Your SlideShare is downloading. ×
  • Like
  • Save
Tokyo r30 anova_part2
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Now you can save presentations on your phone or tablet

Available for both IPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Tokyo r30 anova_part2

  • 7,479 views
Published

TokyoR

TokyoR

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
7,479
On SlideShare
0
From Embeds
0
Number of Embeds
7

Actions

Shares
Downloads
0
Comments
0
Likes
5

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Rによるやさしい統計学分散分析(後半の後半)TOKYO.R #31簑田 高志
  • 2. 目次1.自己紹介2.前回のおさらい3.二元配置分散分析(二要因とも対応あり)4.二元配置分散分析(一要因のみ対応あり)5.まとめ※ スクリーンショットや機能等はMac版となります。基本的にはWindowsも同じものがあるはずです。
  • 3. 目次【前回】1.自己紹介2.分散分析(おさらい)3.二元配置分散分析(対応なし)4.二元配置分散分析(二要因とも対応あり)5.二元配置分散分析(一要因のみ対応あり)6.まとめ※ スクリーンショットや機能等はMac版となります。基本的にはWindowsも同じものがあるはずです。
  • 4. 目次【前回】1.自己紹介2.分散分析(おさらい)3.二元配置分散分析(対応なし)4.二元配置分散分析(二要因とも対応あり)5.二元配置分散分析(一要因のみ対応あり)6.まとめ※ スクリーンショットや機能等はMac版となります。基本的にはWindowsも同じものがあるはずです。今回はここ↓から
  • 5. 目次1.自己紹介2.前回のおさらい3.二元配置分散分析(二要因とも対応あり)4.二元配置分散分析(一要因のみ対応あり)5.まとめ※ スクリーンショットや機能等はMac版となります。基本的にはWindowsも同じものがあるはずです。
  • 6. • 名前 :簑田 高志• Twitter :aad34210• ブログ :http://pracmper.blogspot.com/• 仕事 :ビジネスアナリスト• R歴 :3年程度自己紹介
  • 7. 目次1.自己紹介2.前回のおさらい3.二元配置分散分析(二要因とも対応あり)4.二元配置分散分析(一要因のみ対応あり)5.まとめ※ スクリーンショットや機能等はMac版となります。基本的にはWindowsも同じものがあるはずです。
  • 8. 分散分析【前回】• 分散分析3つ以上の平均値を比較するための統計的方法2つの平均値を比較する方法は「t検定」テキスト160p~から• Rにおける関数 oneway.test aov anova
  • 9. 二元配置分散分析(対応なし)【前回】うちのミネラルウォーター商品って、銘柄ごとに温度が違えば、おいしさって違うのかな。おーい、ちょっとしらべてくれーはいはい、了解しましたっと。データのフォーマットはこれでよさそうだな。これで分析にかけてみよう。
  • 10. 二元配置分散分析(対応なし)【前回】• 主効果:それぞれの要因ごとの効果 “温度の違い”(冷蔵か常温に違いがある)• 交互作用効果:2つ以上の要因が組み合わされた場合に生じる効果。単純に2つの要因の足し算ではない 温度が冷たい場合、5点押し上げる ビビッテルは温度が低いと美味しくない→ 単純な足し算ではない主効果交互作用効果
  • 11. 二元配置分散分析(対応なし)【前回】• まとめ1.主効果と交互作用効果2.仮説の立て方3.aov関数4.Interaction.plot5.交互作用が起こっているグラフの見方
  • 12. 交互作用があって、温度によって差がありそうだってことはわかったげ・・・でもさー、もしかして評価した人のバイアスってかかってない??そこも評価してみてよー
  • 13. 目次(前回)1.自己紹介2.分散分析(おさらい)3.二元配置分散分析(対応なし)4.二元配置分散分析(二要因とも対応あり)5.二元配置分散分析(一要因のみ対応あり)6.まとめやるかもね↑いまココ
  • 14. 目次1.自己紹介2.前回のおさらい3.二元配置分散分析(二要因とも対応あり)4.二元配置分散分析(一要因のみ対応あり)5.まとめ※ スクリーンショットや機能等はMac版となります。基本的にはWindowsも同じものがあるはずです。
  • 15. 二元配置分散分析(二要因とも対応あり)課題:自社商品は銘柄ごとに温度が変わると美味しさがかわるのか? ヒトごとに評価をしてもらった。このデータを使って、温度(冷蔵庫、常温)や銘柄の違いによっ美味しさの評定の母平均は異なるといえるか?
  • 16. 二元配置分散分析(二要因とも対応あり)• 実際に分析1. 帰無仮説と対立仮説の設定• これまでの検定と同じように1つの仮説では無く、「主効果」、「交互作用効果の設定が必要• 要因A(温度)の主効果− 帰無仮説:温度が違っても美味しさの得点の母平均は等しい− 対立仮説:温度の違いによって美味しさ得点の母平均は異なる• 要因B(銘柄)の主効果− 帰無仮説:銘柄が違ってもおいしさ得点の母平均は等しい− 対立仮説:銘柄の違いによって、母平均は異なる• 要因Aと要因Bの交互作用効果− 帰無仮説:温度と銘柄の組み合わせに相性の良し悪しはない− 対立仮説:温度と銘柄の組み合わせに相性の良し悪しがある2. 有意水準• 5%
  • 17. 二元配置分散分析(二要因とも対応あり)• Rで分析#データの準備set.seed(256) #乱数の再現taste_points <- as.integer(runif(30 , min = 1 , max = 20))#温度temp <- factor(c(rep("refrige", 15), rep("normal_temp",15)))#ボトル名bottle_name <- factor(rep(c(rep("evian", 5), rep("volvic",5) , rep("vittel",5)),2))#人の名前name <- factor(rep(c("村松","川崎","井口","松中","城島"),6))
  • 18. • Rで分析summary(aov(taste_points~temp*bottle_name+Error(name+name:temp+name:bottle_name+name:temp:bottle_name)))温度、銘柄の主効果には違いがなく、交互作用効果に違いが見られる。(5%水準で有意)二元配置分散分析(二要因とも対応あり)
  • 19. 目次1.自己紹介2.前回のおさらい3.二元配置分散分析(二要因とも対応あり)4.二元配置分散分析(一要因のみ対応あり)5.まとめ※ スクリーンショットや機能等はMac版となります。基本的にはWindowsも同じものがあるはずです。
  • 20. 二元配置分散分析(一要因のみ対応あり) 前回のアンケートでは、一人に6本の水を評価してもらった。 しかし、6本の水を飲むのは大変だ!というご意見があったため、一人3本の水を飲んで もらうことにした。(・ω・´#)<ノミスギジャ
  • 21. 二元配置分散分析(一要因のみ対応あり) こうして再度アンケートを取ったデータが以下。 A1:冷蔵庫 A2:常温評定者1B1:イカアンB2 :ボスビックB3:ビビッテル 評定者2B1:イカアンB2 :ボスビックB3:ビビッテル村松 1 6 8 斎藤 3 1 10川崎 4 1 2 和田 7 6 6井口 2 2 8 寺原 10 1 4松中 8 9 5 杉内 9 9 10城島 10 10 3 新垣 6 7 1 合計10人の肩にそれぞれ3種類の水を飲んでもらい、評点をつけてもらった。
  • 22. • Rで分析#データの準備set.seed(256) #乱数の再現taste_points <- as.integer(runif(30 , min = 1 , max = 20))#温度temp <- factor(c(rep("refrige", 15), rep("normal_temp",15)))#ボトル名bottle_name <- factor(rep(c(rep("evian", 5), rep("volvic",5) , rep("vittel",5)),2))#人の名前name1 <- rep(c("村松","川崎","井口","松中","城島"),6)name2 <- rep(c("斎藤","和田","寺原","杉内","新垣"),6)total_name <- factor(c(name1 , name2))二元配置分散分析(一要因のみ対応あり)
  • 23. • Rで分析summary(aov(taste_points~temp*bottle_name+Error(total_name:temp+total_name:temp:bottle_name)))二元配置分散分析(一要因のみ対応あり)• ちょっと引数が足りなくないか?• +Error(name+name:temp+name:bottle_name+name:temp:bottle_name)))• 前回は人と人×温度、人×銘柄、人×温度×銘柄と3種類指定したのになぜ2種類で済んでいるのか?
  • 24. • Rで分析二元配置分散分析(一要因のみ対応あり)A1:冷蔵庫 A2:常温評定者1B1:イカアンB2 :ボスビックB3:ビビッテル 評定者2B1:イカアンB2 :ボスビックB3:ビビッテル村松 1 6 8 斎藤 3 1 10川崎 4 1 2 和田 7 6 6井口 2 2 8 寺原 10 1 4松中 8 9 5 杉内 9 9 10城島 10 10 3 新垣 6 7 1• 各評価者は同じ温度で3種類の銘柄を飲んでいます。つまり、人に対して一貫して評価が高かったり、低かったする個人差の要因が現れます。• 個人差の要因である評定者と温度の違いの要因を表す温度がかかる組みあわせだけ指定します。⇛ でも、2要因とも対応ありの指定方法でも同じ結果が得られます。
  • 25. • Rで分析summary(aov(taste_points~temp*bottle_name+Error(total_name:temp+total_name:temp:bottle_name)))二元配置分散分析(一要因のみ対応あり)人、温度、銘柄による違いはなかった。(温度・銘柄による違いは5%に近い値)
  • 26. 二元配置分散分析• まとめ1.二要因とも対応ありは+Error()で要因の組合せを指定。2.一要因のみ対応ありは、組合せを考えることで、+Errorsの内容を減らせる。(1.のやり方でも同じ結果)
  • 27. ご静聴ありがとうございました