公共工程施工品質事後審計成效之探討
6 篇文章
• 第 1 頁 (共 1 頁)
由 Pedro Hsieh » 2009 9月 08 (週二) 8:06 pm
樣本數夠多，但是沒有使用統計軟體作交叉分析真是可惜。 
qui seminant in lacrimis in exultatione metent
那含淚播種的人，必含笑獲享收成；
那含淚播種的人，必含笑獲享收成；
- Pedro Hsieh
- 文章: 1203
- 註冊時間: 2007 11月 10 (週六) 10:23 pm
- 來自: 台灣中部草地
好像偏離主題 請板管從上上層切至另一主題由 Pedro Hsieh » 2009 9月 10 (週四) 12:42 pm
archdj 寫:小弟看過幾本報告書只要是題目*****之成效之探討 就沒作交叉分析?
曾經也問過老大(boss) 答案是不用作，我也想知道為什麼不用作?
可是我讀的journal全都有做，而且還有模型出來耶。
qui seminant in lacrimis in exultatione metent
那含淚播種的人，必含笑獲享收成；
那含淚播種的人，必含笑獲享收成；
- Pedro Hsieh
- 文章: 1203
- 註冊時間: 2007 11月 10 (週六) 10:23 pm
- 來自: 台灣中部草地
由 Pedro Hsieh » 2009 10月 04 (週日) 10:16 am
這裡有一篇類似的文章，可以作為參考：研究資料的整理
這篇文章的研究方法對碩士論文而言，是不是就是稱為Case study?
該篇文章的重點摘錄：
自變數遺漏資料的填補有很多種方法，有很複雜的，也有很簡單的。最簡單的是填入該變數的樣本平均值，複雜的可以在現有資料中，找出該自變數與其他相關自變數的關係，透過迴歸去預測遺漏值的自變數，再將預測值填入遺漏資料中。
我用的方式還算單純，因為我有七年的資料，而且總樣本中大部分的醫院都有一年以上的資料(也就是有一筆以上，比如A醫院從1997到2003每年都有共七筆，B醫院則有1998、2000、與2003年共三筆資料)，大部分的自變數對每一間醫院來說，每年之間的數值差異應該不會太大。如果某個變數中，某家醫院某一年有遺漏值，我先用該醫院在該變數中其他年份的平均值去填補，這樣便又降低不小遺漏率，但還是有遺漏值。最後針對這些遺漏值，我就用樣本平均值填補，並用一個虛擬變數去註明該樣本在某個變數中有接受資料填補。這個虛擬變數在之後的迴歸分析中有兩種作用，一個是檢測該變數的資料填補是否會導致樣本選擇偏差，另一個作用是在迴歸分析中當作控制變數，以校正因資料填補所帶來的樣本選擇偏差。
解決了自變數的遺漏問題，再來是應變數的遺漏值，這部分要比自變數的遺漏值更棘手。因為前面提到的自變數遺漏值填補方法不一定適用在應變數上面。我的應變數是每一間醫院在某一年有沒有開辦居家照護服務，是一個二元變數，遺漏比例相當高，大概佔總樣本的14%。此時不管是醫院的平均值或樣本平均值都派不上用場，更不能用迴歸預測的方式去填補遺漏值。
計量經濟學稱此情況為「被遮掉的資料」(censored data)[1]，因為所有樣本的資料都有，只是一部份樣本的應變數資料無法被呈現出來，這是受限應變數的(limited dependent variable)情況之一。就我所知，這時通常是使用Heckman selection model來處理，由於我的應變數是二元變數，所以要用Heckman Probit model。這部分的分析處理有時相當繁複，甚至現有的統計套裝軟體沒有現成的功能可以運用，必須自己寫程式去跑分析。
這篇文章的研究方法對碩士論文而言，是不是就是稱為Case study?
該篇文章的重點摘錄：
自變數遺漏資料的填補有很多種方法，有很複雜的，也有很簡單的。最簡單的是填入該變數的樣本平均值，複雜的可以在現有資料中，找出該自變數與其他相關自變數的關係，透過迴歸去預測遺漏值的自變數，再將預測值填入遺漏資料中。
我用的方式還算單純，因為我有七年的資料，而且總樣本中大部分的醫院都有一年以上的資料(也就是有一筆以上，比如A醫院從1997到2003每年都有共七筆，B醫院則有1998、2000、與2003年共三筆資料)，大部分的自變數對每一間醫院來說，每年之間的數值差異應該不會太大。如果某個變數中，某家醫院某一年有遺漏值，我先用該醫院在該變數中其他年份的平均值去填補，這樣便又降低不小遺漏率，但還是有遺漏值。最後針對這些遺漏值，我就用樣本平均值填補，並用一個虛擬變數去註明該樣本在某個變數中有接受資料填補。這個虛擬變數在之後的迴歸分析中有兩種作用，一個是檢測該變數的資料填補是否會導致樣本選擇偏差，另一個作用是在迴歸分析中當作控制變數，以校正因資料填補所帶來的樣本選擇偏差。
解決了自變數的遺漏問題，再來是應變數的遺漏值，這部分要比自變數的遺漏值更棘手。因為前面提到的自變數遺漏值填補方法不一定適用在應變數上面。我的應變數是每一間醫院在某一年有沒有開辦居家照護服務，是一個二元變數，遺漏比例相當高，大概佔總樣本的14%。此時不管是醫院的平均值或樣本平均值都派不上用場，更不能用迴歸預測的方式去填補遺漏值。
計量經濟學稱此情況為「被遮掉的資料」(censored data)[1]，因為所有樣本的資料都有，只是一部份樣本的應變數資料無法被呈現出來，這是受限應變數的(limited dependent variable)情況之一。就我所知，這時通常是使用Heckman selection model來處理，由於我的應變數是二元變數，所以要用Heckman Probit model。這部分的分析處理有時相當繁複，甚至現有的統計套裝軟體沒有現成的功能可以運用，必須自己寫程式去跑分析。
qui seminant in lacrimis in exultatione metent
那含淚播種的人，必含笑獲享收成；
那含淚播種的人，必含笑獲享收成；
- Pedro Hsieh
- 文章: 1203
- 註冊時間: 2007 11月 10 (週六) 10:23 pm
- 來自: 台灣中部草地
6 篇文章
• 第 1 頁 (共 1 頁)
誰在線上
正在瀏覽這個版面的使用者：沒有註冊會員 和 1 位訪客