Photography2018.02.05 12:47


교반은 필름 현상에서 가장 결정적 부분이다. 교반은 화학반응이 누락되는 것을 막아주며 네거티브에 콘트라스트를 더해주고 이미지의 해상력이 직접적인 영향을 미친다. 화학반응이 누락되는 부분과 관련해서는 현상의 첫 1분이 가장 중요하다. 이 시기에 필름에 미치는 영향이 가장 크기 때문이다. 따라서 이를 방지하기 위해서 첫 50-60초 동안은 계속 교반을 해주는 것이 좋다. 두번째로는 콘트라스트를 향상시키는 것으로 밀도가 높은 필름면에 신선한 현상액을 계속 접촉시키는 것을 의미한다. 현상이 진행되면서 구름, 눈, 하얀옷 처럼 밀도가 높은 부분은 금방 현상액이 피로해진다. 상대적으로 검정색 옷이나 그림자 같은 부분은 밀도가 낮기 때문에 상대적으로 현상액이 신선한채로 남아있게 된다. 따라서 지속적으로 교반을 해주면 밀도가 높은 부분의 필름면에 계속 신선한 현상액이 공급되며 결과적으로 사진의 하이라이트 부분의 현상을 촉발시켜서 결과적으로 콘트라스트가 증가하게 된다. 셋째로 해상력을 증가시키는 것으로 이미지의 경계면에서 일어나는 현상과 관련된다. 관련된 다른 요인으로 에버하드 효과가 있다. 이것은 네거티브 필름에서 매우 정밀한 묘사를 하고 프린트를 10R이상으로 확대할 때 디테일을 유지하는데 매우 중요하다. 이런 경계면효과는 적어도 50초 동안은 교반을 하지 않고 가만히 세워둘 때 증폭된다. 이 과정을 통하여 현상액은 고밀도 지역에서 저밀도 지역으로 자연스럽게 이동하게 된다.

교반방법에는 4가지가 있다 (1) 간헐적 교반 (2) 최소교반 (3) 지속교반 (4) 스탠드 현상. 만일 선예도가 높고 디테일의 마이크로 콘트라스트를 높이고 싶다면 지속교반은 피해야한다. 간헐적 교반은 선예도를 높이기 위한 방법으로 50-60초 동안 지속교반 이후 매 1분마다 10초씩 교반을 하는 방법이다. 최소교반은 더욱 선예도를 높이기 위해서는 이 방법을 사용해야 한다. 현상시간을 50% 정도 늘려야하고 초기 50-60초간 교반 이후에 매 3분마다 10초씩 교반을 하는 방법이다. 연속교반은 보통 JOBO의 로터리식 교반기를 사용할 때 적용되는 방법이다. 필름은 멈추지 않고 지속적으로 돌아가게 된다. 필름의 특정 방향의 자국을 남기지 않기 위해서 교반의 방향을 바꿔줘야한다. 현상시간은 20% 정도 단축시켜야한다. 하지만 이러한 교반방법은 사진인화를 10R 이상 크게 할때만 드러난다. 만일 사진을 크게 프린트할 계획이 없다면 어떤식으로 교반을 하던지간에 크게 상관은 없을 것이다. 하지만 만약 20R 이상 매우 크게 인화할 생각을 하고 있다면 최소교반이나 스탠드 현상을 고려하는게 바람직하다.

경계면의 선예도를 높이기 위한 많은 연구가 있었으며 그 중 Agfa 사의 경우는 매 30초 마다 교반하는 것을 권장하고 있다. 물론 몇몇 경우 1분 보다 더 짧은 간격으로 교반을 하는 것을 제조사에서 권장하고 있지만 개인적 경험상 이러한 권고는 별다른 의미가 없다. 많은 현상액 제조사들은 높은 품질로 어떻게 교반을 하더라도 필름에 별다른 위해를 입히지 않지만 몇몇 군소제조사의 완전치 않은 실험적 현상액의 경우에는 경우에 따라 필름의 이미지에 해를 입힐 수도 있다. 매 1분마다 규칙적으로 교반을 해주면서 제조사가 권장하는 권고안을 따르면 빼어난 해상도와 함께 완전무결한 네거티브 필름을 얻을 수 있을 것이다.

몇몇 사진가들은 매우 과격하게 교반을 하는 것으로 분노를 표현하거나 얌전한 방식의 교반으로는 결코 극적인 이미지를 만들어내지 못한다는 미신을 가지고 있기도 하다. 하지만 마치 마티니를 만들듯 현상통을 심하게 교반하는 것은 대부분 불필요하다. 교반은 단지 현상액을 잘 섞이도록 도와줄 뿐이며 권고된 규칙을 따르면 해결된다. 대부분의 필름현상에서는 10초에 3번 또는 4번 정도 현상통을 뒤집거나 돌리거나 하는 것으로 충분하다. 시트 필름을 트레이에서 현상할 때는 각기 다른 트레이를 사용하는 것이 바람직하다. 트레이의 한쪽 귀퉁이를 잡고 가볍게 들어주는 방식으로 60초간 지속 교반을 해주며 한번 들어줄 때는 3-4초 정도 간격으로 해주면 된다. 서로 다른 트레이의 귀퉁이를 잡고 들어주는 것이 현상액의 흐름을 더욱 불규칙하게 만들어서 자국을 남기지 않게 된다. 이후에는 매 1분마다 10초씩 교반을 해주게된다.

스탠드 현상은 초기부터 많은 사진가들에 의해 시도되었다. 프랑스의 사진가 유젠느 앗제의 경우 대형사진필름을 각기 다른 트레이에 넣어두고는 사람들을 응대하고 식사를 하곤 했다. 그는 한시간마다 들어와서 필름을 살펴보고 괜찮으면 정착을 하고 수세를 하곤했다. 스탠드 현상에는 몇가지 장점이 있다. 우선 경계면 효과를 극대화하기 때문에 필름 이미지의 선예도가 극도로 증가된다. 또 다른 이유로 하이라이트부분에 상쇄효과가 일어나는데 초기에 현상액이 빨리 소모된 후 이후에는 화학적 효과가 느려지게 된다. 이때 밀도가 낮은 지역은 지속적으로 현상이 일어난다. 이러한 장점은 최소교반에서도 일어나지만 스탠드 현상과는 비교가 되지 않는다. 반면 다른 단점이 있다. 이 교반은 고감도 필름에는 잘 사용이 되지 않는다. 이런 경우 포그가 일어나기 쉽다. 나는 보통 ISO125 이상의 필름에서는 스탠드 현상을 잘 사용하지 않는다. 스탠드 현상은 오래 지속되는 성질을 가진 현상액에 적용해야한다. 이 방법에서 pyrogallol 이나 pyrocathchin이 포함된 현상액은 피해야한다. 가장 이상적인 현상액은 glycin으로 된 현상액으로 깨끗하고 오래가는 현상액이다. 스탠드 현상에 가장 이상적인 현상액은 Crawley’s FX 2 이다. 하지만 불행히도 FX 2의 성분인 Pinacryptol Yellow는 더이상 생산이 되지 않는다. 대안으로 Photographers’ Formulary TFX-2가 사용될 수 있다. 스탠드 현상은 매우 쉽다. 1-3분 정도 전습을 한다. 이후 Edwal LFN을 사용하면 균질한 현상을 하는데 도움이 된다. 필름현상 때 교반은 첫 1분 동안만 한다. 이후 45분 동안 일체의 교반 없이 가만히 놓아둔다. 현상의 진행은 필름에서 4피트 이상 떨어진 거리에 설치된 15와트 벌브 등에 녹색 안전 필터를 설치하고 살펴볼 수 있다. 이 과정은 20초 이내로 짧게 끝내야한다. 이후 15-20분 마다 적절하게 현상이 되었는지 확인해볼 수 있다. 이후 만족스럽게 현상이 되었다면 1분간 수세를 한다. 이후 Photographers’ Formulary TF-4로 정착을 하고 수세를 한다. 보통 필름현상에서 눈에 띌만한 변화는 첫 10분에 일어나게 된다. 필름면에 포그가 끼는 것을 방지하기 위하여 90분 이상은 현상하지 않는 것이 바람직하다. 경험상 2시간 이상의 현상은 현상액이 소모되어 큰 의미가 없고 포그가 무조건 생기게 된다. 이것은 나중에 인화를 할 때도 영향을 미치게 된다. 또한 필름 유제가 지나치게 약화되는 것을 방지하기 위해서라도 오래동안 현상액에 두는 것은 바람직하지 않다.

'Photography' 카테고리의 다른 글

필름현상시 교반에 관하여  (0) 2018.02.05
필름현상 (2)  (0) 2018.02.05
Posted by 겨울심장 leetaey
Photography2018.02.05 12:46


필름현상은 인화지의 현상과 유사한 과정이다. 빛에 노광된 silver halides는 metallic silver로 바뀌며 빛에 노광되지 않은 halides는 유제면에서 제거된다. 그러므로 정착액으로 필름을 영구히 보존하기 위해서 이미지들을 잘 보존하는 것이 중요하며 나머지 화학물질들을 제거된다. (1) 현상, (2) 정지, (3) 정착, (4) 수세, (5) 수세촉진, (6) 수세, (7) 건조 과정은 필름현상에 필수적 과정이며 네거티브를 보존하는데 중요한 과정이다. 개개인의 환경에 따라서 몇몇 과정들은 선택적일 수 있다. 하지만 수세촉진과정을 제외하고는 모든 과정은 규칙적으로 하는 것이 좋다.

Pre-Soak

전습은 시트필름을 현상할 때 필름들 끼리 현상탱크 안에서 들러붙는 것을 방지하기 위해 필요하며 필름 유제면에 있는 젤라틴이 물을 더 잘 흡수하게 만들어준다. 이 과정을 통해서 이후 현상과정에서는 유제면이 현상액을 좀 더 느리게 흡수하게 되고 따라서 현상시간이 조금 더 걸리게 된다. 일반적으로 전습은 현상액이 필름 유제면에 좀 더 고루고루 흡수되도록 해주며 4분 이하의 현상시간을 가지는 필름+현상액 조합의 경우 필수적인 과정이다. 하지만 물 얼룩을 피하기 위해서 한번 하게 되면 3-5분 정도는 해주어야한다. 전습은 필름에 있는 몇몇 화학물질의 제거를 부분적으로 돕는다. 이 것은 필름에는 무해하면서도 네거티브에 있는 필름의 특유의 색을 줄이는데 도움이 된다. 하지만 염료가 씻겨나가면 수적방지제와 현상촉진제들 또한 영향을 받으므로 각 필름과 현상액 조합에 따라서 전습이 현상에 미치는 영향을 한번 테스트해두는 것이 좋다.

Stop Bath

현상 이후에는 정지액을 이용하여 현상의 진행을 중지시키게된다. 많은 이들이 사용하는 Kodak Indicator Stop Bath는 희석비가 1:64이며 Ilford Ilfostop은 희석비가 1:19이다.이 과정은 보통 1분의 시간이 소요되며 연속교반을 해주어야한다. Stop Bath는 보통 acetic 또는 citric acid의 희석액으로 되어있으며 이것은 알카리성의 현상액을 빠르게 중화시켜준다. 하지만 정지액은 sodium carbonate를 함유한 현상액과 만나 의도치 않은 기체방울을 유제면에 생성한다. 이러한 기체방울은 이후 정착단계에서 정착액이 필름에 닿는 것을 방해하게 된다. 따라서 이를 방지하기 위해서 현상을 마치고 정지단계에 들어가기 전, 수세를 해주는 것이 좋다. 이 과정을 통해서 알카리성 현상액을 제거하고 중화시킨 후 산성의 정지액을 투입할 수 있게 된다. 하지만 명심해야할 것은 바로 정지액을 사용하지 않고 수세를 할 경우 상대적으로 현상액이 조금 더 오래 작동하게 되므로 현상이 조금 더 초과될 수 있다는 것이다. 이것은 현상시간이 긴 현상액의 경우는 큰 영향을 미치지 않으나 현상시간이 4분 이내로 매우 짧은 경우는 제법 영향을 미칠 수 있다. 하지만 어떤 이들은 정지액 사용전 수세를 하는 것이 암부의 디테일을 조금이라도 더 살리는데 이러한 방식이 도움이 된다고도 한다.

2nd Fix

정착과정에서 남아있는 silver halide는 이미지를 형성하는 metalic silver에 손상을 미치지 않고 silver thiosulfate로 전환된다. 첫 정착과정에서 이러한 변화가 대부분 다 일어나지만 silver thiosulfate와 그 합성물에 의해서 추가적 변화가 빠르게 일어날 수 있다. 유감스럽게도 첫번째 정착에서는 정착시간 동안 정착액의 활성이 떨어지게 되므로 추가적인 시간을 가지더라도 이러한 화학적 변화를 완벽히 콘트롤하기가 어렵다. 따라서 신선한 용액으로 한번 더 정착을 해주게 되면 잔존하는 silver thiosulfate와 그 합성물을 완벽히 제거하는데 도움이 된다. 정착시간은 충분하게 주어지는 것이 좋지만 인화지 정착 때만큼 결정적 차이를 만드는 것은 아니다. 자신이 주로 사용하는 필름+현상액 조각에서 적절한 정착시간을 찾기 위해서는 짜투리 필름을 가지고 여러번 테스트해서 필름면이 충분히 투명해지는지를 여러번 반복해서 시도해보고 최적의 정착시간을 찾아내는 것이 좋다.

Toner

이것은 현상한 네거티브를 산성환경으로 부터 자유롭게 처리해서 필름을 보관할 때 중요하다. 이 과정은 일반적 인화에 비해서 공기에 닿는 면을 최소화하여 보관하는데 중요하다. sulfide의 가벼운 토닝도 있지만 금이나 셀레늄을 이용한 토너가 장기보관에는 매우 중요하며 이것은 네거티브의 예민한 silver를 보다 안정적인 물질로 바꾸어준다. 필요시간은 어떤 타입의 토너를 사용하는지 그리고 보존되기 원하는 수준이 어느정도인지에 따라 달라진다. 신선한 토너를 사용하는 것이 중요하며 토너의 침전물은 네거티브에 회복불가능한 자국을 남길수도 있다. 토닝 전에는 필름을 충분히 수세하는 것이 중요하며 그 과정을 통해서 정착액을 효과적으로 제거해야한다. 보통 셀레늄 토닝의 경우 4분 정도가 소요되며 sulfide 토닝의 경우는 10분 정도가 소요된다.

Washing Aid

수세전 수세촉진제를 사용하는 과정은 화이버베이스 인화시에는 필수적 과정이며 이는 필름현상시에도 유효하다. 이 과정은 픽서를 잘 용해될 수 있도록 도우며 전체 수세과정에 걸리는 시간을 단축시킨다. 수세촉진제는 hypo 제거제와는 다른 것이므로 혼동해서는 안된다. hypo 제거제는 이미지를 손상시킬 수 있다. 수세촉진제는 보통 재사용이 가능하다. 때문에 이를 사용하기전에 가볍게 수세를 한번 해주는 것이 바람직하다. 그렇지 않으면 잔존하는 정착액이 수세촉진제와 섞여 혼탁해지고 또한 수세촉진제의 작용을 약화시키기 때문이다. 따라서 반드시 정착액이나 토너 등을 제거하기 위하여 가볍게 수세를 한번 해주는 것이 좋다. 코닥의 hypo clearing agents는 분말로 되어있기 때문에 사용이 불편하다. Ilford의 Washaid는 1+4로 희석하여 사용하며 2분간 실시한다.

'Photography' 카테고리의 다른 글

필름현상시 교반에 관하여  (0) 2018.02.05
필름현상 (2)  (0) 2018.02.05
Posted by 겨울심장 leetaey
분류없음2018.01.17 22:13

TRL(Technology readiness Level) : 핵심요소기술의 기술적 성숙도에 대한 일관성 있는 객관적인 지표로 TRL 도입은 R&D단계별 명확한 연구개발 목표설정 및 정량적인 평가기준 설정으로 사업성과 제고에 기여

기초연구 : 특수한 응용 또는 사업을 직접적 목표로 하지 않고, 자연현상 및 관찰 가능한 사물에 대한 새로운 지식을 획득하기 위하여 최초로 행해지는 이론적 또는 실험적 연구

TLR 1단계: 기본원리발견 - 기초이론 정립단계

TLR 2단계: 기술개념과 적용분야의 확립 - 기술개발 개념 정립 및 아이디어에 대한 특허 출원 단계

응용연구 : 기초연구의 결과 얻어진 지식을 이용하여 주로 실용적인 목적과 목표 아래 새로운 과학적 지식을 획득하기 위한 독창적인 연구

TLR 3단계: 분석과 실험을 통한 기술개념 검증 - 실험실 환경에서 실험 또는 전산 시뮬레이션을 통해 기본 성능이 검증될 수 있는 단계 ∙개발하려는 부품 또는 시스템의 기본 설계도면을 확보하는 단계 등

TLR 4단계: 연구실 환경에서의 Working Model 개발 - 시험샘플을 제작하여 핵심성능에 대한 평가가 완료된 단계 ∙3단계에서 도출된 다양한 결과 중에서 최적의 결과를 선택하는 단계 ∙컴퓨터 모사가 가능한 경우 최적화를 완료하는 단계 ∙의약품 등 바이오 분야의 경우 목표 물질이 도출된 것을 의미 등

TLR 5단계: 유사 환경에서의 Working Model 검증 - 확정된 소재/부품/시스템의 실험실 시제품 제작 및 성능 평가가 완료된 단계 ∙개발 대상의 생산을 고려하여 설계하나 실제 제작한 시제품 샘플은 1~수개 미만인 단계 ∙경제성을 고려하지 않고 기술의 핵심성능으로만 볼 때, 실제로 판매가 될 수 있는 정도로 목표 성능을 달성한 단계 ∙의약품은 GMP(Good Manufacturing Practice, 제조품질관리기준) 파일럿 설비를 구축 등

개발연구 : 기초․응용연구 및 실제경험으로부터 얻어진 지식을 이용하여 새로운 제품 및 장치를 생산하거나 이미 생산 또는 설치된 것을 실질적으로 개선하기 위한 체계적인 연구

TLR 6단계: 유사 환경에서의 프로토타입 개발 - 파일롯 규모(복수 개 ~ 양산규모의 1/10 정도)의 시제품 제작 및 평가가 완료된 단계 ∙파일롯 규모 생산품에 대해 생산량, 생산용량, 수율, 불량률 등 제시 ∙파일롯 생산을 위한 대규모 투자가 동반되는 단계 ∙생산기업이 수요기업 적용환경에 유사하게 자체 현장테스트를 실시하여 목표성능을 만족시킨 단계 ∙성능평가 결과에 대해 가능하면 공인인증 기관의 성적서 확보 ∙의약품의 경우 비임상 시험기준인 GLP(Good Laboratory Practice, 동물실험규범)기관에서 전임상시험을 완료하는 단계 등

TLR 7단계: 실제 환경에서 시제품 데모 - 실제 환경에서 성능 검증이 이루어지는 단계 ∙부품 및 소재개발의 경우 수요업체에서 직접 파일롯 시제품을 현장 평가(성능뿐만 아니라 신뢰성에 대해서도 평가) ∙의약품의 경우 임상 2상 및 3상 시험 승인 ∙가능하면 KOLAS 인증기관 등의 신뢰성 평가 결과 제출 등

TLR 8단계: 상용제품 시험평가 및 신뢰성 검증 - 표준화 및 인허가 취득 단계 ∙조선 기자재의 경우 선급기관 인증, 의약품의 경우 식약청의 품목 허가 등

실용화/기술이전사업 

TLR 9단계: 상용제품생산 - 본격적인 양산 및 사업화 단계 ∙6-시그마 등 품질관리가 중요한 단계 등


Posted by 겨울심장 leetaey
Statistics2018.01.07 21:07

foreach var of varlist var2-var100 { pwcorr var1 `var', sig }


'Statistics' 카테고리의 다른 글

Stata - foreach  (0) 2018.01.07
Stata - MANOVA (Multivariate Analysis of Variance)  (0) 2017.11.17
Stata - bar graph with error bar  (0) 2017.11.01
Stata - incidence rate  (0) 2017.10.02
Posted by 겨울심장 leetaey
Statistics2017.11.17 01:23

. summarize ltthallpfc-rttcofc


    Variable |        Obs        Mean    Std. Dev.       Min        Max

-------------+---------------------------------------------------------

  ltthallpfc |        200      .37333    .0277996       .301        .47

  rtthallpfc |        200     .369105    .0246989       .311       .459

  ltthalmpfc |        200      .39878    .0205248       .349       .459

  rtthalmpfc |        200      .40587    .0211661       .342       .463

   ltthalofc |        200     .367645    .0311044       .274       .521

-------------+---------------------------------------------------------

   rtthalofc |        200      .36987    .0277549       .296       .465

    lttclpfc |        200     .352225    .0207193        .29       .411

    rttclpfc |        200      .36088     .020233       .264       .414

     lttcofc |        200      .30758    .0227173        .25       .365

     rttcofc |        200      .31088    .0186112       .252       .379


. tabulate group


      group |      Freq.     Percent        Cum.

------------+-----------------------------------

          1 |        100       50.00       50.00

          2 |         40       20.00       70.00

          3 |         60       30.00      100.00

------------+-----------------------------------

      Total |        200      100.00


. tabstat ltthallpfc-rttcofc, by(group)

Summary statistics: mean
  by categories of: group 

   group |  lt~llpfc  rt~llpfc  ltt~mpfc  rtt~mpfc  ltth~ofc  rtth~ofc  lttclpfc  rttclpfc   lttcofc   rttcofc
---------+----------------------------------------------------------------------------------------------------
       1 |    .37544    .37071     .3991    .40339    .37523     .3732    .35361    .35944    .31272    .31061
       2 |   .374875    .37045    .39555   .409275      .361     .3693    .35115   .362875    .30515   .315375
       3 |  .3687833  .3655333     .4004  .4077333  .3594333     .3647  .3506333    .36195  .3006333  .3083333
---------+----------------------------------------------------------------------------------------------------
   Total |    .37333   .369105    .39878    .40587   .367645    .36987   .352225    .36088    .30758    .31088
--------------------------------------------------------------------------------------------------------------


. pwcorr ltthallpfc-rttcofc, star(.05)

             | lt~llpfc rt~llpfc ltt~mpfc rtt~mpfc ltth~ofc rtth~ofc lttclpfc rttclpfc lttcofc rttcofc
-------------+----------------------------------------------------------------------------------------- 
  ltthallpfc |   1.0000 
  rtthallpfc |   0.4681*  1.0000 
  ltthalmpfc |   0.5358*  0.3849*  1.0000 
  rtthalmpfc |   0.4018*  0.5690*  0.6051*  1.0000 
   ltthalofc |   0.5068*  0.2856*  0.3209*  0.1968*  1.0000 
   rtthalofc |   0.3311*  0.5691*  0.1631*  0.2788*  0.3984*  1.0000 
    lttclpfc |   0.3995*  0.4462*  0.3287*  0.3409*  0.2640*  0.3323*  1.0000 
    rttclpfc |   0.2455*  0.3640*  0.2570*  0.3855*  0.1937*  0.2991*  0.4855*  1.0000
     lttcofc |   0.2774*  0.3128*  0.2063*  0.2530*  0.2914*  0.3179*  0.5015*  0.3517* . 1.0000
     rttcofc |   0.2053*  0.3370*  0.2149*  0.2690*  0.2937*  0.2905*  0.4205* . 0.6034*  0.4983* . 1.0000
 
. manova ltthallpfc-rttcofc = group

                       Number of obs =        200

                       W = Wilks' lambda      L = Lawley-Hotelling trace
                       P = Pillai's trace     R = Roy's largest root

              Source | Statistic        df    F(df1,     df2) =   F   Prob>F
          -----------+-------------------------------------------------------
               group |W   0.7790         2     20.0    376.0     2.50 0.0004 e
                     |P   0.2314               20.0    378.0     2.47 0.0005 a
                     |L   0.2704               20.0    374.0     2.53 0.0004 a
                     |R   0.2057               10.0    189.0     3.89 0.0001 u
                     |-------------------------------------------------------
            Residual |                 197
          -----------+-------------------------------------------------------
               Total |                 199
          -------------------------------------------------------------------
                       e = exact, a = approximate, u = upper bound on F

. manovatest, showorder

 Order of columns in the design matrix
      1: (group==1)
      2: (group==2)
      3: (group==3)
      4: _cons


. matrix c1=(1, -1, 0, 0)

. manovatest, test(c1)

 Test constraint
 (1)    1.group - 2.group = 0

                       W = Wilks' lambda      L = Lawley-Hotelling trace
                       P = Pillai's trace     R = Roy's largest root

              Source | Statistic        df    F(df1,     df2) =   F   Prob>F
          -----------+-------------------------------------------------------
          manovatest |W   0.8659         1     10.0    188.0     2.91 0.0021 e
                     |P   0.1341               10.0    188.0     2.91 0.0021 e
                     |L   0.1549               10.0    188.0     2.91 0.0021 e
                     |R   0.1549               10.0    188.0     2.91 0.0021 e
                     |-------------------------------------------------------
            Residual |                 197
          -------------------------------------------------------------------
                       e = exact, a = approximate, u = upper bound on F


. matrix c2=(1, 0, -1, 0)

. manovatest, test(c2)

 Test constraint
 (1)    1.group - 3.group = 0

                       W = Wilks' lambda      L = Lawley-Hotelling trace
                       P = Pillai's trace     R = Roy's largest root

              Source | Statistic        df    F(df1,     df2) =   F   Prob>F
          -----------+-------------------------------------------------------
          manovatest |W   0.8608         1     10.0    188.0     3.04 0.0014 e
                     |P   0.1392               10.0    188.0     3.04 0.0014 e
                     |L   0.1617               10.0    188.0     3.04 0.0014 e
                     |R   0.1617               10.0    188.0     3.04 0.0014 e
                     |-------------------------------------------------------
            Residual |                 197
          -------------------------------------------------------------------
                       e = exact, a = approximate, u = upper bound on F

. matrix c3=(0, 1, -1, 0)

. manovatest, test(c3)

 Test constraint
 (1)    2.group - 3.group = 0

                       W = Wilks' lambda      L = Lawley-Hotelling trace
                       P = Pillai's trace     R = Roy's largest root

              Source | Statistic        df    F(df1,     df2) =   F   Prob>F
          -----------+-------------------------------------------------------
          manovatest |W   0.9386         1     10.0    188.0     1.23 0.2747 e
                     |P   0.0614               10.0    188.0     1.23 0.2747 e
                     |L   0.0654               10.0    188.0     1.23 0.2747 e
                     |R   0.0654               10.0    188.0     1.23 0.2747 e
                     |-------------------------------------------------------
            Residual |                 197
          -------------------------------------------------------------------
                       e = exact, a = approximate, u = upper bound on F

. margins group, predict(equation(ltthallpfc))


Adjusted predictions                            Number of obs     =        200


Expression   : Linear prediction, predict(equation(ltthallpfc))


------------------------------------------------------------------------------

             |            Delta-method

             |     Margin   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          1  |     .37544   .0027778   135.16   0.000     .3699619    .3809181

          2  |    .374875   .0043921    85.35   0.000     .3662134    .3835366

          3  |   .3687833   .0035861   102.84   0.000     .3617112    .3758555

------------------------------------------------------------------------------


. margins group, predict(equation(rtthallpfc))


Adjusted predictions                            Number of obs     =        200


Expression   : Linear prediction, predict(equation(rtthallpfc))


------------------------------------------------------------------------------

             |            Delta-method

             |     Margin   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          1  |     .37071   .0024712   150.01   0.000     .3658367    .3755833

          2  |     .37045   .0039073    94.81   0.000     .3627446    .3781554

          3  |   .3655333   .0031903   114.58   0.000     .3592419    .3718248

------------------------------------------------------------------------------


. margins group, predict(equation(ltthalmpfc))


Adjusted predictions                            Number of obs     =        200


Expression   : Linear prediction, predict(equation(ltthalmpfc))


------------------------------------------------------------------------------

             |            Delta-method

             |     Margin   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          1  |      .3991   .0020557   194.15   0.000     .3950461    .4031539

          2  |     .39555   .0032503   121.70   0.000     .3891402    .4019598

          3  |      .4004   .0026538   150.88   0.000     .3951664    .4056336

------------------------------------------------------------------------------


. margins group, predict(equation(rtthalmpfc))


Adjusted predictions                            Number of obs     =        200


Expression   : Linear prediction, predict(equation(rtthalmpfc))


------------------------------------------------------------------------------

             |            Delta-method

             |     Margin   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          1  |     .40339   .0021119   191.01   0.000     .3992251    .4075549

          2  |    .409275   .0033392   122.57   0.000     .4026898    .4158602

          3  |   .4077333   .0027265   149.55   0.000     .4023565    .4131101

------------------------------------------------------------------------------


. margins group, predict(equation(ltthalofc))


Adjusted predictions                            Number of obs     =        200


Expression   : Linear prediction, predict(equation(ltthalofc))


------------------------------------------------------------------------------

             |            Delta-method

             |     Margin   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          1  |     .37523   .0030308   123.80   0.000     .3692529    .3812071

          2  |       .361   .0047922    75.33   0.000     .3515494    .3704506

          3  |   .3594333   .0039128    91.86   0.000      .351717    .3671497

------------------------------------------------------------------------------


. margins group, predict(equation(rtthalofc))


Adjusted predictions                            Number of obs     =        200


Expression   : Linear prediction, predict(equation(rtthalofc))


------------------------------------------------------------------------------

             |            Delta-method

             |     Margin   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          1  |      .3732   .0027646   134.99   0.000     .3677479    .3786521

          2  |      .3693   .0043713    84.48   0.000     .3606795    .3779205

          3  |      .3647   .0035691   102.18   0.000     .3576614    .3717386

------------------------------------------------------------------------------


. margins group, predict(equation(lttclpfc))


Adjusted predictions                            Number of obs     =        200


Expression   : Linear prediction, predict(equation(lttclpfc))


------------------------------------------------------------------------------

             |            Delta-method

             |     Margin   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          1  |     .35361   .0020777   170.20   0.000     .3495127    .3577073

          2  |     .35115   .0032851   106.89   0.000     .3446716    .3576284

          3  |   .3506333   .0026823   130.72   0.000     .3453437    .3559229

------------------------------------------------------------------------------


. margins group, predict(equation(rttclpfc))


Adjusted predictions                            Number of obs     =        200


Expression   : Linear prediction, predict(equation(rttclpfc))


------------------------------------------------------------------------------

             |            Delta-method

             |     Margin   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          1  |     .35944   .0020281   177.23   0.000     .3554404    .3634396

          2  |    .362875   .0032067   113.16   0.000     .3565511    .3691989

          3  |     .36195   .0026183   138.24   0.000     .3567866    .3671134

------------------------------------------------------------------------------


. margins group, predict(equation(lttcofc))


Adjusted predictions                            Number of obs     =        200


Expression   : Linear prediction, predict(equation(lttcofc))


------------------------------------------------------------------------------

             |            Delta-method

             |     Margin   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          1  |     .31272   .0022181   140.98   0.000     .3083457    .3170943

          2  |     .30515   .0035072    87.01   0.000     .2982336    .3120664

          3  |   .3006333   .0028636   104.99   0.000     .2949861    .3062805

------------------------------------------------------------------------------


. margins group, predict(equation(rttcofc))


Adjusted predictions                            Number of obs     =        200


Expression   : Linear prediction, predict(equation(rttcofc))


------------------------------------------------------------------------------

             |            Delta-method

             |     Margin   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          1  |     .31061   .0018541   167.52   0.000     .3069535    .3142665

          2  |    .315375   .0029316   107.58   0.000     .3095936    .3211564

          3  |   .3083333   .0023937   128.81   0.000     .3036128    .3130538

------------------------------------------------------------------------------


. margins, dydx(group) predict(equation(ltthallpfc))


Conditional marginal effects                    Number of obs     =        200


Expression   : Linear prediction, predict(equation(ltthallpfc))

dy/dx w.r.t. : 2.group 3.group


------------------------------------------------------------------------------

             |            Delta-method

             |      dy/dx   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          2  |   -.000565   .0051968    -0.11   0.914    -.0108135    .0096835

          3  |  -.0066567   .0045361    -1.47   0.144    -.0156023     .002289

------------------------------------------------------------------------------

Note: dy/dx for factor levels is the discrete change from the base level.


. margins, dydx(group) predict(equation(rtthallpfc))


Conditional marginal effects                    Number of obs     =        200


Expression   : Linear prediction, predict(equation(rtthallpfc))

dy/dx w.r.t. : 2.group 3.group


------------------------------------------------------------------------------

             |            Delta-method

             |      dy/dx   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          2  |    -.00026   .0046231    -0.06   0.955    -.0093772    .0088572

          3  |  -.0051767   .0040354    -1.28   0.201    -.0131348    .0027815

------------------------------------------------------------------------------

Note: dy/dx for factor levels is the discrete change from the base level.


. margins, dydx(group) predict(equation(ltthalmpfc))


Conditional marginal effects                    Number of obs     =        200


Expression   : Linear prediction, predict(equation(ltthalmpfc))

dy/dx w.r.t. : 2.group 3.group


------------------------------------------------------------------------------

             |            Delta-method

             |      dy/dx   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          2  |    -.00355   .0038458    -0.92   0.357    -.0111342    .0040342

          3  |      .0013   .0033569     0.39   0.699      -.00532      .00792

------------------------------------------------------------------------------

Note: dy/dx for factor levels is the discrete change from the base level.


. margins, dydx(group) predict(equation(rtthalmpfc))


Conditional marginal effects                    Number of obs     =        200


Expression   : Linear prediction, predict(equation(rtthalmpfc))

dy/dx w.r.t. : 2.group 3.group


------------------------------------------------------------------------------

             |            Delta-method

             |      dy/dx   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          2  |    .005885    .003951     1.49   0.138    -.0019067    .0136767

          3  |   .0043433   .0034487     1.26   0.209    -.0024579    .0111445

------------------------------------------------------------------------------

Note: dy/dx for factor levels is the discrete change from the base level.


. margins, dydx(group) predict(equation(ltthalofc))


Conditional marginal effects                    Number of obs     =        200


Expression   : Linear prediction, predict(equation(ltthalofc))

dy/dx w.r.t. : 2.group 3.group


------------------------------------------------------------------------------

             |            Delta-method

             |      dy/dx   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          2  |    -.01423   .0056702    -2.51   0.013    -.0254121   -.0030479

          3  |  -.0157967   .0049493    -3.19   0.002    -.0255572   -.0060362

------------------------------------------------------------------------------

Note: dy/dx for factor levels is the discrete change from the base level.


. margins, dydx(group) predict(equation(rtthalofc))


Conditional marginal effects                    Number of obs     =        200


Expression   : Linear prediction, predict(equation(rtthalofc))

dy/dx w.r.t. : 2.group 3.group


------------------------------------------------------------------------------

             |            Delta-method

             |      dy/dx   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          2  |     -.0039   .0051722    -0.75   0.452    -.0140999    .0062999

          3  |     -.0085   .0045146    -1.88   0.061    -.0174032    .0004032

------------------------------------------------------------------------------

Note: dy/dx for factor levels is the discrete change from the base level.


. margins, dydx(group) predict(equation(lttclpfc))


Conditional marginal effects                    Number of obs     =        200


Expression   : Linear prediction, predict(equation(lttclpfc))

dy/dx w.r.t. : 2.group 3.group


------------------------------------------------------------------------------

             |            Delta-method

             |      dy/dx   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          2  |    -.00246    .003887    -0.63   0.528    -.0101254    .0052054

          3  |  -.0029767   .0033928    -0.88   0.381    -.0096676    .0037142

------------------------------------------------------------------------------

Note: dy/dx for factor levels is the discrete change from the base level.


. margins, dydx(group) predict(equation(rttclpfc))


Conditional marginal effects                    Number of obs     =        200


Expression   : Linear prediction, predict(equation(rttclpfc))

dy/dx w.r.t. : 2.group 3.group


------------------------------------------------------------------------------

             |            Delta-method

             |      dy/dx   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          2  |    .003435   .0037942     0.91   0.366    -.0040475    .0109175

          3  |     .00251   .0033119     0.76   0.449    -.0040213    .0090413

------------------------------------------------------------------------------

Note: dy/dx for factor levels is the discrete change from the base level.


. margins, dydx(group) predict(equation(lttcofc))


Conditional marginal effects                    Number of obs     =        200


Expression   : Linear prediction, predict(equation(lttcofc))

dy/dx w.r.t. : 2.group 3.group


------------------------------------------------------------------------------

             |            Delta-method

             |      dy/dx   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          2  |    -.00757   .0041497    -1.82   0.070    -.0157536    .0006136

          3  |  -.0120867   .0036222    -3.34   0.001    -.0192299   -.0049434

------------------------------------------------------------------------------

Note: dy/dx for factor levels is the discrete change from the base level.


. margins, dydx(group) predict(equation(rttcofc))


Conditional marginal effects                    Number of obs     =        200


Expression   : Linear prediction, predict(equation(rttcofc))

dy/dx w.r.t. : 2.group 3.group


------------------------------------------------------------------------------

             |            Delta-method

             |      dy/dx   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       group |

          2  |    .004765   .0034688     1.37   0.171    -.0020757    .0116057

          3  |  -.0022767   .0030278    -0.75   0.453    -.0082477    .0036944

------------------------------------------------------------------------------

Note: dy/dx for factor levels is the discrete change from the base level.



'Statistics' 카테고리의 다른 글

Stata - foreach  (0) 2018.01.07
Stata - MANOVA (Multivariate Analysis of Variance)  (0) 2017.11.17
Stata - bar graph with error bar  (0) 2017.11.01
Stata - incidence rate  (0) 2017.10.02
Posted by 겨울심장 leetaey
Statistics2017.11.01 21:29

twoway (rcap lci uci sample, horizontal)(bar incidence sample, horizontal barwidth(0.7) ylabel(1(1)5, valuelabel angle(0)) ytitle("") legend(off))




'Statistics' 카테고리의 다른 글

Stata - foreach  (0) 2018.01.07
Stata - MANOVA (Multivariate Analysis of Variance)  (0) 2017.11.17
Stata - bar graph with error bar  (0) 2017.11.01
Stata - incidence rate  (0) 2017.10.02
Posted by 겨울심장 leetaey
Statistics2017.10.02 04:54

1. Incidence Rate  계산 

 

350 person-years에서 2명 발생한 경우


cii means 350 2 , poisson  

 

cii #exposure #events , poisson 

 

 

2. 메타 분석 관련

 

이렇게 구한 2개의 연구자료에 대한 Pooling 산출예제

 

ssc install metan

 

clear all
input str20 Study Rate LCL UCL 
"A" .0057143 .000692 .020642
"B" .0022624 .000274 .0081727
end

 

Rate에 1000곱하여 제시하는 경우 

 

clear all
input str20 Study Rate LCL UCL 
"A" 5.7143 .692 20.642
"B" 2.2624 .274 8.1727
end

 

gen ln_Rate=ln(Rate)
gen ln_LCL=ln(LCL)
gen ln_UCL=ln(UCL)

metan ln_Rate ln_LCL ln_UCL, eform random lcols(Study) 
 

'Statistics' 카테고리의 다른 글

Stata - foreach  (0) 2018.01.07
Stata - MANOVA (Multivariate Analysis of Variance)  (0) 2017.11.17
Stata - bar graph with error bar  (0) 2017.11.01
Stata - incidence rate  (0) 2017.10.02
Posted by 겨울심장 leetaey