統計分析

Stata: Anova的pairwise comparison 多重比較

在之前的文章提過什麼是多重比較,這是在作完regression或anova之後,針對一個categorical variable進行比較。

舉具體一點的例子來說。如果你有一個categorical variable叫condition,是你的實驗情況。0是對照組,1是實驗1,2是實驗2,3是實驗3。

如果你用anova分析,你會先分析出有組間差異,這是主效應 (main effect)。但是具體是哪兩組之間有差異,還必須進一步作分析才知道。如果你沒有特定的理論依據,來針對哪幾組作比較,那你必須作多重比較 (multiple comparisons) 來知道哪兩組存在差異。

在Stata裡面,作多重比較很容易,只要在跑完anova之後,可以直接用oneway的option來作事後比較

比較迴歸分析模組之間的差異

用迴歸分析的時候 (如果不懂迴歸分析,可參考這裡),一種常見的作法就是同樣的dependent variable,每個模式加一些新的變數下去,這種模式之前也寫過文章介紹,叫作層次迴歸分析 (參考 什麼是層次迴歸分析 (hierarchical regression)?),但可千萬別把這種模式與階層性線性模式搞混 (詳見 什麼是階層線性模式 (hierarchical linear modeling)?

Stata: 計算Intraclass correlation

之前有網友問到在Stata 用HLM時,不知道該怎麼算intraclass correlation。其實之前在這篇文章 Stata: 圖解 xtreg 結果 就已經說過了。

Intraclass correlation 有人翻成級內相關,有人翻成組內相關,在下面我就簡稱 ICC。

ICC 通常是與「組」或是「級」相關的,所以在HLM裡會經常用到。ICC是個數值,代表組間的同質性,所以常用來解釋該組或該級別解釋了多少variance。

在Stata裡,其實很簡單,在跑完分析之後,用estat icc就可以了。

請見下圖,先用webuse productivity 載入資料,再用mixed指令跑HLM。

Icc 1

之後輸入estat icc

Icc 2
這怎麼解讀呢?

region 的random effect 解釋了 15% 的variance,state 與 region 兩者的random effect 解釋了 85% 的variance.…

Scroll to Top
Verified by MonsterInsights