如何建立檔案中國醫藥大學 公衛系

梁文敏 副教授TEL: 04-22053366-6107

E-mail: wmliang@mail.cmu.edu.tw

如何建立檔案

• 從資料庫的觀點 ***

資料分析第一階段建檔

• 從表格的觀點 資料分析最後階段呈現結果

建檔方式 --- 範例• 三個人測量兩密閉室 ( 甲 , 乙 ) 的溫度

個案1 個案2 個案3

甲室 29度 30 度 31度乙室 0度 30度 60度

個案 甲 乙1 29 02 30 303 31 60

或

x

x

如何建立檔案1. 確立變項

2. 對變項命名及變項命名原則

3. 以“欄 (Column)” 為單位，建立每一個變項

4. 以“列 (Row)” 為單位，建立每一筆資料 (Record)

5. 保持原始資料的單純性及可擴充性

1. 確立變項• 每一個變項 (Variable) 代表一種訊息 (Informatio

n)

• 例如密閉室溫度範例中的訊息包括： 室別 ( 甲 , 乙 ) 、溫度 ( 攝氏 ) 、 個案代號 ( 可

表示該溫度是誰測量的 ) ，故共有三個變項

• 變項命名： ( 補充 : 變項命名原則 )

室別、溫度、 個案代號

2. 對變項命名

• 中文命名

( 正確 : 室別、溫度、 個案代號 ) ( 錯誤 : 室別 -1 、 2 溫度、 @ 個案代號 )

• 英文命名

( 正確 : roomname 、 temp 、 subj_id) ( 錯誤 : 2room 、 temperature 、 subject-id)

2. 對變項命名 -- 變項命名原則• 中文命名1. 第一個字母不為特殊字元或數字，如： #2 人口 _ 男

( 錯誤 )2. 名稱中不要放入特殊符號，如：人口 -male2( 錯誤 )3. 名稱不要超過 4 個中文字，如：人口數男生 _2( 錯誤 )** 正確名稱：人口 _ 男 2 或 人口 _m2 或 人口男 _2

• 英文命名1. 第一個字母不為特殊字元或數字，如： 2pop_m( 錯誤 )2. 名稱中不要放入特殊符號，如： pop&m-2( 錯誤 )3. 名稱不要超過 8 個英文字，如： popmale_2( 錯誤 )** 正確名稱： pop_m2 或 pop_m_2 或 popmale2

3. 以“欄 (Column)” 為單位，建立每一個變項---- 在第一欄建立變項名稱

A B C1 個案代號 室別 溫度2 1 甲 293 2 甲 304 3 甲 315 1 乙 06 2 乙 307 3 乙 60

一個 EXCEL 檔可開多個工作表 將原始資料檔單獨放在一個工作表中

4. 以“列 (Row)” 為單位，建立每一筆資料 (Record, Observation)----- 共 6 筆資料

按滑鼠右鍵

重新命名 將工作表重新命名為 : 原始資料

5. 保持原始資料的單純性及可擴充性--- 單純性 : 若要處理 . 把資料依需要貼在其他工作表上

插入

工作表

重新命名

5. 保持原始資料的單純性及可擴充性---- 可擴充性 : 4 個變項、 9 筆資料

A B C D

1 個案代號 室別 溫度 時段

2 1 甲 29 早上

3 2 甲 30 早上

4 3 甲 31 早上

5 1 乙 0 晚上

6 2 乙 30 早上

7 3 乙 60 中午

8 4 甲 30 中午

9 5 乙 20 中午

10 1 丙 10 晚上

原始資料增加為

4 個變項、 9 筆資料

變數類型及分布

變數 , 變項（ Variable ） ( 相對於常數， Co

nstant) 及變數名稱 (Variable Name) •資料依不同的人，而有不同的數值或特性，故稱為變數，例如抽取 5個學生，有男有女，有高有矮，資料會隨著樣本不同而變化，故稱為變數；

•每種變數的代號稱為變數名稱 (Variable Name) 或變數，例如：性別、身高為變數名稱或變數。

隨機變數 (Random Variable)

•搜集資料時，若決定抽取 n個樣本，則資料會隨著抽取樣本不同而不同，例如抽取坐在前排的 5個女生的身高，會與抽取坐在後排的 5個女生的身高不同。

•在做決定抽取何者為樣本時，若沒有預設立場，完全隨機會 (by chance) 決定，該資料稱為隨機變數。

變數類型（ Variable Type ）•類別變數（ Nominal variable ）： 將資料分門別類，各類資料之間沒有程度或次序性的 b. 關係，且為彼此互斥的，屬定性的測量。

•例如 : 性別 (男、女 )，血型 (A, B, O, AB, other) ，抽煙與否 (抽煙、不抽煙 )。若該變數只分為兩類稱為二分法類別變數(Dichotomous Variable) 。

變數類型（ Variable Type ）• 序位變數（ Ordinal Variable ）： 和類別尺度一樣，將資料分類且為彼此互斥的，但彼此之間有程度上的差異。

• 例如癌症病人病況分期 (I、 II 、 III 、 IV 期 )，抽煙程度狀況 (未抽煙、曾抽煙但已戒煙、少於1包 /每日、 1包以上 /每日 )，病人對醫生問診態度的滿意度 (非常滿意、滿意、普通、不滿意、非常不滿意 )。

• 各類之間不一定有倍數或距離的關係，是屬於半定量的測量，例如：癌症 IV期病人的病況並非癌症 II期病人的病況的兩倍。

變數類型（ Variable Type ）• 等距變數 (Interval Variable) ： 每個單位都是一樣大小，且測量值可以完全表現出程度的

大小，屬定量的測量。• 例如年齡，身高，體重，氣溫，每分鐘心跳的次數，每天

抽煙的支數。等距尺度不一定具有絕對的零點。其中有些零點是人為決定的。

• 例如氣溫，華氏與攝氏溫度的零點，是人為決定的，並沒有絕對的零點的存在。攝氏 30.7 度到 28.7 度的距離與攝氏 16.7 度到 14.7 度的距離相等，但我們不能描述攝氏 30度 (華氏 86度 )是攝氏 15度 (華氏 59度 )的兩倍，因為若以華氏則不到兩倍 (86/59=1.46) 。所以氣溫的尺度是一種等距尺度，但不是一種等比尺度。

變數類型（ Variable Type ）• 等比變數 (Ratio Variable) ： 若等距尺度中具有絕對的零點，稱為等比尺度。可以用來計算倍數或比率。

• 例如：年齡，身高，體重，每分鐘心跳的次數，每天抽煙的支數。我們可以描述新生兒體重 9磅(4082 公克， 1 磅 =453.592 公克 )是 6磅 (2722公克 )的 1.5 倍，若換算為公克測量則亦為 1.5倍 (4082/2722=1.5) 。所以體重的尺度是一種等距尺度，也是一種等比尺度。

分佈概論 :•何謂分佈 (Distribution)?

在統計思維中，分佈係指針對某一我們感興趣的變數 (Variable) 。將其搜集到的值 (Observation) 以有系統的方式加以整理並呈現出來。•可以長條圖 (Bar Charts): categorical data

或直方圖 (Histograms): continuous data 表示

變數分佈 (Distribution)

例 1 ：不連續變數 ( 類別或序位 ) 的分佈： 2560 位 AIDS 病人中， Kaposis sacoma 疾病狀態的分佈情形 , 以 Bar Charts 表

示。

個案 Kaposis1 1

2 0

3 1

4 1

5 0

6 0

… …

… …

2560 1

個案 Kaposis

1 1

3 1

4 1

50 1

198 1

200 1

… …

… …

2550 0

相對次數

0.10

0.90

0.00

0.50

1.00

Yes No

Kaposis 次數 相對次數

Yes 246246/2560=0

.10

No 23142314/2560=

0.90

246

2314

0500

1000150020002500

Yes No

Kaposis Sarcoma

個數

相對次數 = 次數 / 總次數

排序

例 2 ：連續變數 ( 等距或等比 ) 的分佈：新生兒體重的分佈，將資料分組，以直方圖 (Histogram) 表示。

新生兒體重 次數

0-499 4843

500-999 17,487

1000-1499 23,139

1500-1999 49,112

2000-2499 160,919

2500-2999 597,738

3000-3499 1,376,008

3500-3999 1,106,634

4000-4499 344,390

4500-4999 62,769

5000-5500 8236

總計 3,751,275

0200000400000600000800000

1000000120000014000001600000

0-499

1000

-1499

2000

-2499

3000

-3499

4000

-4499

5000

-5500

出生嬰兒體重

嬰兒個數

0

10

20

30

40

出生嬰兒體重

(%)

相對次數

新生兒體重 相對次數 (%)

0-499 4843/3751275=0.1

500-999 17487/3751275=0.5

1000-1499 0.6

1500-1999 1.3

2000-2499 4.3

2500-2999 15.9

3000-3499 36.7

3500-3999 29.5

4000-4499 9.2

4500-4999 1.7

5000-5500 0.2

總計 100

相對次數 = 次數 / 總次數

樣本平均數

• 【樣本平均數 (Sample Mean, Arithmetic Mean) 】

• 兩密閉室 ( 甲 , 乙 ) 的溫度的集中趨勢

平均數甲室 (29 +30 +31 )/3=30度 度 度 度乙室 (0 +30 +60 )/3=30度 度 度 度

兩 室平均數相同

xx

n

ii

n

1

個案 甲 乙1 29 02 30 303 31 60

樣本變異數與樣本標準差

• 【樣本變異數 (Sample Variance) (s2) ， 樣本標準差 (Sample Standard Deviation)

(s) 】

• 兩密閉室 ( 甲 , 乙 ) 的溫度的分散趨勢

變異數 標準差=變異數 0.5

甲室 [(29-30)2+(30-30) 2+(31-30) 2]/2=(1+0+1)/2=1 1

乙室 [(0-30)2+(30-30) 2+(60-30) 2]/2=(900+0+900)/2=900 30

兩室變異數不同 兩室標準差不同

1

)( 2

12

n

xxs

n

ii

1

)( 2

1

n

xxs

n

ii

個案 甲 乙1 29 02 30 303 31 60

1

)( 2

12

n

xxs

n

ii

1

)( 2

1

n

xxs

n

ii

xx

n

ii

n

1

許多變項的分佈服從常態分佈常態分佈

圖形隨平均數及標準差不同而不同

AV值

70

60

50

40

30

20

10

0

= 1.52 標準差

= 10.07平均數

N = 500.00

AV值

80

60

40

20

0

= 3.82 標準差

= 20.0平均數

N = 500.00

平均數 =10

標準差 =1.5

平均數 =20

標準差 =4

• 範例： AV 為臨床指標 • 若無腫瘤患者 AV 值的分佈為常態分佈 X~N(10,1.52)

理論上可得到有 68％的機率落在 (8.5,11.5) 中間 可得到有 95％的機率落在 (7,13) 中間 可得到有 99％的機率落在 (5.5,14.5) 中間

無腫瘤

-0.05

0

0.05

0.1

0.15

0.2

0.25

0.3

0 5 10 15 20 25 30 35

AV指標值

機率密度

無腫瘤68%

若有　無腫瘤患者 AV 值的分佈為常態分佈 X~N(20,42)

• 任何常態資料若經標準化， 理論上可得到有 68％的機率落在 (16,24) 中間 可得到有 95％的機率落在 (12,28) 中間 可得到有 99％的機率落在 (8,32) 中間

有腫瘤

0

0.02

0.04

0.06

0.08

0.1

0.12

0 5 10 15 20 25 30 35

AV指標值

機率密度

有腫瘤68%

＊＊＊　由平均值及標準差可知兩族群人 AV 值的分佈 , 進而… .

Thanks for your attention~