這是一個冷門的錯誤訊息，遇到的機會不太多，不過我偏偏就是遇到了。不管我跑簡單的指令像：mean A, over(B) 或是一般的 regress A B，都會出現這個錯誤的訊息，原來是 server 上的 Stata update 了，可是 update 不完全。
解決方式：
update all <br />update swap
理論上不用重開 Stata 與主機，不過如果都不行的話，就重開吧！
參考資料：
http://www.stata.com/statalist/archive/2010-06/msg00968.html…
Stata: 如何解決c(showbaselevels) undefined 錯誤 Read More »
最近副業作太兇了，所以來寫一篇文章重申一下我的本業。
這學期在 TA 博士班的統計課，這門課我聽了三遍了，每次聽都有新的收獲，我把我自己的想法寫下來，歡迎各位先進指教。
我每過一陣子就會遇到下面的情形：有人拿著他的資料來找我，花了很多解釋他的資料是長什麼樣子的，問我應該要怎麼分析。
遇到這種情形，我通常會問：你的研究問題是什麼？有什麼理論根據？不過似乎很多人對這樣的回答挺不滿意的，因為這回答並沒有解決他們的問題。但這樣的情形我也愛莫能助，因為有太多的分析方式了。
拿下面的資料作例子，我們來討論討論。如果我們有一個 longitudinal 的資料，追踨了18年，從0歲到18歲。我們最有興趣看的是學習成就與家庭年收入之間的關係，其它相關變數已經列入考量，就不再討論。
|
年 |
0 | 1 | 2 | 3 | … | 18 |
|
學習成就 |
||||||
|
家庭收入 |
在這種情形下，你要怎麼分析？如果你不思考這兩種之間的關係，不考慮文獻，只是思考兩者之間是否有因果關係，那有很多種方式。上課的學生就列出了不少。
1.…
寫了這麼多關於因素分析的文章 (詳見統計觀念整理) ，接下來當然就是在 Stata 上實作因素分析了。Stata 的 factor 指令就是作探索性因素分析的，如果要作驗證性因素分析，Stata 沒有內建功能，要另外安裝 cfa 這個套件才行。
factor 這個指令提供幾種因素分析的方式，包括：pf, pcf, ipf, 與 ml。ML 的優點可參考探索性因素分析的設計與使用 (一)。
pcf (principal-component factor) 通常使用在你想要儘可能地在一個 dimension 上解釋 items 的 variance。如果你覺得這些 items 都是 load 在同一個因素上，那 pcf 是你應該使用的。相對地，pf (principal factor) 通常使用在你有兩個或以上的因素。
如果可以跑 ml，就試著跑 ml。我通常會先跑 ml，如果有 Heywood Cases 的話再跑 pf (這不是很好的建議，應該要先看看為什麼有 Heywood cases)。另外，我一開始通常不會限制因素的個數，先看看特徵值與 scree plot。
factor item1-item24, ml
factor item1-item24, pf
接下來就是要先看看特徵值 (eigenvalue) 與 scree test 來判斷因素個數了。
依我這個不漂亮的數據跑 pf 的結果，特徵值大於 1 的有兩個。
接著是用 scree plot 來檢驗，在指令列直接輸入 screeplot 即可。
上圖其實有點難解讀，如果是要看 deep drop 的話，我會說有兩個。如果是要看哪個因素之後趨於平坦，我可能會說有4個因素。
如果你要用 parallel analysis，得先安裝套件 fapara。
net describe fapara, from(<a href="http://www.ats.ucla.edu/stat/stata/ado/analysis">http://www.ats.ucla.edu/stat/stata/ado/analysis</a>)…
Stata: 探索性因素分析 (一) Read More »
在許多心理學的研究都特別強調 R-squared (或 R2)的重要，這無可厚非也可以理解，因為從定義上來說，R2 告訴你在你的模型裡，有多少的 variance 是可以被你的自變數解釋的。
然而，事情並不是那麼簡單，journal reviewers 並不會看到你有很高的 R2 就欣然地收下你的文章，不要求你作任何修改。我有一個老師更是直接說：R2 is (almost) nothing。
有什麼例子可以證明這個觀點呢？綠角財經筆記有一篇文章 Stupid Data Miner Tricks讀後感—-不斷尋求相關性的危害，提到了個有趣的例子：孟加拉的奶油產量與美國股市指數呈現高度相關，R2高達0.75。
很驚訝，是不是？還有更驚訝的！美國與孟加拉的奶油總產量，美國的起司產量與美國和孟加拉的羊隻總數，這三個數字與標普500做迴歸，發現 R2 高達0.99。這樣，你還相信 R2 嗎？
我不是要大家不相信這個數據，而是別被很高的R2 嚇著了。還需要具體一點的例子嗎？假設你有前、後測，實驗組與控制組，如果你跑第一個模型：用迴歸分析，前測與treatment dummy為自變量；與第二個模型：用迴歸分析，依變量是後測減前測，自變量是treatment dummy，你會發現第一個模型的 R2 比第二個模型高許多。你可以說第一個模型比第二個模型好嗎？
那到底什麼才重要呢？準確地預測 (precise estimation) 才是最重要的。至於如何準確地預測，這就是另外一個問題了。
相關閱讀：
在初期處理資料，經常要處理 missing data。如果你要作 multiple imputation 或比較進階的統計，你更會想要在作這些之前，看看每個變數有多少 missing。
UCLA 製作了兩個 stata 的 addon，可以很輕易地看出 missing data。可以用findit nmissing 或是要下方指令安裝：
net install dm67_3.pkg…
Stata: 快速檢視 missing data Read More »
