統計分析

學統計應該都會碰到虛擬變量(dummy variable)這個詞，可是這是做什麼用的？每個人都用得到嗎？就我個人的理解，使用虛擬變量的時機有下：

1. 在作迴歸分析(regression)時使用
2. 有類別變數(categorical variable)
3. 你想要比較該類別變數中的子群體(subgroup)

常見的例子就是本來就只有兩個值的，像是：control group和treatment group。複雜的情況是你categorical variable裡面的個數大於2，像是種族分：黃種人、白種人、其它(舉例而已)。如果你只是把原本種族這個類別變數丟到regression裡，雖然也會有結果，但意義不大。假設黃種人是0，白種人是1，其它是2，你在該變數的coefficient跑出來是5，意味著當控制著其它變數是，黃種人得到的結果是0(假設constant是0)，白種人是5，其它是10，但這並不正確。要比較就必須換成dummy variable才能來比。

Dummy variable還有許多高深的運用，上面說的只是最基礎的。我不是專門學統計的，只是想用簡單的話解釋一下，也歡迎高手指點。

要作統計分析通常會需要安裝統計軟體，SAS, SPSS, and Stata就是其中三套知名的商業軟體。雖然大部分我認識的人，用這三套軟體的原因都不是出於「自願」，而是看自己的老闆用什麼，但我還是決定寫下我的心得，讓有需要的人自行選擇。簡單地說，SAS是要寫指令的，沒什麼下拉選單可以幫你作統計，SPSS主要是下拉選單，要手寫程式還不大容易(SPSS 17已支援)。Stata是介於中間，你可用指令模式，忘了指令也可以下拉式選單來完成。

SAS

SAS是我覺得學習門檻最高的。雖然SAS和Stata都需要寫程式，但SAS的程式比Stata難寫得多。我是因為以前偶而也寫點程式，所以學SAS不難。舉幾個例子好了，SAS需要開頭和結尾都作宣告，像proc，每行結尾都要用;，最後還要加個run。指令就像下面這樣。

此外，SAS畫出來的圖是真的很醜！我拿我以前的作業，讓大家看一下。連我們老師那種死忠的SAS擁護者，都說他們會用別的軟體畫圖，讓人一整個無言啊….…

Stata是一套滿容易上手的統計軟體，有指令模式和圖形化操作界面，可符合每個人不同的需求。
我的習慣是：在開始用一套軟體前，先了解相容性的問題。統計軟體對我來說是大同小異，就算寫幾行程式也不是什麼大不了的事。但如果我的資料不能在txt、csv這些格式與軟體的格式互相轉換的話，就會令我怯步了。萬一你哪天要轉給人家才發現不能轉，或是你有個不錯的資料是excel的格式但讀不進去，那豈不是白搭嗎？

其實現在的軟體都做得不錯，把這樣的功能考慮進去了，但在操作上我覺得並不是每個人都懂的。最近試了一下excel轉stata，雖然不難，但我也是試了幾次才確定是哪一種格式。下面就是簡單的說明。

1. 自行準備一個excel檔，資料格式(是數字或文字)必須在excel設定好。missing value也記得先補上。我的資料看起來如下：
2. 到excel裡，點擊另存新檔。
   
3. 跳山新視窗後，在存檔類型選文字檔(tab 字元分隔)。
   
4. 有時候因為在excel設定了格式，會出現警告訊息，不要理它繼續按「是」。
   
5. 這時候你應該有了一個txt檔，裡面column之間是用tab分隔的。現在把stata打開，選擇import，然後選Ascii data created by a spreadsheet。
6. 選擇你的檔案，如果找不到，右下角先選擇txt檔。
   
7. stata會跳出一個視窗，先選好你的文字檔路徑，然後記得delimiter的地方要選tab-delimited data。選完之後按ok。
8. 選完之後你就會在左下角看到你的variables了。很簡單吧！