我自己的論文雖然是用mixed-methods approach，但我不是case study的專家。如果說得不正確，歡迎指正。
在上case study的課程時，有一個大家常問的問題：作case study需要多少受試者？樣本數要多大？
這個問題，其實沒有固定答案。作case study，你的樣本可以是1個人，也可以有二十個人，端看你怎麼選擇你的樣本，你想回答什麼樣的研究問題。如果你想知道更多質化研究如何選擇樣本，可以參考前文：質化研究樣本的選擇。
在這裡，我得引用Case study reserach (中譯本：個案研究法) 裡面的說法。在第一章的部分，作者 Yin 就提到了variations within case studies as a research method，開頭第一句話就說：
…“Yes, case study research includes both single- and multiple-case studies.”
Case study: 樣本數要多大？ Read More »
翻閱一下自己使用Evernote的紀錄，原來Evernote已經從各方面滲入我的生活近三年了。還記得在2009年左右，是我修課並大量閱讀學術文章的時候，雖然我習慣用OneNote來整理論文 (見前文：利用OneNote組織論文) ，但是有許多小的片斷，或是看書的一些想法，一直找不到好的整理方式。
舉個實際例子來說，我在找期刊文章A的時候，常常會發現：期刊文章旁邊，會提供其它相似文章，還會提供最近哪篇文章引用了我正在閱讀的文章。於是，我想紀錄的，有期刊文章A中的內容、其它相似文章B、C、D，引用了期刊A文章的E、F、G。另外，有時候在看期刊某一卷、某一期的時候，會看到其它文章H、I，也是討論相同主題，但從不同角度，讓我又忍不住想看看別人怎麼某個研究問題的，點進去看，又會發現有類似文章、引用此文章的文章…等，這就陷入了一個無盡的資料大海裡…。
後來，我找到了我的第二顆大腦：Evernote。
以往我作這些事情的時候，常常看了A，下載了B、C、D，忘了搜尋E、F、G，弄了一圈回來，忘了自己A這篇文章還沒看。而現在我的第二顆大腦EverNote，現在就幫著我記憶，讓我知道我現在正在作什麼，接下來要作什麼。
經過近三年的使用，我以為我已經非常善用Evernote，這次閱讀《Evernote超效率數位筆記術》，才發現自己遠遠沒有入門。可笑的是：當初在電腦玩物的網站上看到介紹，我心裡還想著：記筆記不就那麼回事？我都用了快三年了，難道還能從這本書上學到什麼？如果你也有此觀念，不妨先看看下方的目錄與我的介紹，相信你也會和我一樣，有很大的啟發的。
《Evernote超效率數位筆記術》是電腦玩物站長esor與四位喜歡Evernote的好友共同編輯的Evernote活用故事，esor在他的網站上發表過多篇Evernote文章，我也都拜讀過，但這本書給我的啟發更多。
內容大綱：http://goo.gl/VbzVn…
讀書心得：Evernote超效率數位筆記術 Read More »
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…
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。
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。
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。
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。
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。
日期加減也是一樣，直接在原本的日期加減天數，這還是日期格式。
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…
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
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。
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?) 之二 Read More »
