晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

前陣子有客戶收到審查意見，因為客戶的研究屬於RCT，是利用廣義估計方程GEE檢驗其介入效果，委員要求在報告中提供標準畫係數，作為檢驗結果的效果量，用SPSS跑過GEE就會知道，在GEE的參數估計表格中，並不像迴歸分析提供了標準化係數，因此我們必須另外先對原始資料做處理，想到了嗎?沒錯，就是要先對變項進行標準化的動作，關於變項的標準化，可以參考之前的文章。

當我們收集完資料並完成建檔後，在分析之前，一定要確實做到檢查的工作，檢查的重點，包含了數值的合理性，以及變數的遺漏狀況。我們用的分析方法，是最簡單及最常見的次數分配與描述性統計量，沒錯，只要分析有做到敘述統計的話，大致上都能檢查到資料的問題，下面我們將這些問題整理出來。

利用敘述統計探視變數的遺漏狀態：

當我們收集完資料並完成建檔後，在分析之前，一定要確實做到檢查的工作，檢查的重點，包含了數值的合理性，以及變數的遺漏狀況。我們用的分析方法，是最簡單及最常見的次數分配與描述性統計量，沒錯，只要分析有做到敘述統計的話，大致上都能檢查到資料的問題，下面我們將這些問題整理出來。

利用次數分配找到輸入錯誤的變數：

支持向量機（Support Vector Machine，SVM）是一種常見的機器學習演算法，主要用於監督式學習的二元分類問題。關於監督式學習是甚麼東西，可參考筆者過去寫的文章說明(https://reurl.cc/jDk4QD)，SVM的基本想法是在數據點之間找到一條最優的超平面，如圖表 1的黃線，將不同類別的數據點分開，以達到分類的目的。

多數論文的研究問題，都會討論到變項之間的影響或預測，此時會利用迴歸模型，分析多個自變項（X）對於依變項（Y）的預測結果，除了知道每個自變項（X）對於依變項（Y）的影預測是否顯著之外，還可以知道其預測的方向性及強度，最後，我們可以根據此迴歸結果，建立迴歸預測的方程式，針對後續新進的樣本，可以迴歸方程式中需要的自變項代入，用來得到依變項（Y）的預測結果。

本篇文章準備了示範資料，樣本數為140人，共包括了5個自變項（X）與依變項（Y）-睡眠品質分數，分數越高，代表睡眠困擾越嚴重，5個自變項（X）介紹如下。