読者です 読者をやめる 読者になる 読者になる

Rを通じて統計学を学ぶ備忘録ブログ

SPSSからRに移行したい私のような人向けのR解説ブログ兼学習用備忘録。

第78回 ブートストラップ法

今回はブートストラップ法について見ていきましょう。ブートストラップ法はモンテカルロ法の一種で、標本から標本を再抽出することで、母集団の性質を推測する方法のことです。観測されたサンプルデータから母集団の性質を推測するとき、必ず誤差が生じてい…

ベイズ統計学その19〜個体差と場所差を含む階層ベイズモデル〜

今回はrjagsを使って、個体差と場所差を含めた階層ベイズモデルを動かしていきます。 今回の内容とデータは久保先生の「データ解析のための統計モデリング」を参考に一部修正・変更したものです。 とにかく、一般化線形モデルから階層ベイズまでを学習したい…

ベイズ統計学その18〜ポアソン回帰、負の二項回帰とJAGS〜

今回はポアソン回帰モデル、負の二項回帰モデルをJAGSで動かしてみましょう。ポアソン回帰モデルの説明はもはや不必要だと思いますが、簡単におさらいします。数学的な話はしません。目的変数yがポアソン分布に従うような場合に、扱うモデルで、いわゆる一般…

ベイズ統計学その17〜二項ロジットとJAGS〜

今回は二項ロジットモデルをJAGSで動かしてみましょう。二項ロジットモデルの説明はもはや不必要だと思いますが、簡単におさらいします。数学的な話はしません。目的変数yが0,1のような2値データの時に、扱うモデルで、いわゆる一般化線形回帰モデルの一つで…

第76回 重回帰分析と交互作用〜説明変数が2つ以上の時の作図〜

久しぶりの更新です。このブログのアクセス解析ページを見てみると、重回帰分析と交互作用のページへのアクセスが多いようなので、それに関連するトピックで記事を書いていきます。過去の関連記事は以下から参照ください。 第31回 回帰分析と重回帰分析 - …

第62回 Time Seriesデータへの成型

Time Seriesデータへの成型 参考にするのは以下の書籍です。 www.shoeisha.co.jp さて、今回扱うデータ、コードは「楽しいR」のものを利用させてもらいます。目標は、曜日変数とtime lag変数の追加です。 □Time lagとは データをシフトして比較するときや、…

第61回 クラスター分析

□クラスター分析 クラスター分析とは、個体の類似性を(距離)をもとにいくつかのクラスター(房)に分け、集団の特徴を捉えるための分析手法。大別すると、デンドログラム(樹形図)で表現される「階層的」な方法と、あらかじめクラスターの数を固定し、そ…

第59回 マルチレベル分析〜R実践〜

第59回はRでマルチレベル分析を行っていきます。用いるデータはマルチレベル分析の生みの親でもあるRaudenbushが実際に使った高校のデータを使っていきます。データはここからダウンロードできます。 □hsb12の内容 hsb12の内容は、高校をサンプリングした…

補足の回 重回帰分析の交互作用の検討 R実践

【お詫びのお知らせ】20160628 作図2:オンラインツール(Preacher, Curran, & Bauer, 2006)の箇所で入力に誤りがありましたので訂正いたしました。 今回は重回帰分析の交互作用の検討をRで実践してみます。前回も同様の記事を書きましたが、今回は地味に地…

第58回 マルチレベル分析

第58回はマルチレベル分析について書いていきます。マルチレベル分析は、その名が表すように、複数の水準を分けて分析していく手法です。マルチレベル分析は、「マルチレベルモデル」「階層線形モデル」「線形混合モデル」など様々な呼び方をされている手…

第52回 ポアソン回帰分析

第52回はポアソン回帰分析について書いていきます。これは見てわかる通り、誤差構造にポアソン分布を利用します。つまり、ポアソン回帰分析の目的変数は「ポアソン分布」に従います。従い、ポアソン分布に従って発生する観測値(y)に影響する要因(x)との…

第51回 多項(Multi)ロジスティック回帰分析

第51回は「多項ロジスティック回帰分析」。これはどのようなときに使う手法なのでしょうか。簡単に言うと、名義尺度の目的変数が3つ以上のとき、多項ロジスティック回帰分析、目的変数に順序関係がある場合には順序ロジスティック回帰分析(もしくは、順序…

第49回 ロジスティック回帰分析(R実践)

第49回はロジスティック回帰分析をRで実践していきます。データセットのサンプルは、以前の記事でも使わせていただいた「マンガでわかる統計学〜回帰分析〜」をもとにしております。書籍では、ノルンという喫茶店の「スペシャルケーキ」が売れるかどうかを…

第48回 ロジスティック回帰分析

第48回はロジスティック回帰分析について書きます。ロジスティック回帰分析を簡単に説明すると、目的変数が「2値」の時に利用する分析手法です。例えば、売れる/売れない、勝つ/負ける、投票する/投票しない、発生する/発生しない、0/1、などなどです。普…

第46回の補足の補足 重回帰分析×交互作用項(質的×質的)

第46回で交互作用と重回帰分析について書きましたが、それの補足記事です。 説明変数が、質的×質的の交互作用項を含めた場合、どのように係数を解釈すればよいのでしょうか。 例を示して説明します。性別によって生活する国が幸福度に与える影響を明らかに…

第45回 重回帰分析と交互作用

第45回の補足では、重回帰分析と交互作用について書きます。 20150810時点で訂正しました。 数式解説の部分、mとzが混同しておりました。ただしくはmです。 申し訳ありません。 20150927時点:以下の記事を追加しました。 ・交互作用とは 重回帰分析では交…

第43回 変数間の関連パターン

第43回は変数間の関連について書きます。次回、重回帰分析の「階層的」重回帰分析の記事を書くために、変数間の「媒介関係」をおさえましょう。次いでに「疑似相関」「交互作用」についてもおさえておきましょう。 □媒介関係 xが原因変数、yが結果変数とし…

第41回 AIC

第41回はAICについて書きます。 以前の記事でもモデル選択の記事でAICはちらっと紹介しましたが、今回はAICに焦点をあてて書いていきます。数式はほとんど使いません。 □AICの考え方 モデル選択では、問題意識として、どのような統計モデルを選択するべき…

第40回 パラメタ推定法(最尤法) 

第40回はパラメタ推定法(最尤法)について書きます。 パラメタの推定法はいくつかありますが、回帰分析では特に指定がない限り、「最小二乗法」を使ってパラメタを推定します。しかし、回帰分析の種類によっては、最小二乗法でパラメタを求めることが好ま…

第39回 一般化線形モデル

第39回は一般化線形モデルの概要について書いていきます。 □一般化線形モデルとは!? 一般化線形モデル(Generalized linear model:GLM、以下GLM)は、1972年にネルダーとウェダーバーンによって提唱されました。線形回帰分析では正規分布を使うこと…

第38回 因子分析

第38回は因子分析について書きます。 そもそも因子分析は、「探索的因子分析」と「検証的因子分析」の2つに分けられます。ここでは、「探索的因子分析」のことについて書いていきます。 因子分析は端的に言うと、「データの背後に存在するであろう説明変…

第37回 主成分分析

第37回は主成分分析について書きます。 主成分分析と因子分析はセットで語られることが多く、似たような分析法というイメージが強いのですが、目的が違います。主成分分析は「情報をまとめること」を目的としており、因子分析のように変数の背後にある潜在…

第35回 モデル選択

第35回はモデル選択について書きます。前回の記事で、重回帰分析では変数の選択が重要とかきました。そこで今回は、変数の有効な選択法について書いていきます。 変数選択法には大きく3つあります。 ①変数増加法:説明変数1つから順次増やしていく ②変数…

第34回 重回帰分析

第34回は重回帰分析について書きます。 重回帰分析は単回帰分析の説明変数が1つではなく、複数になったものです。単回帰分析のときには問題にならなかった「多重共線性(マルチコリニアリティ)」ということを考慮しなければいけません。 多重共線性:回…

第31回 回帰分析と重回帰分析

第31回は回帰分析と重回帰分析について書きます。 説明変数が 1つの場合=単回帰分析 説明変数が 2つ以上の場合=重回帰分析 線形回帰、非線形回帰に回帰分析は分類できるが、「線形」回帰の由来は「yとxの関係を直線で表せる」からである。まずは単回帰…