研究生2.0

比較迴歸分析模組之間的差異

2015-08-31T04:14:00.000+08:00

用迴歸分析的時候 (如果不懂迴歸分析，可參考這裡)，一種常見的作法就是同樣的dependent variable，每個模式加一些新的變數下去，這種模式之前也寫過文章介紹，叫作層次迴歸分析 (參考什麼是層次迴歸分析 (hierarchical regression)？)，但可千萬別把這種模式與階層性線性模式搞混 (詳見什麼是階層線性模式 (hierarchical linear modeling)?

舉個具體的例子。你想要看什麼因素對學生的成績有影響，你想出了幾個模型。

模型1：性別
模型2：性別、年齡
模型3：性別、年齡、種族、動機、學生策略、家庭收入

於是你跑了三個迴歸分析。

模型1的結果是顯著的，性別對成績有影響。

模型2的結果是顯著的，性別與年齡對成績有影響。

模型3的結果比較難解讀，因為你一次多加了不少變數。

如果每一項都是顯著的，那模型3應該比模型2好。

但就怕遇到這樣的狀況：你模型3的r-squared 比模型2的r-squared 好一點，但非常少，可能從50跳到51。而且原本性別與年齡顯著，但現在都不顯著了，而是學生學習動機有影響
。
那你怎麼解讀這樣的模型呢？模型3是否比模型2好呢？
這時候就是用統計比較的時候了。先上公式：

看不懂的話，這是中文版：

F = [(r-squared大 - r-squared小) / (變數多-變數少)] / [(1 - r-squared大) / (人數 - 變數多 - 1)

用stata的話，跑完之後，用 testparm 指令，後面加上最後一個模型新增的變數就可以了，詳情可見下方連結。

參考資料
F-test comparing two models: http://www.philender.com/courses/linearmodels/notes4/compare.html

系務會議賓果：與同事聊天的好話題

2015-08-29T03:32:00.001+08:00

最近學校開學了，一開始通常就是要開系務會議、所務會議，而這種 faculty meeting 就是大家交流的好時間。

但是交流什麼呢？網上看到人家分享的faculty meeting bingo，是讓大家看看平常會聊到什麼，系主任或所長會說什麼，有沒有辦法湊成bingo。

如果反向思考：不知道該跟同事說些什麼的話，這些不就是很好的題材嗎？

比如說左上角 critical thinking (批判性思考)，不就可以用來說自己的學生，或是現在教育的狀況嗎？

左邊第二欄是學生，這是永遠聊不完的話題。如果你在別人指導學生的committee，這不就是問問學生進度的時候嗎？

service，問問別人下一年有什麼服務，有什麼需要幫忙的。

開了話題，自然就會聊下去，faculty meeting 的「社交」目的就達到了。

祝大家新學期教學與研究都順利！

Stata: 計算Intraclass correlation

2015-06-19T21:07:00.001+08:00

之前有網友問到在Stata 用HLM時，不知道該怎麼算intraclass correlation。其實之前在這篇文章 Stata: 圖解 xtreg 結果就已經說過了。

Intraclass correlation 有人翻成級內相關，有人翻成組內相關，在下面我就簡稱 ICC。

ICC 通常是與「組」或是「級」相關的，所以在HLM裡會經常用到。ICC是個數值，代表組間的同質性，所以常用來解釋該組或該級別解釋了多少variance。

在Stata裡，其實很簡單，在跑完分析之後，用estat icc就可以了。

請見下圖，先用webuse productivity 載入資料，再用mixed指令跑HLM。

之後輸入estat icc

這怎麼解讀呢？

region 的random effect 解釋了 15% 的variance，state 與 region 兩者的random effect 解釋了 85% 的variance.

參考文章

Intraclass correlations for multilevel models

如何用英文稱呼你的指導教授

2015-06-08T07:30:00.000+08:00

進了美國的研究所，你該怎麼用英文稱呼你的指導教授呢？該叫Professor + last name, Dr. + last name, 還是叫first name？

這個問題，其實沒有標準答案，因為每位老師的接受度不同。如果你是大學部的學生，正確的作法是叫Professor + last name 或是 Dr. + last name，而不要叫 first name。

但這情況對於研究所學生，就有些不同。在正式場合，特別是在email裡面，應該是要叫 Dr. + last name，通常不會有錯。除非老師特別說你可以叫first name，你才可以在面對面的場合稱呼 first name。但你在與學校別人談話的時候，最好還是用 Dr. + last name來稱呼。如果去老師家裡開party，那是另外一回事，用 first name就可以了。

如果你與你的指導教授關係比較好，他把你當作是colleague，也要你用 first name稱呼他，那你在平常可以用 first name，但在正式的email裡，一開始還是小心為上，用Dr. + last name，是比較適切的。如果老師再進一步糾正，就依照老師的意思更改。

稱呼的轉換會應場景不同而有所改變，這對非英語母語者來說會比較困難。

另外一種情況是：你的指導老師是中文母語者，你怎麼稱呼呢？

這時候你就要小心點了，如果你稱呼其它美國老師是用 first name (在他們的允許下)，這不代表你就可以直接稱呼用你指導老師的 first name 來稱呼他。雖然在美國，用 first name稱呼老師也不算太過奇怪的事，但這一套並不一定適用於以中文為母語者的老師。如果你與老師說中文的話，用中文說「姓+ 老師」是比較傳統的作法。

那稱呼 Dr. + last name，要用到什麼時候呢？這沒有什麼特別的規定，但你論文答辯完，已經是博士的時候，你就不需要稱 Professor + last name 或 Dr. + last name了。至於以中文為母語者的老師，一日為師，終身為父，許多老師我還是用中文說「姓+ 老師」。

當然，這問題視你的指導教授而定，這只是提供參考而已。下面的延伸閱讀，你也會看到有許多不同的說法。

延伸閱讀
Addressing professors by their first names
Addressing your instructor: A primer
Doctor, Professor, or “Hey, you”?

漫畫
The Semiotics of Professor e-mail signatures

質化研究的validity

2015-06-05T09:00:00.001+08:00

在研究方法的課堂上，在reviewer的意見中，在論文答辯的時候，甚至在學生的comprehensive exam，如果遇到質化研究，這樣的問題你可能會常聽到或看到：如何確保這篇質化研究的validity？

這問題說真的不好回大，可大可小。往大裡說，可以牽扯到知識論，先了解你對「真相」(truth) 的定義，再來看如何確保質化研究的validity。往小裡說，可能就具體提供幾個實用的方法來回答這種問題。

這篇文章就不從知識論來談了，就直接切入重點吧！

第一種解決辦法，就是說明名詞差異。在質化研究中，並不使用validity，而是使用其它詞彙。

比如說Guba (1981) 所提到的詞彙對應：

Internal validity <-> Credibility

External validity <-> Transferability

Reliability <-> Dependability

Objectivity <-> Confirmability

詳見這裡：http://www.fctl.ucf.edu/ResearchAndScholarship/SoTL/creatingSoTLProjects/implementingmanaging/qualitativeresearchvalidity.php

Maxwell (1981) 則有不同的詞彙：

Descriptive validity

Interpretive validity (這可以參見Altheide & Johnson, 1994, 或這裡：http://www.qualres.org/HomeAlth-3681.html)

Theoretical validity

Generalizability

Evaluative validity

詳見這裡：http://www.fctl.ucf.edu/ResearchAndScholarship/SoTL/creatingSoTLProjects/implementingmanaging/qualitativeresearchvalidity.php

至於怎麼解決呢？直接上Guba (1981) 裡面的圖：

另外，Whittemore et al. (2001) 這篇也有很詳細的說明，這就讓大家自己看了。

參考書籍

Altheide, DL. & Johnson, JM. (1994). "Criteria for assessing interpretive validity in qualitative research." In NK Denzin and YS Lincoln (Eds.) Handbook of Qualitative Research (pp. 485-499). Thousand oaks, CA: Sage Publications.

Gall, M., Gall, J., & Borg, W. (2006). Educational research: An introduction (8th ed.). White Plans, NY: Longman.

Guba, E. G. (1981). Criteria for assessing trustworthiness of naturalistic inquiries. Educational Communication and Technology: A Journal of Theory, Research, and Development, 29(2), 75-91

Whittemore, R., Chase, S. K., & Mandle, C. L. (2001). Validity in Qualitative Research. Qualitative Health Research, 11(4), 522–537. http://doi.org/10.1177/104973201129119299

Stata: repeated ANOVA 作法

2015-05-24T06:26:00.000+08:00

Stata 在repeated ANOVA方面，文件不多，最近因為一個計畫需要用到這種方析方式，花了不少時間學習。用完之後趕快寫下一點心得，以免以後健忘。

Stata 的repeated ANOVA必須將資料將寬格式轉換成長格式，如果不知道這些名詞，請參考這篇 Stata: reshape 將資料從寬格式改成長格式。

下面的code有點複雜，請慢慢看。

anova dtest group / uid|group times times#group, repeated(times)

最前面的anova，是分析的指令，後面接的dtest，就是資料變成長格式之後，學生在不同時間的測試分數，所以就是要看不同時間測試分數的變化。

group的不同的組，這是一個categorical variable，不同的數值代表不同的實驗組別。
如果作一般的anova，就是這部分。

接下來會看到/，在stata 的說明文件裡是這麼說的：
The / symbol is allowed after a term and indicates that the following term is the error term for the preceding terms.

所以/後面放的是error term，在這例子裡，error term就是學生的id乘以組別。

你會發現前半部是uid，中間有一個| (這不是I，而是一直線的符號)，這符號代表的是nesting：
The | symbol (indicating nesting) may be used in place of the # symbol (indicating interaction).
在這例子裡，subject是nested在組別裡面的。

在這之後，times是within subject的變數，而後面的times#group是這兩者的interaction (#代表interaction)。

在下了下面指令之後，出現的結果如下圖：

group3 不顯著，代表組別之間沒有差異，uid|group3沒有顯著水準測試，因為是error term。
times顯著，代表測試在不同的時間呈顯著差異。

times#group3為顯著，代表時間與組別之間有交互作用，意思是組別之間在不同時間的成長並不一定相同。

接下來我們要繼續看這交互作用，這用下面的code
contrast times@group3, effect

contrast通常是在跑完基本分析之後作的estimation，這裡測試的是simple effect.
a@b 表示用contrast的指令，測試a在每一個b裡面的作用。

由於每一組都有時間，我們測試的是時間在每一組裡面的作用，所以時間放前面，@後面放組別。

下面是跑出來結果的上半部分：

這圖一開始先測試的是組別之間的差異，控制組來說，時間並沒有影響，但對其它組來說，時間是有影響的。

後半部則是組內之間，時間不同的比較，2 vs base 就是第二次測量與第一次測量之間的差異，括號後面則是組別。

如果你想要具體比較某一組，在不同時間的變化，那可以用如下指令：
margin times, at(group3=1) pwcompare(effects) noestimcheck

結果如下圖。如果你仔細看，contrast 2 vs 1 的結果，跟上圖 (2 vs base) control 的結果是一樣的，3 vs 1 與上圖 (3 vs base) control 是一樣的。

另外一種比較方式是固定時間，然後比較組間差異，code與上面相似，但 at的部分不同：
margin group3, at(times=1) pwcompare(effects) noestimcheck

這結果就不截圖了，讓大家自己練習。

如果要畫圖的話，下面的相關文章有code，就讓大家自己學習。

相關文章

Why do I get an error message when I try to run a repeated-measures ANOVA?

Repeated Measures Analysis with Stata

Stata: reshape 將資料從寬格式改成長格式

2015-05-21T04:22:00.001+08:00

Stata 在作不同的分析時，會要求不同的資料格式，而資料格式指的是資料是長格式 (long format) 還是寬格式 (wide format)。一般而言，如果你不是panel data，通常寬格式就可以了。如果你是panel data，也就是你的outcome variable測量了許多次，那大部分的情況下你都必須將資料轉換為長格式。

不過這部分每個統計軟體不一樣，像SPSS的repated ANOVA，用寬格式即可，但在Stata裡面，repeated ANOVA必須將資料轉換為長格式才可以。

那究竟什麼是長格式，什麼是寬格式呢？

寬格式比較直觀，我們從寬格式說起。如果你的outcome測量了三次，那你的資料可能如下：

uid outcome1 outcome2 outcome3

1 100 90 95

換言之，寬格式一個人只有一筆資料，用不同的欄位來代表不同時間的測量。

長格式的話，就不一樣，一個人有多筆資料，欄位相同，但多了時間變數。

長格式如下：

uid time outcome

1 1 100

1 2 90

1 3 95

那在Stata裡面，該怎麼作呢？這透過reshape這個指令。在Stata 的說明裡面，說的挺清楚的：

如果從寬格式轉換成長格式，指令如下：

reshape long outcome, i(uid) j(time)

要作轉換之前，你必須確保outcome前面部分是相同的，後面指的是時間，像之前例子說的outcome1, outcome2

在指令裡面，i後面括號放的是區別每一筆紀錄的變數，j後面放的是新變數，用來區別時間的。轉換之後，這個值就是outcome變數名稱的值。

搜尋Twitter資料

2015-05-16T01:11:00.002+08:00

愈來愈多人使用Big Data (大數據) 來作研究，而研究生2.0未來的一個重點，就是朝這方面努力，想要寫一系列的教學文章，關於網路研究方法的。在研究生2.0的標籤，也新增了網路研究方法，方便大家檢索。

如果你是這方面的專家，那我誠摯邀請你為研究生2.0賜稿寫專欄。

這裡先從簡單地開始，作Twitter資料的搜尋。

裡面用的工具是twExplorer，是西北大學開發的。

網址：http://twxplorer.knightlab.com/

如果覺得好的話，也歡迎大家看看上面的其它影片：

https://www.youtube.com/user/researcher20ch

美國印壁報的網站

2015-05-01T22:01:00.001+08:00

在美國投學術研討會的時候，通常分paper presentation與poster presentation (海報/壁報)。以前寫過兩篇文章，一篇是關於壁報範本powerpoint template，一篇是介紹如何用一般的印表機列印壁報的方法。雖然我介紹這個方法，但我還是強烈建議大家：在有點預算的情況下，還是花錢請人家印壁報，不僅省卻不少工夫，而且你在研討會匯報的時候，也會比較自信一點。跟別人networking的時候，人家也才會比較看重你。

這篇文章介紹一個在美國印這種學術壁報的網站。這間公司我沒實際用過，但不少朋友用過覺得便宜而且不錯。

網站：www.phdposters.com

這價格大概在其它網站的一半甚至1/3，甚至與我在學校印壁報的價格相去不遠，所以大家可以試試。

Ozdic: 簡單好用的搭配詞詞典

2015-05-01T04:41:00.001+08:00

在2009年的時候，寫了一篇查詢搭配詞的工具，過了這麼多年，許多連結都已經失效了。那有什麼新的查詢搭配詞的工具了？這裡來跟大家介紹ozdic。

網址：http://www.ozdic.com/

我喜歡ozdic的簡潔畫面，首頁就只讓你輸入關鍵字，沒有其它的：

我今天想找與attention相關的詞，就輸入attention，你會發現結果非常容易閱讀。

首先，attention有多個意思，所以第一個意思 (見下圖紅圓圈裡面白色的1)是：act of watching/listening/showing interest

這解釋不知道是哪裡來的，但寫的清晰易懂。

在每個意思之下，還分成各種組合，像第一個意思下還分成形容詞、動詞+attention等等，

另外，右邊的相關詞有時候也有幫助，因為可能有時候拼錯詞或誤用詞，上方的意思與旁邊的相關字，都可以多看兩眼，避免查到的不是你想要的。

簡單的工具，清爽的界面，相信ozdic可以幫助大家的英文更道地。

Stata 14上市了

2015-04-09T09:14:00.001+08:00

今天收到Stata 14上市的郵件！簡單地看了一下，有很多新的功能，其中對我有幫助的是下面兩個。

支援Unicode

在眾多功能之中，支援unicode是比較吸引我的。資料用unicode這是已經確認了，但我沒看到相關說明在do file裡面，是否支援unicode。支援的話，以後寫code的註解就容易多了。

更高程度整合Excel

好像從 Stata 13開始，有了新的指令：putexcel，可以把結果直接輸出到excel裡面。putexcel 這項指令看起來對輸出敘述統計很有幫助，不過我已經習慣用esttab來輸出敘述統計、correlation、regression，所以可能要一段時間之後再嘗試。

如果你有興趣知道其它更新，歡迎到Stata的網站: http://www.stata.com/stata14/。

Stata: 更改輸出表格的顯著水準

2015-04-09T01:06:00.002+08:00

許多網友都問同樣的問題：Stata在用esttab輸出報表的時候，如何更改顯著水準。
沒很多時間寫文章，就錄一段，大家看：

程式碼如下：

sysuse auto
reg mpg weight foreign
esttab, star(* 0.05 ** 0.01 *** 0.001 **** 0.0001)

SEM的分析步驟

2015-02-15T01:08:00.001+08:00

之前寫過什麼是結構方程模式分析？(What is structural equation model?)，Amos的教學文章也有很多讀者留言，希望能再繼續寫下去。不過開始教職之後，整天想的都是如何拼publication，只能在空閒之餘，抽點時間來寫部落格，還希望大家包涵。最近由於要帶學生作SEM，所以希望能把一些東西寫寫，也順便理清自己的觀念。

我最常遇到別人問的問題就是：要作結構方程式分析，要進行哪些步驟？

說這麼多，不如來看這張圖：

圖挺清楚的，我就不多說了。各個步驟其實還有一些細節，這就以後再說。

這張圖出自Principles and Practice of Structural Equation Modeling，這是一本非常好的SEM教科書。如果你觀念不清楚，或是不知道該怎麼實作，這本書提供很好的指引。

英文編輯的專業領域

2015-02-10T04:48:00.001+08:00

自從研究生2.0與目前的特約編輯合作以來，已經幫助不少讀者編修他們的論文。雖然我沒作過任何統計，但是根據我自己的經驗，那是非常滿意的！經過特約編輯的編修，大幅提高了文章的語言多樣性、可讀性，並讓結構更加完整。

很多讀者在聯繫我的時候，都會詢問一個問題：特約編輯的專業是什麼？他能編修 XXX 領域的文章嗎？

其實，這點就陷入了一個迷思：不是這個領域的人，沒辦法幫你修改英文。

仔細想想，這樣的論證，對嗎？

英文編修服務並不是幫你改內容，而是幫你在已有的基礎上，改正英文錯誤，並增加可讀性。當然，如果領域是他熟悉的，讀起來的過程是比較愉快的！但如果領域不熟悉，這不妨礙別人給你編修英文，是吧？不用擔心內容深度的問題，即使編修者不是在你的領域。如果你的英文連母語者都看不懂，那我想reviewers也很難接受你的文章。

要當編修，除了要對語言敏感，熟悉學術英文的寫作，更重要的有廣泛的閱讀興趣，因為不愛讀不同類型的文章，是沒法成為編修的，而這點，我相信特約編輯絕對能勝任此工作。

那究竟特約編輯的領域是什麼呢？他學的是歷史學，多半是編修社會科學、人文科學相關文章。我自己是作教育的，特約編輯的服務我相當滿意，不然也不會推薦給大家了！

讀者們，如果你使用過特約編輯的服務，請在下方留個言，讓大家知道這服務的品質。

Stata: mixed的aic與bic

2015-01-16T10:15:00.001+08:00

在用Stata作多層線性分析的時候，預設是不會告訴你aic與bic的值的。

如果你要出現這兩個數值，可以在跑完mixed之後，輸入以下指令：

estat ic

那Stata就會告訴你aic與bic的結果

如果要用esttab輸入的話，拿上一次的例子來說，code 可以改成

esttab, b(2) aic(2) bic(2) transform(ln*: exp(2*@) 2*exp(2*@) ) ///
eqlabels("" "var(tenure)" "var(_cons)" "var(Residual)", none) ///
varlabels(,elist(:_cons "{break}{hline @width}")) ///
varwidth(10)

就是在b(2) 後面加上aic() 與bic(), 結果就像下圖

Stata: 輸出mixed結果

2015-01-16T10:05:00.001+08:00

Stata 拿來作多層線性分析挺方便的，在Stata 13以前的版本，用xtmixed；目前xtmixed已經不是Stata 13的官方的部分，但還是可以使用。Stata 13的用戶建議使用mixed。

使用mixed或xtmixed跑出結果之後，如果estat依照輸出regression table的辦法，那表格非常不好看，而且表格與你跑出來的數字會不一樣 (因為代表意義不一樣)。

拿具體例子來說吧！

從網路上先載入資料

webuse nlswork

之後先跑unconditional model

mixed ln_w || id: tenure

結果如下圖

接下來打指令輸出：

你仔細比較數值，會發現第一張圖的var(tenure)的值是.0029，而到了第二張圖，輸出時，對應的確是-2.91。

var(_cons)也是，從.1123到了-1.09。

var(residual)從.085變成了-1.23。

這修改方法可以參考這裡的：http://repec.org/bocode/e/estout/advanced.html#advanced402

輸出的code如下：

esttab, b(2) nogaps nol replace transform(ln*: exp(2*@) exp(2*@) ) ///
eqlabels("" "var(tenure)" "var(_cons)" "var(Residual)", none) ///
varlabels(,elist(weight:_cons "{break}{hline @width}")) ///
varwidth(10)

/// 是分行，注意最後一個字母與///之間要有空格

這例子舉的其實挺不好的，因為level 1 的_cons跑掉了，因為這個變數是ln開頭的。如果這個改掉的話，就沒有這問題了。

如果有其它需要，還請參考http://repec.org/bocode/e/estout/advanced.html#advanced402的例子。

提高工作效率：清空你的收件匣(zero inbox)

2015-01-13T20:25:00.001+08:00

在很久以前，就看過電腦玩物寫了兩篇文章：每天清空 Gmail 收件匣的 10個待辦郵件清單處理法、[摘譯]維持電子郵件收件匣清空的10個技巧。說真的，技巧不難，但是知易行難。

在這些方法當中，都強調：能短時間回信的、處理的，就優先處理掉，這點對在美國大學工作的我，覺得特別困難，不知道該如何著手。因為身在美國，信件都是用英文回的，基本上不像這些教學一樣，2分鐘就能解決的。光想個英文，有時候就不只5分鐘了。另外，在學術圈很多email都是需要思考該怎麼處理的，也不2分鐘能解決的。

不過信件堆積如山，開始忘記應該要處理的事情，於是我開始嘗試這種方法。

先來看看這段zero inbox的影片：

那該怎麼實作呢？

首先，加上Gmail的分類，這是很重要的！我以前寫過一篇gmail必備的標籤，這主要是為學術圈的東西作分類。除此之外，還得加上To respond, to read, deferred等標明工作狀態的標籤，方便管理自己的時間。

如果你之前已經大量使用gmail的標籤，你新增的to read, to respond 等關於工作狀態的標籤不在最上方的話，建議你可以在這幾個標籤前加上數字0-9，通常就會顯示在最前面了。分類多種，不如管理工作狀態來得重要，其它的功能就交給搜尋吧！

第二步，當然就是善用這些標籤，然後不要眷戀地把其餘的或處理完的事情archive！當你大膽邁出這一步之後，你會覺得你的專注力更加集中，你的效率也大幅提高！

要注意的一點：回信的時候，除非必要，切忌多工！Multitask多工只會讓你的效率更差，讓你沒辦法作好你的工作！你的大腦沒辦法那麼快的轉換並進入狀態。有事情的話，先專注作好。

第三步，分配時間。前面說的2分鐘回信原則對我來說是不適用的，所以我通常把時間定在五到十分鐘。如果能2分鐘以內處理的，立即處理！如果是緊急的，又能在5分鐘之內處理的，那我也會儘可能先處理。如果非常重要，但必須花大量時間回信，那不如花個時間一起見面開個會，效率反而更高！另外，可以指派其它人的時候，別吝嗇分權，因為這才是讓你提高效率的辦法！

如果真的沒辦法短時間、藉由開會、分權來解決，那就進到to respond，並用電腦玩物分享的：如何利用Gmail Tasks工作表規劃郵件分工處理流程？心得分享，排到你的tasks裡。

希望大家工作效率都能提高，今年能多發幾篇papers!!!

Proofread的重要

2014-11-14T23:18:00.001+08:00

在準備投稿的過程中，一定要注意校對。前一陣子在Ethology發了一篇文章：Variation in Melanism and Female Preference in Proximate but Ecologically Distinct Environments，下圖就是從文章裡面的作者評論。

這篇文章經過多次校對，五位作者、主編、審稿者都沒有看到這個錯誤，而此篇文章在2014年7月發表，但這項錯誤在四個月之後才被發現，並廣為宣傳。

而作者所批評的文章，是發表在International Journal of Behavioral Biology，impact factor 1.556，相當不錯的期刊。

Dr. Caitlin Gabor 也希望這篇文章的作者道歉。

所以有個editor是很重要的，另外，要與其它作者溝通，請在word裡面用comment的功能，別寫在文章，很容易疏忽掉的。

研究生2.0有特約編輯，用非常便宜的價格為大家服務。如果想要知道特約編輯的資訊，可以依照文章指示，在facebook發訊息給我。

參考資料：

Scientists make hilarious proofreading error

Zotero: 匯入Endnote資料庫 (含檔案) Mac篇

2014-10-13T08:31:00.001+08:00

最近因為想要實驗一下Zotero grow library的功能，所以在電腦上又把Zotero弄起來，花了一點時間把Endnote的資料匯到Zotero之中。

Zotero比較麻煩的是付費問題，只要你有個幾百筆檔案，又都有pdf的話，很快你就要付月費了。不過可以與多組不同的人共用文獻，這是大亮點。

回歸正題。其實在Zotero匯入Endnote資料庫，步驟與之前寫過的這篇Zotero: 匯入Endnote資料庫 (含檔案) 是一樣的。

首先，要把資料從Endnote匯出。匯出時，使用Ris模式，你可以下載我作好的style

下載完之後，把這個style檔，放到 applications - Endnote - Styles 裡面。

完成之後文獻資料是個txt檔。

第二步，修改裡面的file path。匯出來之後，L1的欄位是檔案位置，會出現這樣子：

L1 - internal-pdf://檔案名.pdf

但這是相對路徑，不是絕對路徑。所以用TextEdit來進行find and replace。

在進行這步之前，要找到你的pdf檔案在哪。找到之後，你可以隨便找一個pdf檔，然後按右鍵，選擇get info。

你就會看到檔案路徑像這樣子：

/Users/使用者/Documents/References/book-2014.Data/PDF/RESEARCH ON TEACHING.pdf

你在TextEdit之中要作的，就是要找出：

internal-pdf://

取代成這個：

/Users/使用者/Documents/References/book-2014.Data/PDF/

取代完之後，匯入Zotero，大功告成！

如果你想看Zotero的官方說明文件，可參考這兩個：

https://www.zotero.org/support/kb/importing_records_from_endnote

https://www.zotero.org/support/kb/exporting_from_endnote_with_pdfs#remark_on_sed_statement

Stata: 計算Kuder-Richardson (庫李信度)

2014-10-08T02:52:00.001+08:00

一直以來作的研究都是用 Cronbach’s alpha，因為問卷多半是連續變量，但最近作的一項計畫，是處理學生答對與否，在信度方面，就不能用Cronbach’s alpha了，要用Kuder-Richardson reliability test，因為是categorical variable。

公式列在下面

Where:

N = number of items on the test (25 for you)

= variance of total scores

= item p-value

在Stata，要先安裝一個套件才能使用。

要直接安裝的話，程式在下面：

net install kr20.pkg

或是用findit kr20

使用上也沒什麼困難的，語法如下：

kr20 varlist [if exp][in range], [sort(sortkey)]

在跑之前，要先確認資料格式是正確的，0是錯誤答案，1是正確答案，然後把變數放進語法中即可。

謹慎處理你的online presence

2014-10-03T22:12:00.001+08:00

現在是申請工作的旺季，也是許多研究生開始申請美國學校的時候了。不論你是前者還是後者，你都要謹慎處理你的online presence：因為你的committee非常有可能用你在facebook, twitter或google plus上面的訊息，來決定他們如何評價你，這可能直接或間接影響到他們是否錄取你。

The Chronicle of Higher Education最近一篇文章：Google-stalking job candidates: Tempting but risky, 裡面就說到這種情形。

An online search, meanwhile, might ferret out a piece of interesting information that didn’t make the application packet or give a glimpse of how candidates portray themselves out in the (virtual) world.

For the most part, faculty members find it perfectly natural to check out that public persona, thinking that "anything that is publicly available on the Internet is fair game," says Robert D. Sprague, an associate professor of business law at the University of Wyoming.

在這項survey當中顯示，48%的公司，會利用Google或其它搜尋引擎，搜尋申請者的資料。雖然這樣的行為在學術圈中更為敏感，但這是大家不可忽視的事實。在The City University of New York的網站上，是這麼告訴他們自己的學生的：

It is essential to have a robust and professional web presence if you are a graduate student on the job market, as you will be ‘Googled’ by the search-committee members at the institutions to which you apply

先不論這樣作是否合法，重要的是你該如何處理你的online presence。如果你的言論容易引起爭議，那建議還是三思之後，再決定是否張貼。

Teaching philosophy可選用的quotes

2014-09-23T22:40:00.001+08:00

在申請工作時，有些學校會讓你寫teaching philosophy，這裡整理了一些好用的quotes，可以用來開頭或結尾。

與Learning相關

Learning teacheth more in one year than experience in twenty. (Roger Ascham)

What we have to learn to do, we learn by doing. (Aristotle)

與Memory相關

The true art of memory is the art of attention. (Samuel Johnson)

A man’s memory may almost become the art of continually varying and misrepresenting his past, according to his interests in the present. (George Santayana)

與Forgetting相關

The mind is slow in unlearning what it has been long in learning. (Seneca)

Soon learnt, soon forgotten. (Proverb)

Out of sight, out of mind. (Proverb)

An injury is much sooner forgotten than an insult. (Lord Chesterfield)

以後看到相關的，再慢慢補上。如果大家有不錯的quotes，也歡迎在下面提供。

美國學術工作發佈時程

2014-09-17T22:11:00.001+08:00

要找美國學術工作，你會非常關注什麼時候工作會張貼出來，這樣你可以知道今年整體市場如何，決定要申請工作的數量。

那何時是美國學術工作張貼的高峰期呢？這問題很難說，而且每個領域是有些不同的。不過為了給大家一個概念，這裡採用了The Chronicle of Higher Education的文章，裡面轉用了Modern Language Association的資料。

下圖是2013年張貼出來英語文學的學術工作。從中你會看到，506個工作review在年底之前就開始，只有113個工作是到2014年才開始review的。換句話說，你如果要找明年八月開始的學術工作，今年開始申請，而且今年學校就會review你的申請材料了。

再具體一點。70%的工作是在12/1號之前開始評審。如果推算回去的話，趨勢一樣的情況下，那意思是大部分的美國學術工作，你可能已經可以在網路上找到資訊，或是在這一個星期左右就會看到。

就像下圖，十月有111個工作到deadline，那表示這些工作是更早以前張貼的，所以現在(九月到十月初)是找學術工作的重要期間，千萬不要錯過！但也有可能你的領域早一點或晚一點，這請詢問你的指導教授。

上面的時間是說明在這段時間，有多少工作到了submission deadline。

探索性因素分析模型契合方式的比較

2014-09-10T23:26:00.001+08:00

前面的文章探索性因素分析的設計與使用 (一) 講到了模型契合方式的選擇，裡面提到了幾種常用的方法：

常用的方法有 maximum likelihood (簡稱ML), pricipal factors with prior estimation of communalities, 和 iterative principal factors。

ML 的優點是可以得到較廣的模型適合度指標 (a wide rage of indexes of the goodness of fit of the model)。此外，ML 還允許測試 factor loadings 與因素之間的相關度是否為顯著。然而，ML 的限制是假設了多變量的常態性 (normality)。如果嚴重違反常態性，得出的結果將是扭曲的。

principal factor methods (包含 iterated 與 noniterated的。注意：principal factor methods 與主成份分析是不一樣的) 的優點則是沒有常態性分佈的假設。此外，principal factor methods 也較不會得到扭曲的結果。然而，此種方法的缺點是提供較少範圍的 goodness of fit indexes (適合度指標)。此外，一般來說也不提供 confidence intervals 和顯著測試。

但這些解釋可能不是很直觀，所以找了個英文說明，讓大家更清楚。

來源：http://stats.stackexchange.com/questions/50745/best-factor-extraction-methods-with-reference-to-spss

探索性因素分析英文寫作

2014-09-10T08:27:00.001+08:00

學統計的時候學的是觀念，但到了寫paper的時候，如何寫出來，還得在學學這些方面如何用英文來描述。另外，有時候分析都作了，但寫文章的時候又忘了，紀錄下這些步驟，也是提高文章的完整性。

下面針對探索性因素分析的部分，給出一些文章用的說法，大家自行修改，並附上一些寫作時可用的文獻。至於驗證性分析，目前還在整理，請大家靜待下一篇。

有些部分還不太全，這有空再補，或是請大家提供這方面有詳細描述的文章。文章也還有點亂，請大家包涵。如果有缺漏的地方，請大家指正。

探索性因素分析

可執行因素分析與否 (factorability)

這又叫作因子可分解性。

Evaluation of the correlation matrix indicated that it was factorable: Kaiser-Meyer-Olkin Measure of Sampling Adequacy = .##, which is “marvelous” (> .90) according to Kasier’s criteria (Pett, Lackey, & Sullivan, 2003).

The factorability of the matrix was determined using the Kaiser–Meyer–Olkin Measure of Sampling Adequacy (MSA). In our study, the MSAs for individual variables ranged from 0.89 to 0.97. The MSA for the entire matrix was 0.937. Each of these MSA values is well above the 0.80 meritorious level (Kaiser & Rice, 1974).

We examined the factorability through an inspection of the correlation matrix, and through conducting the Kaiser–Meyer–Olkin (KMO) measure of sampling adequacy and Bartlett’s test of sphericity. The KMO test yielded a measure of 0.815, and Coakes and Steed recommend that this measure should exceed 0.6 to proceed with factoring.

Bartlett’s test of sphericity was significant well beyond the 0.001 level.

參考文獻

Coakes, S. J., & Steed, L. G. (1997). SPSS analysis without anguish. Brisbane: John Wiley. (不建議引用)

Pett, M. A., Lackey, N. R., & Sullivan, J. J. (2003). Making sense of factor analysis: The use of factor analysis for instrument development in health care research. Thousand Oaks, CA: Sage Publications.

Kaiser, H. F., & Rice, J. (1974). Little Jiffy, Mark IV. Educational and Psychological Measurement, 34, 111–117.

探索性因素之間的關係

正交

A principal axis factor (PAF) analysis was carried out on the 28 items from the 問卷名 using 統計軟體.

Factor analysis was performed with SPSS #, employing a cut-off eigenvalue of 1 and VARIMAX rotation.

Each was a principal components analysis with varimax rotation.

A principal component factor analysis (PCFA) with Varimax rotation was used to determine the underlying structure of the data.

斜交

Oblique rotation methods allow for factors to be correlated, and the assumption was made that the 多少個 factors thought to be present in the 問卷 were related.

參考文獻

Preacher, K. J., & MacCallum, R. C. (2003). Repairing Tom Swift’s electric factor analysis machine. Understanding Statistics, 2, 13-43.

決定探索性因子的方法

The number of factors to extract was determined on the basis of several criteria, including parallel analysis, examination of the resulting scree plot, and eigen- values greater than 1.0 (i.e., the K1 criterion; Hayton, Allen, & Scarpello, 2004).

Eigenvalue

The K1 criterion suggested # initial factors.

# factors were identified using the latent root criterion, which is the most common technique for determining the number of factors to extract (Hair, Anderson, Tatham, & Black, 1998). The initial eigenvalues were greater than 1, which are considered significant.

Parallel analysis

The parallel analysis suggested that two factors should be retained.

Scree plot

Inspection of the scree plot, although subjective, seemed to suggest two or three factors.

參考文獻

Hair, J. E., Jr., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate data analysis (5th ed.). Upper Saddle River, NJ: Prentice Hall.

Hayton, J. C., Allen, D. G., & Scarpello, V. (2004). Factor retention decisions in explor- atory factor analysis: A tutorial on parallel analysis. Organizational Research Methods, 7, 191-205.

Factor loadings

A cutoff for statistical significance of the factor loadings of 0.5 was used, because loadings of 0.5 or greater are also considered practically significant (Hair et al., 1998).

We adopted a factor loading criterion of 0.40 for inclusion of the item in the interpretation, more stringent than Tabachnik and Fidell (1996), who suggest 0.32, and consistent with Comrey and Lee (1992) who suggest that the criterion should be set a little higher than 0.32.

參考文獻

Comrey, A. L., & Lee, H. B. (1992). A first course in factor analysis (2nd ed.). Hillsdale, NJ: Erlbaum.

Hair, J. E., Jr., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate data analysis (5th ed.). Upper Saddle River, NJ: Prentice Hall.

Pallant, J. (2001). SPSS survival manual. Crows Nest, NSW: Allen & Unwin. (不建議引用)

有因子load在兩個因素上

Where an item loaded on more than one factor, we have followed the advice of Arrindell et al. (1983) and have included the item in the factor on which it scored highest, provided the difference between the two-factor loadings was at least 0.2.

參考文獻

Arrindell, W. A., Emmelkamp, P. M. G., Brilman, E., & Monsma, A. (1983). Psychometric evaluation of an inventory for assessment of parental rearing practices. Acta Psychiatrica Scandinavica, 67, 163–177.

探索性因素分析的效度

Cronbach’s alpha

The Cronbach’s alpha for these ## items was .##.

The reliability of the questionnaire is satisfactory, with a Cronbach alpha of 0.83. Both Coakes and Steed (1997) and Pallant (2001) suggest that alpha values above 0.7 are sufficient for reliability to be assumed.

參考文獻

Coakes, S. J., & Steed, L. G. (1997). SPSS analysis without anguish. Brisbane: John Wiley. (不建議引用)

Comrey, A. L., & Lee, H. B. (1992). A first course in factor analysis (2nd ed.). Hillsdale, NJ:
Erlbaum.

Pallant, J. (2001). SPSS survival manual. Crows Nest, NSW: Allen & Unwin. (不建議引用)

Correlation matrix

Further inspection of the inter-item correlation matrix revealed some considerable redundancy in items A and B.Each of these items was highly correlated (r > .70) with four other items in the subscale. Therefore, these two items were deleted.

Further inspection of the inter-item correlation matrix revealed that item A had low correlations (r < .40) with # other items in the subscale.

範例文章

這些文章是我用關鍵字從我的文獻管理軟體找出來的，上面很多英語也是從下面的文章節出來的。大家可以參考一下。如果有更具有代表性的文章，歡迎在下面留言。

Artino, A., & McCoach, D. (2008). Development and initial validation of the online learning value and self-efficacy scale. Journal of Educational Computing Research, 38(3), 279-303. doi: 10.2190/EC.38.3.c

Muilenburg, L. Y., & Berge, Z. L. (2005). Student barriers to online learning: A factor analytic study. Distance Education, 26(1), 29-48. doi: 10.1080/01587910500081269

Smith, P. J., Murphy, K. L., & Mahoney, S. E. (2003). Towards identifying factors underlying readiness for online learning: An exploratory study. Distance Education, 24(1), 57-67. doi: 10.1080/01587910303043

Vallerand, R. J., Pelletier, L. G., Blais, M. R., Briere, N. M., Senecal, C., & Vallieres, E. F. (1992). The academic motivation scale: A measure of intrinsic, extrinsic, and amotivation in education. Educational and Psychological Measurement, 52(4), 1003-1017. doi: 10.1177/0013164492052004025