晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

本次企畫的兩個問題

Q1:現在的大環境下，您預計生幾個小孩呢?(1.不生 2.1個 3.2個以上)

目前為止我們已經知道要如何輸入資料，接著我們就要以SPSS為例，讓大家知道如何在SPSS裡頭分析time-dependent covariate的Cox regression。

我們延續之前另外一個例子，即心房性頻脈的負荷（Burden of atrial tachyarrhythmia, AT burden）與中風（Stroke）的關係之研究，在這個研究中，當病人首次安裝心跳節律器（Pacemaker, PM）之後，每一年測量一次病人在這一年之間發生心房性頻脈的時間，因此如果病人的追蹤期有幾年就會有幾筆的資料。

之前我們已經介紹time-dependent covariate的使用時機，現在我們就開始示範資料的輸入方式，仍以CABG手術為例子。

圖2列出四位病人的資料輸入方式，可以注意到第一位病人的資料筆數有兩筆，第一筆資料是從CABG術後（1月）到發生BSI日期（2月），第二筆資料是從發生BSI日期（2月）到病人死亡日期（5月）。首先，先關注第一筆資料，由於第一筆資料的「終點」是發生BSI的2月，因此在這一筆資料上面所輸入的變項應該要算是「起點」的變項，也就是CABG術後（1月）時的變項，既然如此，由於第一筆資料尚未發生BSI感染，因此BSI這個變項就要輸入「0」，因為病人沒有死亡因此Death也為「0」；到了第二筆資料時，病人有發生BSI感染了，而且病人最後死亡，因此BSI輸入「1」且Death也為「1」。此時我們可注意到，BSI這個變項是自變項，但是它在兩筆資料的數值是會改變的（第一次是0，第二次是1），因此這就算一種「time-dependent covariate」的形式。

週六晚上幫寶寶換完尿布後，覺得好累（心情上），突然想起冰箱裏還有一罐啤酒，二話不說，馬上開起來喝。在夏天悶熱的晚上，尤其累了一天之後，喝著冰啤酒，看著小朋友在身上亂爬，真是人生一大享受與成就。

上次有兩個議題帶給大家，大家是否覺得新鮮有趣呢?這次又調查兩個新議題囉，也給大家參考參考。

（二）建置模式

1.選擇固定效果。

這是一個簡單的小企畫，我們生活中常常會遇到一些讓我們猶豫的小問題，像是「去國中同學婚禮要包多少禮金」之類的，這些問題我們自己會有初始的想法，這是第一張嘴，然後我們會問問周邊的家人朋友，這是第二張嘴，但有時候我們會想了解其他人，其他與自己群體更不同的人會有啥看法，這是第三張嘴。因此晨晰組了一個「小的群體」，這個群體包含不同年齡層與背景的人，然後我們可以問問他們的看法，並且進一步做點簡單的分析，希望可以幫助我們對這些生活上小事情的判斷產生更全面的建議。

前陣子有客戶詢問關於HLM的操作分析，一般在跑HLM的研究都會使用HLM的軟體，當然，我本來也打算以HLM的軟體來教他，不過我想大部分的研究者和我的客戶一樣並沒有HLM的軟體，那麼該怎麼辦呢？此時客戶提出：「不能使用SPSS嗎？」。SPSS在15版之後裡已加入HLM分析，不過個人認為點選介面不太好理解，因此一直沒主動去摸索，也藉此機會逼自己瞭解一下，並將操作過程與心得記錄下來與各位分享心得。

在學習操作前，建議是要稍微瞭解HLM的基礎原理，因此若還沒接觸過HLM的讀者，建議先讀過我們部落格康顧問所寫的3篇文章：HLM學習心得分享1~3。

大家是否記得之前有提到說若Kruskal-Wallis分析達顯著時，要進一步做事後比較呢?當時有跟各位提到可參考Elliott and Hynan（2011）所提供的SAS巨集來分析，因此這篇主要針對此巨集來做介紹。

先介紹這次分析用到的例子，這次主要想要瞭解不同術後類型（type）的病患在預後（outcome）恢復的情形是否有差異，患者術後類型變數分成「無感染（0）」、「血液感染（1）」、「懷疑感染（2）」，是一個類別變項；至於預後情形分為五個等級（1~5分），預後情形為順序變項，1分最差，5分最佳。

智慧型手機大戰早已經白熱化，每年都有好多新款超炫手機上市，令人眼花撩亂，我這個摩登原始人上次去辦手機續約時，幾乎找不到非智慧型手機，讓我有了警訊，再不好好研究一下智慧型手機市場，以後連出門都難，只能去公園跟阿公一起打太極了。

有了這個想法，我就鎖定三款近來最熱門的手機先來look look，Iphone 5、Galaxy Note 2、HTC 蝴蝶機，每款手機我都隨機上網瀏覽15個部落格（共45個部落格），這些部落格文章都對這些手機有詳細的介紹與批評，我一邊看一邊作了點統計記錄，在下面分享給大家，如果你已經是手機達人了，這些資訊對你沒啥用，如果你跟我一樣是智慧手機新鮮人，倒是可以閱讀一下，幫助自己在選擇時多點意見。