Stata: 處理Missing Value之二
Stata如何處理Missing value已在上一篇提及，不過如果一次要跑一堆regression，要處理missing value的if判斷式會讓整個語法變得非常長。
regress y a b if !mi(c) & !mi(d)…
Stata: 處理Missing Value之二 Read More »
統計分析
Stata 11 上市了！
今天收到 Stata寄來的廣告信，上面寫著：Stata 11 已經開始販售了，而且7月27號就會開始郵寄！
有什麼新功能呢？處理missing values的常用功能Multiple imputation，現在可以作univariate imputation, multivariate imputation, MI。另外，graph上也支援多種字型與符號，這可讓圖表完全交由Stata處理。
Variable manager看起來也大幅改進，界面有親和力不少！
Factor variable以往跑regression都要先處理interaction，現在有了新方式可以用了。官方的說明如下：「Stata now handles factor (categorical) variables elegantly.…
話說Effect Size
Effect size (效應值) 是比較兩個變數對dependent variable的影響。在OLS regression裡，我們都是看1個unit change會影響多少的dependent variable。但問題來了，如果兩個變數之間，range差異很大，要怎麼比較呢？
拿性伴侶的例子來說好了，在model 4裡，增加一歲會導致增加-.0185個性伴侶，但增加1塊錢的薪水，增加-.0000145人。這時候我們能說年紀比薪水的影響更大嗎？當然不行！
這時候就可以考慮用effect size了。Effect size簡單地說，就是Standardized regression coefficient，也就是如果你將每個變數都standardized之後，再跑OLS regression，得到的就會是effect size。其它同義詞如下：
Standardized regression coefficient = path coefficient = beta weight = effect size
在Stata裡，如果想要看effect size，在regress的指令後面加上, beta就可以了。
…
Stata: 處理Missing Value
不管是什麼樣的資料庫，一定都會有 missing value。處理missing value最常見的方式就是listwise deletion，就是所有值都有的才保留，不符合的就刪掉。當然，處理missing value還有其它方式，像是multiple imputation，不過這不在今天討論的範圍，今天只講listwise deletion，以及該怎麼在stata裡面處理。
Stata version 7及之前版本，missing value只有一個值，就是 .…
Stata: 處理Missing Value Read More »
Stata: (Kuso) 性伴侶人數研究 結果篇
上回這篇Stata: (Kuso) 性伴侶人數研究 帶來不少流量，看來大家都對這檔事滿有興趣的…不過沒人留言要看結果，再加上我快被報告逼瘋了，於是就一拖再拖 @@ Anyway, 跑regression很簡單，接著上次的code，我跑的程式如下，有興趣的自己可以replicate結果：
regress dpartners dmale age dblack dother dincome if (dwidowed!=.)…
Stata: (Kuso) 性伴侶人數研究 結果篇 Read More »