公告版位
- May 06 Fri 2022 08:58
R 資料的魔法師-Tidyverse (1)
- Apr 25 Mon 2022 08:55
Stock Buyer介紹:您的選股好夥伴
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。
- Apr 18 Mon 2022 08:57
R: tableone-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。
- Apr 11 Mon 2022 08:50
在文章中如何引用SPSS與AMOS
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
- Mar 28 Mon 2022 08:58
Group-based trajectory model介紹(下,共2篇)-晨晰統計林星帆顧問整理
- Mar 21 Mon 2022 08:56
Group-based trajectory model介紹(上,共2篇) -晨晰統計林星帆顧問整理
在臨床研究中常見重複測量的資料,或稱為縱貫資料(longitudinal data),而用來分析縱貫資料的分析方法有許多種,當代主流的分析方法有(1)混合模式(Mixed model)或稱為隨機效果模型(Random effect model)/多層次模型(Multilevel model)以及(2)廣義估計方程式(Generalized estimating equation; GEE),此兩種分析方法在過去晨晰統計部落格已有許多介紹,有興趣的讀者可以搜尋相關文章。
一、使用 GBTM 的時機
- Mar 11 Fri 2022 09:01
缺乏美感的你,如何快速做出精美POWER BI圖表??
- Mar 07 Mon 2022 09:04
護理領域還有什麼統計方法可以做??不如試試用AMOS做結構方程SEM
每當評估一個新的案件,當然是直接翻到第三章的研究方法,除了看看研究架構與假設之外,還要看一下使用的統計方法,關於護理領域的研究,根據多年的經驗,主要的設計有兩種,一種是實驗研究,近期最多人使用的,就是利用廣義估計方程(Generalized estimating equation, GEE)探討介入的效果,另一種是關聯性研究,瞭解變項之間的關係,統計方法不外乎就是卡方、獨立t、ANOVA,最後再迴歸分析為主軸作為收尾,固定的統計方法卻能讓論文一直不斷被產出,除了因為樣本的多樣性與特殊性之外,另一個極大的優勢,就是有非常多已經發展具有信效度的研究量表,這將為護理研究人員省下許多的時間與精力。
如果您對於上述的統計方法都做到膩了,不如嘗試比較進階一點的結構方程模式(structural equation modeling, SEM),這裡講的是較進階,並不是較新,畢竟結構方程SEM算是比較有資歷的統計方法了,您或許會有疑問,為什麼沒聽過,這也是我的疑問,因為我也很少遇到護理研究有使用,所以推薦給你們,另外搭配軟體AMOS,您一定會很意外,這好像也沒有很困難。
- Feb 21 Mon 2022 08:56
複選題的資料處理及分析(三)
- Feb 14 Mon 2022 09:51
複選題的資料處理及分析(二)