@晨晰部落格新站
篩選器
1 天內
1 週內
1 個月內
1 年內
關聯性
評分
發布日期
觀看次數
筆者11月底的時候受雙和醫院內科部的邀請，去板橋希爾頓飯店上統計課，這是筆者第一次去外面飯店上課，因為以前統計課程的授課都是去醫院或是線上授課居多，畢竟前一陣子大家都還飽受疫情的影響，因為統計課程的授課對象一般是醫生，前一陣子疫情對醫療機構算是影響蠻大，很多
有在進行學術研究的人應該都不陌生影響因子(Impact factor)這個指標，在搜尋論文的時候除了尋找與自己研究主題有關的外，有時候也會參考論文刊登的期刊在那個研究領域的重要性與排名，筆者之前有寫一篇關於推薦查詢網站的介紹(https://reurl.cc/zZNlNa)，雖然這個網站整理了S
每當評估一個新的案件，當然是直接翻到第三章的研究方法，除了看看研究架構與假設之外，還要看一下使用的統計方法，關於護理領域的研究，根據多年的經驗，主要的設計有兩種，一種是實驗研究，近期最多人使用的，就是利用廣義估計方程（Generalized estimating equation, GEE）
廣告
在多數的關聯性研究中，都是以迴歸分析作為最終的統計方法，因此在進行樣本數規劃時，迴歸分析也是最常被拿來計算的設定選項，當研究有先收個30至50筆來做個小型先趨pilot研究時，研究者通常會以自己資料來去進行迴歸效果量的計算，並回推所需樣本數，總比又再度使用中度效果量
筆者於 2020/5 時介紹了診斷型統合分析的介紹，包括基本概念與傳統方法（https://reurl.cc/4a3Lxv）；兩種主流方法（https://reurl.cc/Q96YQ2），包括雙變量模型（Bivariate model）以及階層模型（Hierarchical model）；以及 R 套件的介紹與比較（https://reurl.cc/NrZYv6
一、分析資料 變項: Sepal length:花萼長度(cm) Sepal width:花萼寬度(cm) Petal length:花瓣長度(cm) Petal width:花瓣寬度(cm) Species:花的種類-(setosa:山鳶尾花; versicolor:變色鳶尾花; virginica:維吉尼亞鳶尾花) 讀入資料: 二、資料初勘: 透過summary函數得到每一個變
下圖是計算出來的結果，分別得到了總和、平均、相加 （4）採用函數加總時最大的問題是不能有遺漏值，否則計算出來的得分會有偏差問題，以6號受訪者來說，五個題項的回答皆為滿意（4分），總分得到20分，7號受訪者前四題皆回答非常滿意（5分），但由於第五題遺漏，被當成0分來計
這篇文章想要探討一個容易受到老師挑戰的議題，在問卷調查的研究中，若有使用量表工具來收集受訪者的心理特質時，勢必需要針對每位受訪者的回答項目，幫他們計算一個分數來代表個別的反應程度，那麼計分規則是什麼，通常會在介紹研究工具時一併交代，如下圖所示。 一段研究工具
LDA最早是1936年由RA. Fisher(現代統計學之父)發展，可用於解決二元分類的問題，之後也拓展成解決多分類的問題。在機器學習的領域，LDA可做為資料降維的工具，至於為什麼要降維，可參考筆者之前寫過的文章(https://reurl.cc/7y1zON)，裡面有完整的介紹，降維的目的主要是為
筆者最近在研究機器學習分析時，經常會遇到一個困惱的問題，就是不同演算法經常是散落在各種不同的套件，有在使用R作統計分析的讀者應該會了解這種困擾，為了跑不同機器學習的分析筆者必須去搜尋各種模型所需要的套件，但R的套件實在是非常的多，同一個演算法可能都能找到許多
在臨床試驗中，次群體分析（subgroup analysis；或稱為子群體分析）扮演了相當重要的角色。現今的臨床試驗會有主要療效指標（primary efficacy endpoint），有些則是會另外設定次要療效指標（secondary efficacy endpoint），當然有些是針對副作用設定為主要指標，那麼就變成是
在Power BI的儀表板報表中，大家看到各種令人驚艷的視覺效果（即數據圖表），其反應的內容，一般為資料庫載入後，經處理、運算，再將精美圖形呈現出來。但無論如何變化，其反應的結果都是既定事實，已經發生的。這也就是資料視覺化的範疇。但大數據還有一個面向是「預測」(fo
研究者在進行存活分析時，應該都會想要繪製圖形以清楚呈現有興趣的健康事件隨著時間的發生情形，本系列的實例範例將依序介紹不同檔案類型下所使用的統計模型及EXCEL圖表繪製技巧。Part 1適用檔案類型：未配對之原始資料、使用傾向性評分匹配 (Propensity Score Matching, P
貳、前移函數Lead （15）介紹本例的資料結構，資料仍是同一筆 第一個欄位為ID欄位，同一個ID都有四筆資料。 第二個欄位為同一個ID的排序號碼。 第三個欄位為我們示範變項，為了和前一個例子有所區分，將變項名稱改為Y。 （16）詭異的是，SPSS裡的Lead函數無法在計算裡面進
前陣子在處理客戶諮詢問題時，剛好用到一個比較罕見的資料處理技巧－位移函數（Lag & Lead），所以這篇文章以這個題目做個教學，順便記錄下來。客戶的資料屬於縱貫型資料，是多家公司在多個年度的營運狀況，這時有個研究問題，想用去年的進貨成本來預測今年的營利淨所得，所以
為了在R上面執行Adaboost的方法，我們首先要在R studio上先下載”adabag-package”，並載入 這裡我們會用到Kaggle上面最經典的幾個資料之一，鐵達尼號乘船資料(Titanic)，這個資料主要包含以下整理的內容: 讀取資料與檢視資料 我們可以透過View()，看一下資料的內容，總共有
四、當代主流的非線性關係 目前被認為具有彈性且經常被採用的非線性關係有三種方法，一種是本次要介紹的 RCS，另一種則是Fractional polynomials，最後則是 Generalized additive model（GAM）。三種方法的表現都很好，但 RCS 由於有強大 R 軟體套件「rms」作者 Frank Har
筆者的同事在不久之前分享了如何以 R 軟體進行「Restricted cubic spline」（RCS），來處理變項之間的非線性關係（Non-linear relationship），有興趣的讀者可至 https://reurl.cc/R6OEqG 以及 https://reurl.cc/2b8yjm 查看全文。本篇文章筆者由概念原理出發，說明 RCS 的