獎學金:研究生的試金石

在美國讀書,我才深切地認識到獎學金的重要性以及申請獎學金的必要性。在美國讀博士班,一般來說研究所都會提供獎學金的,但同時你也得作 TA 或是 research assistant。如果不是含著金湯匙、銀湯匙出生,大部分人都付不起美國高額的學費,即使在公立學校、州立學校也是如此,更別說是國際學生了。一般來說,一年花個四萬美金是個非常正常的估計,五年下來也得花個20萬美金,相當於600台幣,也就是半棟房子、一棟房子的錢了

此外,在美國讀博士班有一個不成文的規定和建議研究生在自己學位的最後一年,必須試著努力申請獎學金來供自己最後一年使用。如果你畢業之後想要在學術圈裡繼續工作,你可以更早一點申請,並同時申請多個獎學金,一方面增加自己的知名度,一方面讓自己的研究作得更好,一方面當然也是為了將來作準備。如果真的申請不到獎學金,系所通常也會支持你的研究,不過這得看系所的經濟狀況而定了

有空你可以看看你們系所比較年輕的 faculty,看看他們的 CV,幾乎每個人在讀博士班的時候,就收到至少一個知名的獎學金並有數篇 publication,要不然就是在 postdoc的時候表現非常好。要想待在學術圈,申請獎學金是必要的,這也是一個很好的機會讓你跟不知道你研究的人談談你的貢獻,談談你會如何改變這個世界。

像我一個這麼愛錢的人,以前怎麼會不重視獎學金呢?更何況我家境不好啊!我小時候不懂事,讀大學的時候想申請獎學金,我娘說:我們家境還可以供你在台灣讀大學,那些獎學金就留給更清寒、更加需要的人吧!唉,雖然我申請了也不一定會申請的到,但就因為這一句話,我覺得讓我申請博士班的時候添加了不少困難。如果不是讀研究所與工作的時候有些東西,恐怕今天你也沒機會聽我在這裡碎碎唸了。

獎學金不代表一切,但不可否認的,這是對自己的挑戰,是研究生都需去努力嘗試的試金石。即早開始準備,立下目標,相信我,這對你的研究也是有幫助的。…

獎學金:研究生的試金石 Read More »

Stata: 如何解決c(showbaselevels) undefined 錯誤

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 »

思考你的分析

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。

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.…

思考你的分析 Read More »

Stata: 探索性因素分析 (一)

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。

1.png

接著是用 scree plot 來檢驗,在指令列直接輸入 screeplot 即可。

2.png

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 »

Scroll to Top