第二次社统作业的几个问题 STATA的部分，有同学注意到”年龄”这个选项上有人拒答，标签为”98 ” (在此提醒同学 分析某变数前要养成先用tab确认一下的习惯) 有同学用drop if A2Y==98来处理 但不建议这样做，会把整个case都变不见 只有分析年龄没有问题 但等到分析性别的时後就会发现少一个资料点了 Drop这个指令 会砍掉整个variabe或是整个case （翻成白话 一次砍一整行或是一整列 无法砍一小格一小格） drop擅长处理的状况如下 资料合并档案过大 ram不够大电脑吃不下资料 这时候可能要先把模型建好 然後把不需要的变数和有missing value的样本点丢掉 当然ram不够大的问题也可以用钱解决XD 以你们现阶段而言 比较好的处理方式是在sum时加入条件 sum age if A2Y!=98 sum age if A1==2 & A2Y!=98 sum age if A1==1 & A2Y!=98 在过几堂课学到RECODE时，用RECODE就比较方便了 因为他可以把他变成missing value而不影响其他资料 另外在"用if 条件陈述计算60岁以上的人数有多少？"或以下等题目时 有些同学用tab age if age=>60 (有些同学没有加"="但无所谓啦) 这样会列出一长串占空间 建议用sum age if age=>60 然後看obs（个数）这个选项就可以了 -- 在上午课程的部分，关於如何测量教育程度以及属於哪一个尺度，同学有几种回答方法： A.顺序尺度。这是大部分同学的回答，将他们区分成国小、国中、高中、大学、硕 士、博士等，有一定的顺序但差距间并不不等价。（有同学没有谈到不等价差距 的部份，这样是不足的）。 B.少部分的同学注意到职业教育无法与学术教育共量，以及自学和正规教育不一定 有顺序性，因此主张采用名目尺度。这种说法比上述得更为细致。提醒同学在分 析教育资料时一定要注意到职业教育和学术教育的差异，譬如某段时间台北工专 和建中可是同样等级的，与现今自然有很大差距，不能够单用”高中”两字就草 草带过。（当然是否要为此调整，还是要看实际分析上的需求） C.有些同学提出一份涵盖幼稚园到博士的一份测验卷，用此来衡量。这种方式固然 可以解决自学的问题。但是这样写的同学也发现到到了大学以上这样的方式就会 出现很大的问题。我个人认为一个更根本的问题在於，当你用这份测验去衡量离开 学校30年或3年的人，就算同等学历也会有很大差距，更不用提这之间教材的变化 了。 D.这次几乎没有人提到以教育年数来衡量教育程度。这个作法经常被使用，虽然只是 　为了方便，而招致相当多的批评。但这个作法能捕捉到[教育程度作为承受「耗在 　学校里」这一时间损失的能力]。在此种作法时，教育程度就是比例尺度，适合初 　阶的统计者做回归分析。 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.4.235