台灣青少年成長歷程研究(TYP)

尤怡方、陳愷辰

Abstract

　　在公共衛生與健康經濟學的領域當中，肥胖一直是國內外相當受到矚目的議題。我國近年來由於經濟發展到達一定水準，飲食水準與各種便利的交通運輸管道發達，造成國人飲食習慣改變，過重與肥胖的狀況有明顯增加的趨勢，而青少年肥胖有很高的比例在成年後會持續產生肥胖的現象，直接或間接對其健康造成極大的影響，進而使政府必須花許多經費與心力在處理肥胖問題上。過往針對青少年的肥胖狀況，許多研究從學校的體適能端與正確健康概念、運動習慣進行探討，卻很少有人從青少年的心理層面與環境層面提出問題，本組便對於可能影響青少年體重變化的個人變項與環境變項，透過資料管理與簡單的統計圖表，試圖找出其中的規律。

Introduction

　　世界衛生組織(World Health Organization, WHO)於2012年指出，肥胖成為全球引起死亡的第五大風險因子，每年超過280萬成人死於過重或肥胖，肥胖問題不僅攸關個人慢性病罹患率及死亡率，更與國家整體財政醫療支出有著重要關聯(簡義紋等，2013)。

　　美國疾病管制局經由 1976-1980 年及 2007-2008 年兩階段時序比較發現，過去 30 年間，兒童肥胖比例由 6.5%上升至 19.6%，而青少年肥胖則由 5%上升至 18.15% (Centers for Disease Control and Prevention, 2011)，據此，兒童與青少年肥胖問題確實有日趨嚴重的情形，此引起世界各國政府及研究者的關注。

　　過去諸多研究顯示，體重肥胖與過重的兒童及青少年，經常導致日後的成人肥胖，並直接或間接對其健康造成重大威脅 (Kwon, Oh, Park, & Park, 2010; Whitaker, Wright, Pepe, Seidel, & Dietz, 1997)。因此，對於兒童及青少年肥胖議題的探討已是不容忽視的重要課題。根據 Serdula等的研究發現，約有 1/3（26-41%）肥胖學齡前兒童會變成肥胖成人，約有1/2（42-63%）肥胖學齡兒童會 變肥胖成人，且更有3/4（70-80%）肥胖青少年會變成肥胖成人，且此趨勢與年齡及肥胖嚴重程度有關。由於兒童時期的肥胖，成年之後繼續肥胖的比例相當高，其導致健康問題的機率亦會增加。

　　從我國的狀況來看，依據國家政策研究基金會提出的臺灣兒童及青少年體重過重與肥胖問題之綜評中指出，根據1992年、1997 年及2002 年連續三回，各間隔五年測得7-18歲男女學生體重數據資料的變化，可以明顯察覺兒童及青少年體重逐漸上升的趨勢，其中又以男生體重增加的現象較為明顯。此外，由教育部發佈的國小學童體位評值相關數據資料也可以發現國小學童體位適中者的比率逐年級上升而下降；肥胖者的比率則逐年級上升而增高，且男童體重過重與肥胖的比率皆明顯高於女童，顯見兒童及青少年平均體重與日俱增的趨勢，以及男性兒童及青少年更須重視體重控制的問題。根據衛生福利部提出的105學年度青少年健康行為報告書所提到，2016~2017年的國中生約有超過三成(30.5%)的學生身體質量指數(BMI)屬不正常，約11.1%學生體重過重及 12.4%肥胖，男生過重、肥胖的比 例分別為 11.7%、15.1%，均高於女生的 10.5%、9.5%。學生自覺體重之分布，以適中、剛剛好為最多，超過四成（42.9%），其次為有點重，約占三成（31.4%）；而近五成（47.3％）男生自覺體 重適中、剛剛好，女生以有點重占多數，約近四成（38.5%）。學生控制體重情形，以沒有嘗試控制體重為最多，占 35.3%，其次為減重， 占 33.3%；男生以沒有嘗試控制體重最多，占 43.7%，女生以減重為 最多，占 44.5%。學生對於自己的身材或體型滿意程度，以還算滿意為最多，占 35.3%，其次為不太滿意，占32.6%，男生以還算滿意自己的身材或體型為最多，占 37.4%，女生以不太滿意自己的身材或體型為最多，占 41.9%。

　　連結到關於青少年身體意象與他人的部分，肥胖亦會造成青少年社會心理障礙的身心問題。青少年肥胖者常常會因為體型受到同儕嘲弄、訕笑或排斥，進而缺乏自信、人際關係欠佳。在針對肥胖青少年的心理調適的研究中發現，肥胖嚴重度與身體意象（body image）成反比，肥胖孩子的自覺認知能力也較差。負面的身體意象及對自己較笨的評價會影響其人際互動，導致社交孤立，出現孤單與焦慮，可能使兒童在社會與人格間出現危機。Jalongo 更指出，肥胖在健康、自尊、人 際關係和社會地位上均受到影響。肥胖的青少年常有退縮、內向及孤獨的個性，其人格適應 及學業成績亦較差。國中學生正值進入青春期，是一生當中身心變化快速的階段，同時也是對於自己的體重、相貌、體型及外表等的變化開始相當關注的時期，其中，身體意象的建構，是發展自我概念重要的一環，不但在此時最被關注、也最具有可塑性，並且影響著青少年身心的健康， 甚至關係著未來成年的生活 ，然此時理想體型無疑地在青少年心目中佔有相當重要的地位，當實際體型與理想體型有所落差時，青少年會對自己身體產生不滿意的評估，進而產生情緒沮喪與低自尊等情況，也因此致使本組希望能探究自尊、正向價值與體重間是否存在關聯。　　

　　又而許多研究指出，除了遺傳因素之外，青少年肥胖的原因最主要來自於環境，從後天環境影響子女肥胖的因素可能有父母教育程度、家庭收入與子女本身健康等，其中陳宗玄(2010)指出家庭所得與居住於都會地區對於外食消費支出有顯著正向關係，父母親工作時間過長也可能讓孩子習慣吃些低品質的便利速食，忽略孩童平時的飲食問題，在營養上產生不均衡，同時也不會顧及孩童的運動時間與身體狀況，容易產生肥胖青少年(侯唐盛、林晉榮，2006)。此外，也有研究指出孩童的肥胖與父母親的教育水準、所得等社經地位及父母親對於小孩主觀的健康認知，皆有明顯的關聯性(鄒孟婷、鄒孟文，2008)。由上述內容可以發現，在遺傳之外，青少年在環境因素方面也會受到家庭的影響。根據上述內容，本組在體重相關的變項當中，對於孩童個人的心理因素與家庭的環境因素方面，認為有跟體重一同探討的價值與興趣，加上所蒐尋的資料檔案與文獻也支持相關的內容論證，因此便將主要的研究範圍集中在體重與學生的個人變項(如自尊、正向價值)，以及體重與學生的環境相關變項(如家庭收入、家庭支持程度等)，希望能透過資料視覺化來找出其中的關聯。

Data

　　台灣青少年成長歷程研究(TYP)是中央研究院社會學研究所主持的研究計畫，目的是要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。

　　這個資料庫是一個長期追蹤調查研究，以2000年台北縣市及宜蘭縣的國中學生為母體，受訪樣本包含國一生(13歲)、國三生(15歲)、學生家長、國中導師的問卷調查與質性訪談資料，本研究使用2000年3月的2844位國一青少年受訪資料，變項包含：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。

　　但由於此資料庫屬於限制型資料，需透過特別申請才能取得，在此不方便將資料釋出使用，故本報告使用模擬資料，生成過程如附件。

Method

首先先載入需要的package 　　

library(ggplot2)
library(condvis)
library(tidyverse)
library(visreg)

模擬資料共生成2500筆。分段呈現資料前六筆的樣子。

knitr::kable(head(dta[1:7]))
id Gender BMI_W1 BMI_W2 BMI_W3 BMI_W6 BMI_W9
1 Male 25.64 25.93 27.08 26.97 27.93
2 Female 19.15 19.89 20.05 20.33 23.05
3 Female 19.91 20.62 20.76 21.02 23.77
4 Female 19.25 19.99 20.14 20.43 23.15
5 Female 21.87 22.49 22.59 22.79 25.65
6 Female 17.21 18.04 18.23 18.58 21.24 
knitr::kable(head(dta[8:15]))
Ma_edu Fa_edu Income PDS SupFam SupScl Parentbound SelfEst
1 2 6 Early 23 15 11 26
5 4 9 Early 13 13 10 21
6 5 3 Early 17 11 14 20
7 8 11 Average 13 8 13 16
6 2 3 Average 19 11 14 27
7 3 11 Early 19 8 20 14 
knitr::kable(head(dta[16:21]))
PostiveVal BMI_Z_W1 BMI_Z_W2 BMI_Z_W3 BMI_Z_W6 BMI_Z_W9
19 1.50 1.33 1.47 1.51 1.62
20 -0.10 -0.33 -0.37 -0.43 -0.43
12 0.13 -0.15 -0.14 -0.17 -0.18
19 -0.07 -0.30 -0.34 -0.40 -0.40
11 0.74 0.30 0.44 0.53 0.47
13 -0.70 -0.78 -0.95 -1.12 -1.08 
knitr::kable(head(dta[22:26]))
obes_w1 obes_w2 obes_w3 obes_w6 obes_w9
1 1 1 1 1
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0

　　首先由圖一觀察各年齡層的肥胖比例，其中肥胖的定義取自衛生署的資料。由圖一可以知道男性比起女性有較高的肥胖率，而且無論男女，在大四時都有較高的肥胖比率。

#寬轉長比較好畫畫
g1 <- dta %>% gather(grade,obesity,22:26)
#Y變成數字才能畫畫
g1$obesity <- as.numeric(g1$obesity)

ggplot(g1,aes(grade,obesity,color=Gender)) +
  stat_summary(fun.data = mean_se,
               fun.ymin = function(x) mean(x) - sd(x), 
               fun.ymax = function(x) mean(x) + sd(x), 
               geom = "pointrange",
               position=position_dodge(width=0.3)) +
  stat_summary(fun.y = mean,group=2) +
  theme_light()  +
  scale_x_discrete(labels=c("obes_w1" = "國一", "obes_w2" = "國二",
                            "obes_w3" = "國三", "obes_w6" = "高三",
                            "obes_w9" = "大四")) +
  labs(x="年級",y="是否肥胖",title ="圖1，各年級的不同肥胖比例")

研究假設一

　　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？由圖二可以看到無論男性或是女性，在家長教育程度有變動時，標準化後的BMI數值並無不同。

ggplot(dta,aes(SupFam,BMI_Z_W1,color=Gender))+ 
  geom_smooth() +
  theme_light() +facet_grid(.~Gender) +
  geom_hline(yintercept = 0 , linetype = "dashed") +
  labs(x="家庭支持程度",y="標準化後的國一BMI",
       title="圖2.1，家庭支持程度與國一標準化後的BMI關係圖")

　　更進一步由線性回歸的結果來看，如圖2.2，可以發現到兩者並無明顯的相關性存在。

m1<- lm(BMI_Z_W1~ I(SupFam^2) + Gender + Fa_edu +
          Ma_edu, data=dta)
visreg(m1, "SupFam",xlab = "家庭支持",ylab="標準化後的國一BMI",
       title="圖2.2，家庭支持程度與國一標準化BMI的線性回歸圖")

　　回歸結果如下表，控制住父母教育程度後，家庭支持程度與國一BMI無顯著相關性。 　　

knitr::kable(broom::tidy(m1),digit=3)
term estimate std.error statistic p.value
(Intercept) -0.065 0.074 -0.880 0.379
I(SupFam^2) 0.000 0.000 0.151 0.880
GenderMale 0.120 0.037 3.240 0.001
Fa_edu 0.015 0.009 1.699 0.090
Ma_edu -0.005 0.009 -0.518 0.604

研究假設二

　　一般認為體重與家庭月收入的高低存在相關性，但想了解究竟是高收入造成營養過剩，還是低收入導致飲食失衡而肥胖？由圖3.2可以發現兩者並沒有明顯的U型相關存在。 　　 　　

#先處理要拿來畫畫的資料
#男女生的平均線不一樣
dummy2 <- data.frame(Gender =levels(dta$Gender), Z = c(19.49,20.07))

dta %>% ggplot(.,aes(x=Income,y=BMI_W1,color=Gender)) + 
  stat_summary(fun.data = mean_se,
               fun.ymin = function(x) mean(x) - sd(x), 
               fun.ymax = function(x) mean(x) + sd(x), 
               geom = "pointrange") +
  stat_summary(fun.y = mean,group=2) +
  theme_light() +
  geom_hline(data = dummy2, aes(yintercept = Z),
             color = "black" , linetype = "dashed") +
  facet_grid(.~Gender) +
  labs(x="家庭收入(類別)", y="國一BMI",
       title="圖3.1，家庭收入與國一BMI的關係")

　　 　　由圖3.2可以發現兩者亦無明顯相關性存在。 　　

m3<- lm(BMI_Z_W1 ~ Gender + Income, data=dta)
visreg(m3,"Income" ,xlab = "家庭月收入",ylab="標準化後的國一BMI",
       title="圖3.2，家庭月收入與標準化後的國一BMI線性回歸圖")

　　下表為線性回歸係數表格，發現家庭月收入與國一BMI無顯著相關性。 　　

knitr::kable(broom::tidy(m3),digit=3)
term estimate std.error statistic p.value
(Intercept) -0.015 0.046 -0.328 0.743
GenderMale 0.120 0.037 3.264 0.001
Income 0.001 0.005 0.098 0.922

研究假設三

　　想知道自尊與正向價值觀在性別上對於體重是否有交互作用？由於問卷採用國一時的自尊與正向價值觀，為呈現心理構面對於體重的影響，這裡的依變項採用的是國三的BMI資料。首先看自尊與國三BMI的關係，如圖4.1，可發現兩者並無顯著相關性。

mQ1 <- lm(BMI_Z_W3 ~  Gender + PostiveVal + SelfEst,data=dta)
visreg(mQ1, "SelfEst",xlab = "自尊",ylab="標準化後的國三BMI",
       title="圖4.1，自尊與標準化後的國三BMI線性回歸圖")

　　接著看正向價值觀與國三BMI的關係，如圖4.2。

visreg(mQ1, "PostiveVal",xlab = "正向價值",ylab="標準化後的國三BMI",
       title="圖4.2，正向價值觀與標準化後的國三BMI關係")

　　最後看兩者的線性回歸表格，如下表，可發現兩者與國三BMI皆無顯著相關性。 　　

knitr::kable(broom::tidy(mQ1),digit=3)
term estimate std.error statistic p.value
(Intercept) -0.216 0.167 -1.294 0.196
GenderMale 0.139 0.039 3.591 0.000
PostiveVal 0.007 0.007 1.017 0.309
SelfEst -0.009 0.006 -1.441 0.150

研究假設四

　　班級氛圍是否會影響青少年的體重變化？圖5.1是取班級氛圍為X軸，以國三標準化後的BMI減去國一標準化後的BMI為Y軸，看兩者之間的相關性。 　　

dtaQ3 <- dta %>%
  mutate(BMIChange = BMI_Z_W3-BMI_Z_W1)

m3 <- lm(BMIChange ~ SelfEst + SupScl + Gender , data=dtaQ3)
visreg(m3,"SupScl",xlab = "班級氛圍",ylab="體重變化程度",
       title="圖5.1，班級氛圍與體重變化程度")
## Warning in plot.window(...): "title" 不是一個繪圖參數

## Warning in plot.xy(xy, type, ...): "title" 不是一個繪圖參數

## Warning in axis(side = side, at = at, labels = labels, ...): "title" 不是一
## 個繪圖參數

## Warning in axis(side = side, at = at, labels = labels, ...): "title" 不是一
## 個繪圖參數

## Warning in box(...): "title" 不是一個繪圖參數

## Warning in title(...): "title" 不是一個繪圖參數

　　由下表可知班級氛圍與體重變化無顯著相關。

knitr::kable(broom::tidy(m3),digit=3)
term estimate std.error statistic p.value
(Intercept) -0.260 0.013 -20.345 0.000
SelfEst -0.001 0.001 -2.036 0.042
SupScl 0.001 0.001 1.909 0.056
GenderMale 0.019 0.003 5.592 0.000

Result

Conclusions

　　經過上述的資料分析與圖表討論，可以發現其實大多數本次主要想詢問的問題，也就是關於體重與學生的個人變項，如自尊與正向價值觀，以及體重對於學生的環境變項，譬如家庭的經濟狀況(此研究透過月收入進行分析)以及家庭的支持程度，還有與學生的個人變項一起探討的班級氛圍等等，從各個圖當中都觀察不出顯著的關聯性，迴歸線無論在控制什麼變項的情況下，都是呈現水平也就是X軸變項與無論是體重的變化或是BMI等主要想測量的變項之間，都不存在顯著的關聯性(其實幾乎都水平可以說完全沒有關聯)，而本組為了嘗試觀察出一些脈絡，將許多變項進行分組後觀察其與體重的關聯性，雖然趨勢上有些微的差異，但仍不到值得細細探討的程度，因此後續也做了許多其他變項的圖案嘗試有更多值得討論的議題，而以下為本組此次進行資料管理之分析與探討後得到的結論：

1.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

　　本研究中發現，無論將家庭支持與收入切為幾組對於資料繪製的散佈圖或迴歸圖進行觀察，似乎無法觀察出一定程度的關聯性，此處與前述討論相關文獻時所提到，家庭收入的多寡，以及家長是否有在關心孩子飲食習慣，這些概念與青少年體重是存在關聯性這樣的說法有所出入，此狀況可能的原因除了樣本可能存在特定趨勢的集中性，以及此份研究為學生自陳量表可能有某些錯誤之外，在沒有做進一步研究之前尚難以論定。

2.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

　　如同第一點所陳述，本研究無法發現學生個人變項如自尊或正向價值等，與體重和體重變化之間的關聯性，雖然一開始本來想要把體重放在X軸，把個人變項放在Y軸，不過後來因為有多個個人變項，可能用這種模式會變成多變量因此作罷，但照理來說倘若兩者間存在關聯性，放在X或Y只會導致因果關係有問題，但兩者間有關聯性應該還是看的出來，然而這部分並沒有觀察到關聯性。可能的原因除了第一部分討論的因素之外，也可能是在國中階段這些自我認知，與真正會影響到個人去思考該不該控制體重之間，還存在一個關鍵性影響行為的因素，可能是有些研究中提到的所謂＂體重控制意象＂，因為前述的文獻也曾經提到，雖然學生會知道自己過胖或者過瘦，也不是很滿意，但不一定會採取實際作為，因此這個隱藏的變項可能是需要注意的。

3.男性的BMI普遍比較有高於平均值的可能性

　此處跟許多研究的結果雷同，在許多長期資料庫且與體重有密切相關的資料中，男性過重的比例與肥胖的比例都是大於女性的，然而此處有一個研究中沒有做到但可能有研究價值的部分，就是這樣的現象似乎跟105年度的國中生健康行為報告中提到，男性的體重雖然相較女性明顯過重與肥胖比例較高，但女性自覺過重的比例卻占了將近一半，但明明國中女性的整體過重只有10%左右，反而男性有將近一半的比例認為自己體態良好，這其實是一個相當值得探討的落差議題。

4.早期肥胖跟成人肥胖有密切關連性

　　最後一點結論其實許多研究都已經提過類似的結果，那就是青少年階段如果過重或肥胖，那麼成年之後肥胖的比率是相當高的，也是因此許多研究才會建議說早期防治肥胖及早開始運動是很重要的，並且將許多重心都強調在學校的體適能環節，以及家長應該培養孩童良好的運動習慣云云。

Dissussion

　　根據前述對於本次資料管理的分析與總結，有以下幾點未來可以提供研究方向思考的議題提出，與大家進行分享與討論：

　　1.現今學生相信搜尋網路資訊與相關影片的能力極強，應該不會有所謂飲食知識不足的狀況，網路上也有許多減肥與塑身方式提供學習，然而就如同本次資料管理練習所發現的，學生知道自己肥胖、也知道怎麼樣容易瘦、也知道太胖容易被嘲笑或對自己不夠有自信，但他們真的會採取行動嗎？為什麼在前述提到的105學年度國中生健康行為當中，認知到自己有肥胖狀況的人大多也都沒有採取減肥行為？這中間應該有非常關鍵的促使減肥因子存在，那那個關鍵的因素是什麼？意志力、恆毅力還是決心之類的因素嗎？還是會存在跟行為直接相關的因素？這或許是一個值得探討的議題。

　　2.女性在身體因素與本次研究的繪圖當中，都發現相較男性是比較容易低於標準BMI的群體，而且在青少女期間發育越早反而越容易過瘦，但是從前述國中女生對於自我身材肥胖與否的自陳來看，好像有非常大的反差，這也一直是筆者心中的疑問，為什麼許多女性明明看起來極瘦卻還是覺得自己有很多地方太胖？而且這似乎是周圍女性的普遍狀況，這種女性自我身材要求較高的狀況，究竟是整體社會當中給予女性形象上的壓力，還是其實存在文化差異？倘若把受到傳統中華文化較深的地區與歐美地區相比，會得到不一樣的結果嗎？這有可能跟文憑主義、考試至上一樣是受到傳統中華文化的影響嗎？這其實也是相當有趣的主題，只是研究的範圍跟難度可能較高。

Reference

Appendix

options(digits = 4, show.signif.stars = FALSE)

#生成模擬資料
sim<- function(n){
  #id
  id<-rep(1:n)
  #身高、體重、BMI
  m <- matrix(nrow=n, ncol=2) 
  m[, 1] <- runif(n)
  m[, 2] <- rnorm(n)
  Gender <- ifelse(m[, 1]<0.5, "Male", "Female")
  H1 <- ifelse(m[, 1]<0.5, 158 + 7*m[, 2],155 + 5*m[, 2])
  H2 <- ifelse(m[, 1]<0.5, 164 + 6*m[, 2],157 + 5*m[, 2])
  H3 <- ifelse(m[, 1]<0.5, 168 + 5*m[, 2],158 + 5*m[, 2])
  H6 <- ifelse(m[, 1]<0.5, 172 + 3*m[, 2],160 + 5*m[, 2])
  H9 <- ifelse(m[, 1]<0.5, 173 + 3*m[, 2],160 + 4*m[, 2])
  W1 <- ifelse(m[, 1]<0.5, 52 + 13*m[, 2],47 + 10*m[, 2])
  W2 <- ifelse(m[, 1]<0.5, 55 + 14*m[, 2],50 + 10*m[, 2])
  W3 <- ifelse(m[, 1]<0.5, 59 + 15*m[, 2],51 + 10*m[, 2])
  W6 <- ifelse(m[, 1]<0.5, 66 + 11*m[, 2],53 + 10*m[, 2])
  W9 <- ifelse(m[, 1]<0.5, 70 + 11 *m[, 2],60 + 10*m[, 2])
  Person <- data.frame(id,Gender,H1,H2,H3,H6,H9,W1,W2,W3,W6,W9)
  Person <- Person %>% mutate(  BMI_W1=W1/(H1/100)^2,
                                BMI_W2=W2/(H2/100)^2,  
                                BMI_W3=W3/(H3/100)^2,
                                BMI_W6=W6/(H6/100)^2,  
                                BMI_W9=W9/(H9/100)^2) %>% select(
                                  -H1,-H2,-H3,-H6,-H9,-W1,-W2,-W3,
                                  -W6,-W9
                                )
  
  #教育程度、月收入、青春期分組
  set.seed(1256)
  Ma_edu<- runif(n,1,8) %>% round(0)
  Fa_edu<- runif(n,1,8) %>% round(0)
  Income<- runif(n,1,13) %>% round(0)
  PDS<- runif(n,1,3) %>% round(0)
  Person<-data.frame(Person,Ma_edu,Fa_edu,Income,PDS)
  
  #家庭支持、班級氛圍、與父母的情感聯繫、自尊、正向價值觀
  SupFam<- rnorm(n,18,5) %>% round(0)
  SupScl<- rnorm(n,12,3) %>% round(0)
  Parentbound<- rnorm(n,14,3) %>% round(0)
  SelfEst<- rnorm(n,20,3) %>% round(0)
  PostiveVal<- rnorm(n,17,3) %>% round(0)
  Person<-data.frame(Person,SupFam,SupScl,Parentbound,SelfEst,PostiveVal)

return(Person)
}

#生成2500筆後存在dta中
dta<-sim(2500)

#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))

#定義肥胖組
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))


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