台灣青少年成長歷程研究(TYP)

2018-06-11

大綱

資料介紹 – 台灣青少年成長歷程研究(TYP)
統計分析

TYP

探討青少年的成長歷程如何受到家庭、學校與社區的交互影響，以致影響到個人在成長時的身心調適
使用2003年3月開始收的國一樣本
資料筆數：2844位學生
變項：年齡、性別、家庭收入、父母教育程度、地區、踏入青春期的年齡、家庭支持、班級氛圍、與父母的情感聯繫、自尊、正向價值觀、國一(w1)、國二(w2)、國三(w3)、高三(w6)與大四(w9)的身高、體重、BMI
除了身高、體重有別的年齡的資料外，其他問卷資料都是國一收的

資料處理

Handle Missing

dta$Family_Income[dta$Family_Income == 0] <-NA
dta$Family_Income[dta$Family_Income == 99] <-NA
dta[,c(11:51,53)][dta[,c(11:51,53)] == 9]<- NA
dta[,c(5:6,25:30)][dta[,c(5:6,25:30)] == 0] <- NA
dta[,c(5:6,25:30)][dta[,c(5:6,25:30)] == 9] <- NA
dta[,c(52,54)][dta[,c(52,54)] == 99] <- NA
dta[,57:64][dta[,57:64] == 999] <- NA
dta[,61:64][dta[,61:64] == 998] <- NA
dta[,61:64][dta[,61:64] == 997] <- NA

資料處理

#把性別換成字串
dta$Gender[dta$Gender=="1"] <- c("Male")
dta$Gender[dta$Gender=="2"] <- c("Female")   
dta$Gender <- as.factor(dta$Gender)

#青春期的分組也換成字串
dta$PDS_Group[dta$PDS_Group=="1"] <- c("Early")
dta$PDS_Group[dta$PDS_Group=="2"] <- c("Average")
dta$PDS_Group[dta$PDS_Group=="3"] <- c("Late")
dta$PDS_Group <- factor(dta$PDS_Group,levels = c("Early",
                                                  "Average",
                                                  "Late"))

資料處理

#挑出需要的變項
dta <- dta %>% mutate(SupFam = rowSums(dta[,11:19]),
                    SupScl = rowSums(dta[,20:24]),
                    Parentbound = rowSums(dta[,25:30]),
                    SelfEst = rowSums(dta[,34:42]),
                    PostiveVal =  rowSums(dta[,43:51])) %>%
              select(-c(11:64)) 
#分別把國一到大四的BMI根據性別標準化
dta <- dta %>% mutate(BMI_Z_W1=round(ifelse(dta$Gender == "Male",
                       (BMI_W1-20.07)/3.72,(BMI_W1-19.49)/3.24),2),
                      BMI_Z_W2=round(ifelse(dta$Gender == "Male",
                       (BMI_W2-20.63)/3.97,(BMI_W1-20.56)/4.32),2),
                      BMI_Z_W3=round(ifelse(dta$Gender == "Male",
                       (BMI_W3-21.2)/3.99,(BMI_W1-20.39)/3.34),2),
                      BMI_Z_W6=round(ifelse(dta$Gender == "Male",
                       (BMI_W6-21.94)/3.33,(BMI_W1-20.38)/2.84),2),
                      BMI_Z_W9=round(ifelse(dta$Gender == "Male",
                       (BMI_W9-22.72)/3.22,(BMI_W1-20.46)/3.02),2))

把體重分組

dta <-mutate(dta, 
  obes_w1 = memisc::cases("1" = ((BMI_W1>=24.8 & Gender=="Male") |                                              (BMI_W1>=24.6 & Gender=="Female")),
                          "0" = ((BMI_W1<24.8 & Gender=="Male") | 
                                  (BMI_W1<24.6 & Gender=="Female"))),
  obes_w2 = memisc::cases("1" = ((BMI_W2>=25.2 & Gender=="Male") |
                                (BMI_W2>=25.1 & Gender=="Female")),
                          "0" = ((BMI_W2<25.2 & Gender=="Male") |
                                (BMI_W2<25.1 & Gender=="Female"))),
  obes_w3 = memisc::cases("1" = ((BMI_W3>=25.5 & Gender=="Male") |
                                (BMI_W3>=25.3 & Gender=="Female")),
                          "0" = ((BMI_W3<25.5 & Gender=="Male") |
                                (BMI_W3<25.3 & Gender=="Female"))),
  obes_w6 = memisc::cases("1" = ((BMI_W6>=25.6 & Gender=="Male") |
                                 (BMI_W6>=25.3 & Gender=="Female")),
                          "0" = ((BMI_W6<24.8 & Gender=="Male") |
                                (BMI_W6<24.6 & Gender=="Female"))),
  obes_w9 = memisc::cases("1" = BMI_Z_W9>=1 , "0" = BMI_Z_W9<1))

不同年齡層的肥胖比例

父母教育程度與性別

家庭的月收入

其他變項在性別上的分布

家庭支持、班級氛圍、與父母的情感聯繫、自尊、正向價值觀的總分不能互相比較這邊只用來看在性別上的分布差異

Q1

控制住家長教育程度後，想知道體重與家庭支持程度是否存在Ｕ型相關？例如：若青少年與家庭關係不好，可能造成不良飲食習慣；若青少年與家庭連結密切，也可能導致營養過剩。

觀察資料

家庭教育程度 vs 體重

m1<- lm(BMI_Z_W1~ I(SupFam^2) + Gender + Fa_Education +
          Ma_Education, data=dta)
ceplot(data = dta, model = m1, sectionvars = "SupFam",
       conditionvars = c("Gender","Fa_Education","Ma_Education"),
       type = "default")

家庭教育程度 vs 體重

knitr::kable(broom::tidy(m1),digit=3)

term	estimate	std.error	statistic	p.value
(Intercept)	0.129	0.071	1.801	0.072
I(SupFam^2)	0.000	0.000	0.173	0.863
GenderMale	0.031	0.047	0.655	0.512
Fa_Education	0.010	0.018	0.524	0.600
Ma_Education	-0.014	0.020	-0.729	0.466

如果看家庭支持跟體重的連續關系呢?

Q2 家庭月收入與體重

m3<- lm(BMI_W1 ~ Gender + Family_Income, data=dtaq4)
visreg(m3, "Family_Income",xlab = "家庭收入",ylab="國一BMI")

家庭收入跟國一BMI在性別上的分布

term	estimate	std.error	statistic	p.value
(Intercept)	19.628	0.211	93.038	0.000
GenderMale	0.792	0.164	4.828	0.000
Family_Income2	0.412	0.258	1.596	0.111
Family_Income3	0.247	0.264	0.935	0.350
Family_Income4	0.234	0.362	0.646	0.519
Family_Income5	-0.163	0.345	-0.473	0.637
Family_Income6	1.126	0.420	2.680	0.007
Family_Income7	-0.061	0.428	-0.143	0.886
Family_Income8	0.073	0.466	0.157	0.876
Family_Income9	0.277	0.512	0.541	0.588
Family_Income10	1.223	0.698	1.751	0.080
Family_Income11	-0.694	0.918	-0.756	0.450
Family_Income12	-0.704	1.063	-0.662	0.508
Family_Income13	1.324	0.460	2.879	0.004

如果看家庭收入跟體重的連續關系呢?

Q3

快樂的是胖子還是瘦子?正向價值觀與自尊對BMI的影響

性別與BMI過重與否間的關係

正向價值觀國一到大四的體重關係

自尊與國一到大四的體重關係

體重、正向價值觀與自尊

mQ1 <- lm(BMI_Z_W3 ~ Age + Gender + PostiveVal + SelfEst,data=dta)
ceplot(data = dta, model = mQ1, sectionvars = "Gender",
       conditionvars = c("Age","PostiveVal","SelfEst"),
       type = "shiny")

Visreg分別觀察體重與正向價值、自尊間的關係

Q4 班級支持與自尊、體重變化間的關聯

先看一下自尊與體重間的關聯、自尊與班級支持間的關聯

班級支持與體重的連續關係

班級氛圍透過資料較完整的國一到國三與體重間的關聯進行觀察

m3 <- lm(BMIChange ~ SelfEst + SupScl + Gender + Age, data=dtaQ3)
ceplot(data = dtaQ3, model = m3, sectionvars = "SelfEst",
       conditionvars = c("Gender","SupScl","Age"),
       type = "default")

Visreg個別看國中BMI變化與自尊和班級支持間的關係

其他:青春期與體重

國一與大四的體重關係

dta$obes_w1 <- plyr::revalue(dta$obes_w1,
                       c("1"="Obesity", "0"="Normal"))
dta$obes_w9 <- plyr::revalue(dta$obes_w9,
                       c("1"="Obesity", "0"="Normal"))
ftable(dta$obes_w1,dta$obes_w9)

##          Obesity Normal
##                        
## Obesity      203     56
## Normal       128   1739

結論

家庭支持的高低，或者收入的多寡，與學生的體重似乎沒有直接關聯
學校相關因素與學生個人的自我認知，與體重變化似乎不存在關聯性
可能資料當中缺少與真正影響自身控制體重有關的行動因素，因為有正確與良好的認知不一定會產生良好的體重(?)
小時候胖很可能就是胖，不要騙自己了
無論與什麼變項放在一起，男生好像比較少有辦法讓BMI低於平均值