介入研究の解析での線形混合モデル（1）　の続きです。
解析後のデータを視覚化して治療効果の違いを把握します。
交互作用が有意でないこともあり，明確な違いを示すグラフには
なりませんが，元の論文でも，推定結果を元にしたらしいmean profilesを
示したグラフを示していたので，こちらでも似たようなものを描いて
みます（preの値を入れてない点は明らかに違いますが）。

mixedを実行した後に，群×時間のそれぞれの周辺効果（調整平均）が
以下のコマンドを打つことで算出できます。

----------------------------------------------------------------------------------------------------------
                     |             Delta-method
                     |     Margin   Std. Err.           z    P>|z|     [95% Conf. Interval]
--------------------+------------------------------------------------------------------------------------
treatment#month |
         TAU#2  |   19.46667   1.619558    12.02   0.000     16.29239    22.64094
         TAU#3  |   17.85983   1.693887    10.54   0.000     14.53987    21.17978
         TAU#5  |   16.25255   1.763116     9.22    0.000      12.7969    19.70819
         TAU#8  |   13.52009    1.81302      7.46   0.000     9.966633    17.07354
       BtheB#2  |   14.71154   1.506611     9.76   0.000     11.75864    17.66444
       BtheB#3  |   13.69984   1.617249     8.47   0.000     10.53009    16.86959
       BtheB#5  |   12.83243   1.697532     7.56   0.000     9.505326    16.15953
       BtheB#8  |   12.09091   1.721696     7.02   0.000     8.716448    15.46537
---------------------------------------------------------------------------------

これをグラフ化すると以下のように治療効果の違いが視覚的に
分かるようになります。




なんだか，TAUの方が下がり方が急な印象。8か月後は群間にあまり
違いがなさそうです。

autoデータセットを使って説明します。


変数rep78の内，1と3と5を1とした変数rep78rを作りたいとします

(１) genとreplaceを使う場合


と書けばよいです^*1。結果は以下の通り

  Repair |
 Record |            rep78r
    1978 |          0          1 |     Total
------------+-----------------------+----------
          1 |         0          2  |         2
          2 |         8          0  |         8
          3 |         0         30 |        30
          4 |        18          0 |        18
          5 |         0         11 |        11
------------+------------------------+----------
     Total |        26         43 |        69

この場合は1と3と5の3つしかないので大変ではないですが，
選びたい値がたくさんあるとき，いちいち
rep78==1 | rep78==3・・・と繰り返すのは大変です。
できれば，重複している所は書かずに，選びたい値だけを
指定したいと思います。そんな時に使えるのがinlist( )関数です。
inlist(変数名, 値1, 値2...)　と書いていきます。


結果はもちろん上と同様のものになります。

     Repair |
    Record |        rep78r2
       1978 |         0          1 |     Total
--------------+-----------------------+----------
            1 |         0          2  |         2
            2 |         8          0  |         8
            3 |         0         30 |        30
            4 |        18          0 |        18
            5 |         0         11 |        11
--------------+-----------------------+----------
       Total |        26        43 |        69

ただし，inlist( ) の中に249個以上入れるとエラーに
なるみたいなので，長い場合は分割してreplaceを複数繰り返す
必要があります。

参照:Functions: inlist()

上で説明したやり方は，データが文字型の変数でも使えます。
makeという変数は，メーカーと車種の情報が入っているので，
日本車っぽい名前が入っているのを手動で抜きだしてみました

"Honda Accord"
"Honda Civic"
"Mazda GLC"
"Subaru"
"Toyota Celica"
"Toyota Corolla"
"Toyota Corona"

これらのみ1,他は0とした変数japanを作りたい場合は以下のようにします。
長いので，途中で改行してDo-file editorの方で実行します。



(2) recodeを使う場合


または


でも同じことができます。recodeだと( )内はたくさん指定しても
大丈夫みたいでした。

注：
^*1このままだと欠損もrep78rで0になってしまうので，これを
防ぎたい場合はgen rep78r=0 if rep78~=.とする。



【履歴】
2014/07/07　記事作成
2014/07/21　文字型の扱い追記

ユーザー作成コマンドのci2をインストールすると，
相関係数の信頼区間を算出できます。
インターネットにつながっている状態で，


と打ち，sg159_1というリンクをクリックするとインストール
画面になります。

Stata 13.1では問題なく動きました。
使い方を，autoデータセットで確認します。


まずはmpgとweightのピアソン積率相関係数を普通に出すと
次のようになります。

              mpg        weight
       
mpg        1.0000
weight    -0.8072    1.0000

そして，信頼区間を出すには以下のように打ちます

Confidence interval for Pearson's product-moment correlation
of mpg and weight, based on Fisher's transformation.
Correlation = -0.807 on 74 observations (95% CI: -0.874 to -0.710)

オプションにspearmanをつければ，スピアマンの順位相関にも対応します。
また，このコマンドに含まれているcii2の方を使うと，相関係数と人数が
分かればその数値だけでも信頼区間が算出できます。
詳しくは