利用Dropbox同步檔案
我最近寫的東西，都比較偏向作研究會用到的知識與軟體，一般性的軟體我已經較少介紹，因為我覺得大家可以在其它地方得到相關知識。然而，我發現很多研究生/老師，並沒有閱讀科技部落格的習慣，有很多好用的工具都不知道，或是知道這些工具，但是不知道如何使用在與研究的相關事情上，讓自己的生活便利一點。
而好用的免費軟體中，Dropbox是我目前所離不開的之一。
註冊網址：http://db.tt/MXmCxzqy…
May 2012
Stata: 時間變數處理
其實不管是資料庫或是統計資料，只要碰到時間變數，就要小心處理，免得因為coding錯誤造成資料不正確或格式不一致。
產生時間變數
在轉換成時間變數之前，變數通常是用兩種方式儲存的：一種是字串，一種是數字。字串就如同是：1 Jan 1960，變數就如同是：17869這樣的數字。這兩種格式都可以轉換成時間變數。
字串
如果是像1 Jan 1960 的string variable，你要轉換的方式是：
gen 新變數 = date(舊變數, "DMY”)
完成之後，你會發現新的變數的值是數字，像是0, 1046這樣的值。這是因為這個值是與1 Jan 1960 相比較所得的值，正值代表在這個時間之後幾天，負值代表在這個時間之前幾天。這種格式在許多資料庫都很普遍，毋需驚訝，只要再一步驟轉換即可。
數字
如果你的日期是與1 Jan 1960 所比較的值，只需要再一步，就可以轉換成可讀的格式了。轉換的語法如下：
簡單版：
format 新變數 %d
複雜版：
format %tdnn/dd/CCYY 新變數 <br />
至於要選哪一種，就看你看哪一種順眼了。
日期比較
一旦轉換到日期格式，就可以進行比較了。如果你要看兩個日期之間差幾天，就只要把兩個日期相減就行了。
日期加減
日期加減也是一樣，直接在原本的日期加減天數，這還是日期格式。
日期與特定日期加減
如果你想要你的日期與特定的日期加減，如1 Jan 2000，那這稍稍麻煩一點。
gen 新變數 = (mdy(1,1,2000) - 舊變數)
上面的語法就可以得知你的舊變數與1 Jan 2000相差幾天。如果你的舊變數是生日，你可以除以365.25來得知在當天幾歲。
參考資源
Using dates in Stata http://www.ats.ucla.edu/stat/stata/modules/dates.htm…
什麼是存活分析？ (What is survival analysis?) 之二
接下來的問題是：有了這些資料，該怎麼分析呢？
你可能會想兩種方式：1) multiple regression; 2) logistic regression
Multiple regression
如果考慮用multiple regression，那最大的問題就是right censored，這些人婚姻狀況仍在持續進行中，是因為不繼續搜集資料了，才無法追蹤他們的婚姻狀況。對於這些人，你應該怎麼處理？不論是直接刪除這些資料，或是將這些人的值設為全體的平均值，都不是合理的處理方式。
另外，如果一個人有多段婚姻，multiple regression也不能正確估算每個人的背景對婚姻的影響。
Logistic regression
如果考慮用logistic regression，那所看的問題就不是長度，而是婚姻是否持續。但這樣作並沒有考慮到時間的長度，只能考慮如下的問題：黑人的離婚率是否比白人高？但就算不分析，你也可以想到：離婚率與婚姻長度可能有關係。如果你只看離婚率，而不看婚姻長度，對於「黑人的婚姻是否比白人婚姻持續更久」這樣的問題，估算就會有誤。
所以看到這裡，大概就知道存活分析(survival analysis)的使用時機。使用時機是：你多次觀察受試者，觀察受試者是否在某一個狀態 (比如：婚姻持續中或離婚；生存或死亡；通過英文檢定考試或未通過)。所以你的dependent variable，可以說是時間的長度，也可以說是狀態是否改變。
存活分析就是讓你更準確估計：某些因素(如：種族、社經地位)是否影響到某一狀態 (婚姻的長度) 的長度與發生機率。注意：你的資料必須是一個人觀察了多次，才適合使用這種方法。…
什麼是存活分析？ (What is survival analysis?) 之一
每學一個統計方法，你都要先問自己：我為什麼要學新的方法？這方法能解決什麼樣的問題？要什麼時候用這個方法？透過這樣的學習，你才會知道什麼時候該用什麼方法。
所以先來情境假想：
一對夫妻，平均結婚多久？
這問題你可以從問卷來看：透過問卷詢問：你結婚多久了？
然而，這樣作的問題非常明顯：你詢問的時候，一對夫妻可能剛結婚，一對夫妻可能結婚了40年，但仍在婚姻狀態。你問到的「結婚多久」，不能完全反應他們結婚的長度。另外，如果有人有多次婚姻，你如何估算呢？
那多次作問卷有助於解決這個問題嗎？當然有，問題是：作了多次問卷，該怎麼分析呢？
你可能會得到下面的結果：第一個人結婚15年，第二個人有兩段婚姻，第一段有6年，第二段有13年。第三個人結了15年，諸如此類的。
你會遇到幾種情形：
1) 結婚的期間完全在觀察範圍之內 (也就是在觀察期時開始與結束)，這種資料稱作no censoring。
2) 你在開始搜集資料前，他們以前結婚了。這種資料叫作 left censoring。
3) 還有一種情形，像上圖第10個人的第二段，在結束搜集資料前，他的婚姻仍持續著，尚未結束。這種情況叫right censoring。
你可能會想：那到底什麼叫作censoring？你可以把它想成是代表missing data，no censoring就代表沒有missing data，left censoring就代表沒有左側資料，right censoring就代表沒有右側資料。
相關閱讀
存活分析（Survival analysis）介紹－Ⅰ~晨晰統計林星帆顧問整理：http://tw.myblog.yahoo.com/da_sanlin/article?mid=1748…
Stata: 設定記憶體大小
設定Stata的記憶體是適合Stata11以前的版本。Sata 12已經可以自動設定記憶體大小了。
在Stata裡，有時候沒有設定足夠的大小，就會出現莫明其妙的錯誤，有時候告訴你是memory問題，有時候告訴你是no room。
反正，遇到奇怪的問題時，特別是單獨跑一個code可以，但很多個models跑起來就存不起來的問題，通常是記憶體大小不夠。
要設定記憶體，要先把資料清掉。
clear <br />set memory 100m, perm
perm 這個option是將這個記憶體設定選項永久存起來，只要設定一次就可以了。
建議一開始用Stata，就設定足夠的記憶體，免得以後出問題的時候，找半天找不到。…
