→ yhliu:不一定符合 Poisson, 但或許可算 Poisson like. 10/10 12:12
→ yhliu:可能不符合 Poisson 的原因是 (1)10題不算多;(2)各題間相關. 10/10 12:13
→ yhliu:若 X1,...,Xn 是相互獨立, 成功率極低的 Bernoulli 隨機變數 10/10 12:14
→ yhliu:n 夠大, 而成功率加總值不大,則 X1+...+Xn 近似服從 Poisson 10/10 12:15
→ bmka:第二個問題解釋一下response variable是怎麼得來的吧 10/13 12:44
→ bmka:"% of total grants success"那麼應該有total grants跟 10/13 12:45
→ bmka:numer of successful grants的原始資料吧(?) 10/13 12:46
→ evilove:b大，你說的沒錯，有那兩項資料。 10/13 13:58
→ bmka:try random effects model for binary data, 每個人是一個 10/14 05:28
→ bmka:cluster, "number of grant applications"是cluster size 10/14 05:29
→ bmka:outcome for each grant application is binary (success/ 10/14 05:30
→ bmka:failure) 10/14 05:30
→ evilove:謝謝b大，我來研究看看你說的方法^_^.... 10/14 07:01
→ evilove:不過原來可以這樣用random effects model，受教了:) 10/14 07:03
→ evilove:阿！我只有個人申請grant的總數，以及成功的總數，但是沒 10/14 07:09
→ evilove:有每一筆grant是成功或失敗的資料:( 10/14 07:09
→ bmka:you can create the variable by yourself. 10/14 09:47
→ bmka:之所以不建議直接分析percentage是因為每個人申請件數不同 10/14 09:52
→ bmka:件數多的人percentage的variability小,需要考慮weighing 10/14 09:54
→ evilove:對不起，不太懂你說的自己做一個變項是什麼意思？我這個是 10/14 12:50
→ evilove:survey的資料，一題問學者申請多少件，一題問成功多少件 10/14 12:51
→ evilove:所以outcome for each grant application我沒辦法知道 10/14 12:52
→ evilove:謝謝你的熱心～ 10/14 12:53
→ bmka:申請五件成功三件不就三個1兩個0,其他的covariate就複製5次 10/14 19:18
→ bmka:所以本來一個id行資料變成一個id m行,m是申請件數 10/14 19:21
→ bmka: 一 10/14 19:24
→ bmka:1跟0的順序對你的分析不會有影響 10/14 19:28
→ bmka:因為同一個cluster(由id定義)的covarite都一樣 10/14 19:30
→ evilove:喔喔喔，豁然開朗，真厲害！！感恩～ 10/15 00:29