ダイエットとStataの使い方 ３

前回は、運動だけだと体重は落ちないと気づき食事を変えようとしました。そして、一定の効果を感じるところまではいきましたがやめると元に戻りました。

今回は、実際に加入して1か月経過した効果を書きます。

お正月いっぱい食べるし・・・

と思ったので、年明けからの加入です。

Stataについては、今回は特に新しいことはしません。

今回のポイント

食事管理はすごい

まず加入したサービスについて、固有名詞は出しませんが"食事管理　オンライン"でググると出てきます。そこから無料体験できるものを探すと出てきます。わからなければツイッターのDMで聞いてもらってもいいです。

さて、その効果ですが下のグラフのようになっています。
念のためコードも載せておきます。

twoway (area inter date if date>= date("9/1/2021","MDY",.), color(gs14) cmissing(n)) /*
*/  (tsline bmi if date>= date("9/1/2021","MDY",.) ), ytitle("BMI")

コードについて補足しておきます。interは、食事管理の期間なら31でそれ以外の期間を欠損値とした変数です。ここで、cmissing(n)を入れないと欠損値を勝手に補充するお節介な機能がありますので、上のグラフで示した無料体験と実際に始めた期間の間の期間にも影がついてしまいます。

そして、折れ線グラフは欠損値を補充してくれたほうが見た目がいいのでcmissing(n)を入れていません。

縦軸はinterとbmiの2変数になっているのでデフォルトだとラベルがつきません。そのためytitle("BMI")というオプションをつけています。

上のグラフから読み取れることとしては、課金した直後から急激にBMIが減少していることがわかります。
ただ、ここ数日はBMI(体重)が大きく変動していません。

この理由について、googleによると停滞期とのことでした。
１か月で体重の５％以上が減少すると発生する現象のようです。高校の体育の授業で習ったホメオスタシスというものです。

さて、グラフを見るだけでも明らかですが大学院生としては実証分析を用いて効果検証をしたいと思うのが通常です。

しかし、よくあるような差分の差分法を用いた実証は今回は不可能です。なぜなら、今回のケースではトリートメントグループが存在していないないからです。すなわち、ダイエットをしていないもう一人の大学院生がパラレルワールドに存在していばその人との差を見ることで食事管理の効果がわかるのですが今回は無理ということです。

そこで、効果検証の方針としてはcausal impactというものがあります。詳しいことはこのサイトなどを参照してください。これは、もし介入がなかった場合の数値を介入以前の値から予測するものです。

残念ながらStataのコードを書いてくれている親切な人はいないので、今回はRのパッケージを紹介するにとどめます。

次回、Rをマスターします。(2022/2/20撤回)