晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

三、Methods（Item no. 4-9）

第二個部分是方法，多達 9 項（4-12），是 TRIPOD 最主要的內容，所以筆者分成兩篇撰述，以下分別解釋。

現今的醫學研究在投稿時，雜誌社往往會要求檢附報告指引（Reporting guideline）的檢核表，主要是為了讓研究人員自我審視關於研究執行與報告的細節，是否符合規範。關於報告指引，筆者在過去曾經寫過綜合的介紹（https://reurl.cc/NpEade）、針對統合分析的 PRISMA checklist（https://reurl.cc/ZrznkA）以及針對例行性收集資料的 RECORD checklist（https://reurl.cc/Kpv6W9以及https://reurl.cc/oeqDMv）。

本篇文章主要欲介紹「TRIPOD statement」，為 Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis 的縮寫，是針對「多變項預測模型」的報告指引。跟其他報告指引一樣，「TRIPOD statement」有完整的發展歷程以及持續更新，可至官方網站下載最新文章與勘誤表等資訊（https://www.tripod-statement.org/）。

值得注意的是，報表最下方有兩個「BIC」，要以第二個為主（N= 1063），數值是「-13285.31」。

接著執行三組皆為線性的組合「1 1 1」，只要將程式些微修改成『ngroups 3 ; order 1 1 1』即可。此時報表第二個 BIC 數值為「-13235.15」，我們用比較複雜模型「1 1 1」減掉比較簡單模型「1 1」的數值，然後再乘以兩倍，亦即 [-13235.15 – (-13285.31)] x 2， 結果是正的「100.32」，這代表有非常強烈的證據顯示此時的複雜模型「1 1 1」的配適結果比較好。

筆者在之前介紹了Group-based trajectory model（GBTM）的概念，本系列文章以 Bobby Jones 撰寫的 SAS 程式「Proc TRAJ」為例，以一個實際已發表的例子來示範操作流程。Bobby Jones 有固定在更新及維護這個程式，可至此網址下載最新程式以及參考說明（https://www.andrew.cmu.edu/user/bjones/）。

首先至網頁的「SAS download」頁面，根據作業系統與 SAS 版本下載程式的壓縮檔，根據網頁中的指示，將「traj.dll」放到作業系統（通常是 C 槽）的「sasexe」資料夾，以及其他檔案（dropoutplot、trajplot、trajplotnew、trajtest）放到「sasmacro」的資料夾。以我的電腦路徑為例，是C:\Program Files\SASHome\SASFoundation\9.4\core\sasmacro以及C:\Program Files\SASHome\SASFoundation\9.4\core\sasexe。

筆者之前有寫一篇關於Tidyverse的介紹，” R 資料的魔法師-Tidyverse (1)”，已經介紹了Tidyverse裡常用的package，包含readr、tidyr、Tibble、dplyr的使用，接下來筆者會針對剩下常用的package作介紹(如下圖所示)。

在資料科學的領域中，資料的處理大致是下圖的流程，從匯入資料、資料前處理(Tidy、Transform)、資料的探勘(視覺化:visualise、建模:model)、數據呈現。

一   緣起:

筆者最近跟公司同事一起開發了一個網站 ”Stock buyer”，顧名思義，就是用來股票買賣的參考工具，有鑑於台股總開戶的人數從過去2015年961萬人到2020年1,124萬人，每一年新開戶的人數逐年的快速增加，特別是近幾年，每年都以一倍的人數增長，特別是20-30歲的年輕人增長的比率最快，剛好也是筆者這個年齡層。坊間也許多手機的app可供查詢股票合理價格，但鮮少有網頁版本可用，因此筆者跟同事們從台灣證券交易所、公開資訊觀測站透過Python去爬蟲所需的資料，加以整理與應用，開發了目前的”Stock buyer”網站version 1。

在做研究的過程中，最重要的就是如何透過表格以及圖形呈現重要的研究結果發現，在醫學研究的論文中，一般而言，表一(Table 1)都會先呈現研究族群的基本資料，因為大多數的研究幾乎都會需要表一，但如果是人工把分析的數字貼到word上再加以整理，難免會有貼錯的狀況，如果表格內容較多的時候可能一眼也不容易檢查出來，這樣會造成一些不必要的錯誤。

所幸有厲害的開發者Kazuki Yoshida在R上面開發了一個package “tableone”，讓使用者可以快速的製作表一而不出錯，tableone可以應付常見的表一分析，筆者這次先示範產生不分組描述性統計的結果，之後會再針對分組比較的分析做進一步的說明跟示範。

當研究所寫的文章是要用來投稿時，除了需要提到所使用的軟體以外，另外也要針對軟體的部分加以說明，包含軟體的版本，發行時間，機構名稱，以及城市/國家，因為最近剛好遇到客戶有這方面的需求，所使用的軟體為SPSS與AMOS，我想大家的版本應該都有所不同，因此搜集了一下資料，分享給大家做使用。

首先是SPSS的部分，由於SPSS在2009年時被IBM收購，因此在這之前與之後就會出現兩種格式的分水嶺，在收購前的18版本以前，屬於SPSS公司發行，而19版之後，則是IBM公司發行，以下是IBM官網中所提供引用寫法