或變項。

(繼續閱讀...)

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

報表：

（8）相信第一次在解讀間接效果的報表時，一定非常不習慣，首先在左邊的目錄中選擇「Estimates」à「Matrices」à「Indirect Effect」，此時下方預設為「Estimates」，這裡即是間接效果的估計值，也是我們可以透過「自變項à中介變項」與「中介變項à依變項」的交乘積所計算出來，若想得到標準化的間接效果估計值，則上方必須選到「Standardized Indirect Effect」。

（9）右半部交叉表的間接效果估計值中，上方列是指這條間接路徑的變項為起始點，左方欄是指這條間接路徑的變項為終點，因此.357即是「自變項à中介變項à依變項」的中介效果估計值=.357，搭配步驟10的圖解會更清楚。#這裡出現了一個問題，如果此中介模式裡不止一個中介變項的話，那如何從報表裡判讀間接效果的估計值呢?如果出現這種狀況，軟體是不會區分經過哪一個中介變項，而會把所有關於起點為自變項及終點為依變項的中介路徑，加總成一個總中介效果。

（10）透過圖形，比較清楚步驟9的圖表，指的是哪一條中介路徑，找到了我們想看的間接效果估計值，可以直接鎖定該數值的位置，以下進入拔靴法的結果時，係數的位置都是固定的。

（11）正式進入拔靴法的解讀，接下來目錄上方接維持在「Estimates」à「Matrices」à「Indirect Effect」，下方則點選到「Bootstrap standard errors」，還記得在步驟7選擇不偏估計校正估計標準誤嗎，這裡即為標準誤的估計結果，通常表格有時會需要呈現標準誤的結果，所以這邊需要留意一下。

(繼續閱讀...)

晨晰部落格新站 發表在 痞客邦 留言(2) 人氣()

傳統的中介迴歸，是採用迴歸分析，透過Baron and Kenny（1986）提出的四個條件進行檢驗，包含：（條件1）自變項需能影響中介變項；（條件2）自變項需能影響依變項；（條件3）在自變項與中介變項聯合影響依變項之下，中介變項的影響效果要達顯著；（條件4）當放入中介變項時，自變項影響依變項的迴歸係數需要降低，為了檢驗此四個條件，在迴歸分析中必須分別進行建立三個迴歸模型分別說明條件的成立與否。但在結構方程模式中只會建立一個中介模型，因此較不適合透過上述四個條件來說明中介結果，取而代之的是，直接利用拔靴法(Bootstrap法)對於中介路徑的效果進行估計及檢驗，所謂的中介路徑，指的是兩條路徑的串聯，包含自變項影響中介變項的路徑，以及中介變項影響依變項的路徑，而中介效果（亦或稱間接效果）即是這兩條路徑係數的相乘積，最後利用拔靴法(Bootstrap法)對相乘積求得信賴區間，以檢驗中介效果的成立與否。

為了方便理解，這次範例為最基礎的中介模型，包含三個潛在因素（一個自變項、一個中介變項、一個依變項），這三個潛在因素各包含4個觀察變項，首先要繪製完結構方程圖形，並完成模式的修正，以達到模式的良好配適及收歛效度，即可開始檢驗中介效果，操作說明如下。

操作：

（1）先在AMOS裡繪製結構方程圖形。

（2）檢驗模式配適度，若配適度不佳，則先進行模式修正，直到達到可接受的適配標準。

(繼續閱讀...)

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

一、前言

在醫療研究領域中，許多重要的問題與事件（如中風、癌症復發、死亡）都與「時間」息息相關。傳統的 Cox 比例風險模型（Cox Proportional Hazards Model）假設暴露變項於追蹤期間維持不變，然而，現實中許多情境（如藥物使用、環境暴露）其實會隨時間變動。這時，便需使用「時間相依（time-dependent）」的存活分析方法，以避免錯誤推論。

本文將介紹一個實際案例，說明如何使用 R 語言進行時間相依 Cox 模型分析，並以生物製劑對帶狀皰疹（Herpes Zoster）風險的影響為例，帶領讀者從資料準備到分析建模，完整呈現流程與關鍵語法。

二、研究設計與資料結構

1. 資料來源與型態

(繼續閱讀...)

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

若是透過SPSS軟體進行調節分析，現階段最受歡迎的就是使用巨集Marco: PROCESS，甚至客戶每次來就直接指定說：我要跑PROESS，儼然成為中介分析的代名詞，過去文章在進行詹森內曼法的教學時（2017年），已經有提到關於PROCESS的安裝方式，過了這麼多年，才發現不但安裝的選單變了，就連下載的位置也變了，所以更新安裝說明，方便大家使用。

前陣子有分享「曼－惠特尼U考驗」（Mann-Whitney U-test），這是無母數分析最常使用的兩組獨立樣本檢定，每當檢定結果達顯著水準時，此時問題就來了，該如何去判斷兩組的高低呢?，如果用平均數似乎也有點奇怪，畢竟是放棄了平均數比較法而採用無母數分析，由於是比較兩組的分布，因此以四分位數的Q1 & Q3進行判斷最為合理，不過有時候仍會出現兩群擁有相同的四分數位，那就尷尬了，因此這裡要介紹另一種無母數的兩組比較-中位數檢定，和獨立樣本t檢定以平均數作為比較基準一樣，在中位數檢定即是以中位數進行分組，再比較兩群體在中位數之上或下的比例是否存在差異，其原理是以交叉表的卡方檢定進行分析。

一、下載檔案：

（1）在google搜尋「PROCESS」，不過為了更快找到，習慣上會多加SPSS。

（2）找到PROCESS的網站「The PROCESS macro for SPSS, SAS, and R - PROCESS」。

(繼續閱讀...)

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()

近年來關於準實驗設計的研究，大多數都會採用廣義估計方程來分析研究結果，這部分在過去文章有過詳細教學，最後是透過交互作用項的顯著性作為介入成效的判斷依據，其方式是去比較兩組的前後測改變量，因此若我們想要根據這個結果去計算效果量，只需要準備各組別在改變量的平均數即標準差即可，無論是多組別或多個測驗時間點都可以執行，不過由於進行廣義估計方程GEE所使用的資料為長資料格式，但進行改變量的計算需要使用短資料格式，因此先進行長短資料格式的轉向，這部分的操作可先參考過去文章。（https://dasanlin888.pixnet.net/blog/post/323995298）

轉完後的資料如下圖所示，在此示範資料中，組別分別有實驗組(1)與對照組(0)，前後測知識得分為配對資料。

一、先計算變項的改變量：

（1）點選「轉換」à「計算變數」。

（2）在目標變數裡輸入「改變量」，如有多個變項要計算效果量，改變量的名稱可再命名的更仔細些，譬如：知識改變量。

(繼續閱讀...)

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()