Submit Search
Upload
心理学における「再現性」の問題とBayes Factor
•
Download as PPTX, PDF
•
9 likes
•
5,304 views
S
Shushi Namba
Follow
Japan.R 2016 LT発表資料です。
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 31
Download now
Recommended
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
Shushi Namba
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Makoto Hirakawa
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
Recommended
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
Shushi Namba
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Makoto Hirakawa
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
負の二項分布について
負の二項分布について
Hiroshi Shimizu
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
Kei Nakagawa
ベータ分布の謎に迫る
ベータ分布の謎に迫る
Ken'ichi Matsui
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
クラシックな機械学習の入門 9. モデル推定
クラシックな機械学習の入門 9. モデル推定
Hiroshi Nakagawa
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
takehikoihayashi
LDA入門
LDA入門
正志 坪坂
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
horihorio
PRML輪読#1
PRML輪読#1
matsuolab
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
Shiga University, RIKEN
最適化超入門
最適化超入門
Takami Sato
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
Shuyo Nakatani
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
Issei Kurahashi
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
Shiga University, RIKEN
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!
Shushi Namba
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
Takashi Yamane
More Related Content
What's hot
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
負の二項分布について
負の二項分布について
Hiroshi Shimizu
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
Kei Nakagawa
ベータ分布の謎に迫る
ベータ分布の謎に迫る
Ken'ichi Matsui
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
クラシックな機械学習の入門 9. モデル推定
クラシックな機械学習の入門 9. モデル推定
Hiroshi Nakagawa
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
takehikoihayashi
LDA入門
LDA入門
正志 坪坂
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
horihorio
PRML輪読#1
PRML輪読#1
matsuolab
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
Shiga University, RIKEN
最適化超入門
最適化超入門
Takami Sato
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
Shuyo Nakatani
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
Issei Kurahashi
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
Shiga University, RIKEN
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
What's hot
(20)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
階層ベイズとWAIC
階層ベイズとWAIC
負の二項分布について
負の二項分布について
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
ベータ分布の謎に迫る
ベータ分布の謎に迫る
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
ベイズファクターとモデル選択
ベイズファクターとモデル選択
変分ベイズ法の説明
変分ベイズ法の説明
クラシックな機械学習の入門 9. モデル推定
クラシックな機械学習の入門 9. モデル推定
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
LDA入門
LDA入門
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
PRML輪読#1
PRML輪読#1
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
最適化超入門
最適化超入門
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Stan超初心者入門
Stan超初心者入門
Viewers also liked
Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!
Shushi Namba
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
Takashi Yamane
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
Rstudio事始め
Rstudio事始め
Takashi Yamane
変数同士の関連_MIC
変数同士の関連_MIC
Shushi Namba
Psychophysical functions@BCM勉強会
Psychophysical functions@BCM勉強会
Shushi Namba
Rでベイズをやってみよう!(コワい本1章)@BCM勉強会
Rでベイズをやってみよう!(コワい本1章)@BCM勉強会
Shushi Namba
20160730tokyor55
20160730tokyor55
Med_KU
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
Factorization machines with r
Factorization machines with r
Shota Yasui
Osaka.Stan #3 Chapter 5-2
Osaka.Stan #3 Chapter 5-2
Takayuki Goto
可視化周辺の進化がヤヴァイ 〜2016〜
可視化周辺の進化がヤヴァイ 〜2016〜
Takashi Kitano
高速・省メモリにlibsvm形式で ダンプする方法を研究してみた
高速・省メモリにlibsvm形式で ダンプする方法を研究してみた
Keisuke Hosaka
てかLINEやってる? (Japan.R 2016 LT) #JapanR
てかLINEやってる? (Japan.R 2016 LT) #JapanR
cancolle
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
Masaki Tsuda
20161127 doradora09 japanr2016_lt
20161127 doradora09 japanr2016_lt
Nobuaki Oshiro
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
Shota Yasui
Tidyverseとは
Tidyverseとは
yutannihilation
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
Akifumi Eguchi
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
OWL.learn
Viewers also liked
(20)
Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Rstudio事始め
Rstudio事始め
変数同士の関連_MIC
変数同士の関連_MIC
Psychophysical functions@BCM勉強会
Psychophysical functions@BCM勉強会
Rでベイズをやってみよう!(コワい本1章)@BCM勉強会
Rでベイズをやってみよう!(コワい本1章)@BCM勉強会
20160730tokyor55
20160730tokyor55
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
Factorization machines with r
Factorization machines with r
Osaka.Stan #3 Chapter 5-2
Osaka.Stan #3 Chapter 5-2
可視化周辺の進化がヤヴァイ 〜2016〜
可視化周辺の進化がヤヴァイ 〜2016〜
高速・省メモリにlibsvm形式で ダンプする方法を研究してみた
高速・省メモリにlibsvm形式で ダンプする方法を研究してみた
てかLINEやってる? (Japan.R 2016 LT) #JapanR
てかLINEやってる? (Japan.R 2016 LT) #JapanR
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
20161127 doradora09 japanr2016_lt
20161127 doradora09 japanr2016_lt
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
Tidyverseとは
Tidyverseとは
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
More from Shushi Namba
回帰モデルとして見る信号検出理論
回帰モデルとして見る信号検出理論
Shushi Namba
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
Shushi Namba
表情から見た情動
表情から見た情動
Shushi Namba
今夜は動的モデリングよ~Dynrで簡単クッキング!~
今夜は動的モデリングよ~Dynrで簡単クッキング!~
Shushi Namba
Mental model for emotion
Mental model for emotion
Shushi Namba
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
Shushi Namba
馬に蹴られるモデリング
馬に蹴られるモデリング
Shushi Namba
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
Shushi Namba
主成分分析(Pca)
主成分分析(Pca)
Shushi Namba
More from Shushi Namba
(9)
回帰モデルとして見る信号検出理論
回帰モデルとして見る信号検出理論
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
表情から見た情動
表情から見た情動
今夜は動的モデリングよ~Dynrで簡単クッキング!~
今夜は動的モデリングよ~Dynrで簡単クッキング!~
Mental model for emotion
Mental model for emotion
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
馬に蹴られるモデリング
馬に蹴られるモデリング
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
主成分分析(Pca)
主成分分析(Pca)
心理学における「再現性」の問題とBayes Factor
1.
心理学の「再現性」 問題に関して、Rと Bayesでアプローチしてて 僕がめっさ興奮した話 2016/11/27 Japan.R 2016 LT 発表者:@NSushi
2.
自己紹介 • 難波修史 @Nsushi •
広島のバイキンマンです • 広島大学教育学研究科心理学専攻D1 • 専門:顔、感情、ド文系 • 興味:ベイズ、ラブライブ(にこまき • 使用言語:Python, R • R歴:初心者
3.
今日の話題 •最近ぼくがめっちゃ興奮した話 心理学で流行りの「再現性」の話 + 僕の専門領域 (顔と感情の関連)
の話 + 心理学でも注目されてる「ベイズ」の話 僕がめっちゃ興奮をした!!
4.
背景:心理学の「再現性」 • Science誌の論文 (2015)
以降、注目された話題 • 簡単にいうと、「過去に報告された心理学実験 の結果が再現されねえ → 科学的に問題」 噂の論文
5.
へーそうかぁ。大事よなぁ。
6.
そんな風に思っていたある日…!
7.
表情と感情の対応(発表者の専門)に 関する研究にも矛先が向けられる!
8.
なんやねんその論文
9.
Wagenmakers et al.
(2016) • 表情と感情の対応に関する研究(表情フィード バック仮説)の「再現性」を検討する研究。 • お相手は当該分野におけるもっとも引用されて きたStrack et al (1988) の実験 この論文のおかげで、ぼくは死ぬ。
10.
表情フィードバック仮説? •笑うと楽しくなるって話 •笑顔を作成 (ペンくわえる) → 漫画がよりおもしろく!
11.
結果の一部 先行研究 追試研究
12.
にっこにこにー=笑顔を作成 → 幸せ(FFBHの観点から
13.
にっこにこにー=笑顔を作成 → 幸せ(FFBHの観点から
14.
にっこにこにー=笑顔を作成 → 幸せ(FFBHの観点から 当該領域の権威が 再現されなかった 今冬から FFBH研究を はじめた僕
15.
ここまではただの僕のつらみ (前フリ
16.
ところでベイジアンのみなさん
17.
18.
19.
20.
Q. 誰やねん? A. Bayesian
Cognitive Modeling (ぼくがベイズ にはまるきっかけの本・ 聖書) の著者の一人
21.
+JASP (ベイズ統計を簡単に行 うフリーソフト) の創始者 +イケメン
22.
ということは…?
23.
24.
そうだね!ベイズだね!!
25.
心理学「再現性」研究における ベイズの有用性 1.ベイズの定理で事後分布を求める=事前情報 とデータの積 → 事前データを用いれる 2.Bayes
Factorを求めれる=対立仮説との対応 から帰無仮説の積極的な支持を行うことが可能 • 今回は過去のFFBH研究を事前情報として 取り入れたうえ(1)で、帰無仮説が支 持されるかどうかという「再現性」 (2) を直接検討できる!!!
26.
心理学「再現性」研究における Rの有用性 1.フリーのソフトであるRのscriptをオープン ソース = 同じ解析の再現を行える! 2.なんとOpen
Science Framework において データ・Rコードなど解析に関するすべてが https://osf.io/h2f98/.にて入手可能 •僕のお家でも、BFを用いた世界中の 表情フィードバック仮説の再現性研 究(の解析)ができるゾ!!!
27.
あぁ~^再現されないんじゃぁ~^ Default BF10 = H1重視の
cauchy 分布 (r = 0.707) が事前分布 (詳細 はLy et al. in press参照) Replication BFr0 =先行研究が事前分布 1以上=対立仮説 (笑顔の 効果がPositive) 支持 1以下=帰無仮説支持
28.
コードも公開されてます!! コード長すぎるか ら君の目で勝手に 確かめてくれ!
29.
論文読んでる時の僕 BF, 心理学実験
30.
結論 • 心理学の「再現性」研究にこそRを用いた Bayesを! • だから誰か一緒に「再現性」研究をやり ませんか?友達ほしいです。 (余談)表情フィードバックの研究はペン ホールディング法(ペンはさむやつ)以外の方 法で知見を増やす
→ にこちゃんの教え (にっこにっこにー)が正しいことを証明する。
31.
Smile !
Download now