Submit Search
Upload
jamoviによるデータ分析(3):分散分析
•
Download as PPTX, PDF
•
0 likes
•
1,215 views
Y
YUNO SHIMIZU
Follow
1要因&2要因分散分析、jamoviにおける分散分析の方法について説明しています。
Read less
Read more
Education
Report
Share
Report
Share
1 of 28
Download now
Recommended
jamoviによるデータ分析(4):相関と回帰
jamoviによるデータ分析(4):相関と回帰
YUNO SHIMIZU
jamoviによるデータ分析(2):統計的仮説検定とt検定
jamoviによるデータ分析(2):統計的仮説検定とt検定
YUNO SHIMIZU
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Masaru Tokuoka
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
第1回DARM勉強会のANOVA補足(repeated measures designs)
第1回DARM勉強会のANOVA補足(repeated measures designs)
Masaru Tokuoka
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
daiki hojo
Recommended
jamoviによるデータ分析(4):相関と回帰
jamoviによるデータ分析(4):相関と回帰
YUNO SHIMIZU
jamoviによるデータ分析(2):統計的仮説検定とt検定
jamoviによるデータ分析(2):統計的仮説検定とt検定
YUNO SHIMIZU
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Masaru Tokuoka
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
第1回DARM勉強会のANOVA補足(repeated measures designs)
第1回DARM勉強会のANOVA補足(repeated measures designs)
Masaru Tokuoka
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
daiki hojo
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
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
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
wada, kazumi
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
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
負の二項分布について
負の二項分布について
Hiroshi Shimizu
ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33
horihorio
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
エクセルで統計分析5 マルチレベル分析のやり方
エクセルで統計分析5 マルチレベル分析のやり方
Hiroshi Shimizu
傾向スコアの概念とその実践
傾向スコアの概念とその実践
Yasuyuki Okumura
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
Hiroshi Shimizu
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
Daisuke Yoneoka
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
Issei Kurahashi
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
More Related Content
What's hot
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
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
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
wada, kazumi
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
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
負の二項分布について
負の二項分布について
Hiroshi Shimizu
ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33
horihorio
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
エクセルで統計分析5 マルチレベル分析のやり方
エクセルで統計分析5 マルチレベル分析のやり方
Hiroshi Shimizu
傾向スコアの概念とその実践
傾向スコアの概念とその実践
Yasuyuki Okumura
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
Hiroshi Shimizu
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
Daisuke Yoneoka
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
Issei Kurahashi
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
What's hot
(20)
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
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
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
重回帰分析で交互作用効果
重回帰分析で交互作用効果
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
負の二項分布について
負の二項分布について
ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Stan超初心者入門
Stan超初心者入門
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
エクセルで統計分析5 マルチレベル分析のやり方
エクセルで統計分析5 マルチレベル分析のやり方
傾向スコアの概念とその実践
傾向スコアの概念とその実践
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
階層ベイズとWAIC
階層ベイズとWAIC
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
質的変数の相関・因子分析
質的変数の相関・因子分析
Recently uploaded
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
yuitoakatsukijp
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Tokyo Institute of Technology
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
Takayuki Itoh
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
Recently uploaded
(7)
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
jamoviによるデータ分析(3):分散分析
1.
jamoviによるデータ分析 第3講 分散分析
2.
今日のお品書き • 分散分析とは何か? • jamoviにおける1要因分散分析 •
2要因以上の分散分析の留意点 • jamoviにおける2要因分散分析
3.
分散分析とは何か? 分散分析とはどのような分析か? 分散分析 ANOVA analysis of variance 3群以上の平均値が異なるかを検討する方法 【分散分析のイメージ図】 全体の平均
全体の平均 群の平均 全体と群の平均の散らばり(分散)が大きい ⇩ 群間の平均値に差がある! 全体と群の平均の散らばり(分散)が小さい ⇩ 群間の平均値に差がない! 群の平均
4.
分散分析とは何か? 分散分析における2つの仮説 帰無仮説(H0) null hypothesis 対立仮説(H1) alternative hypothesis m群のすべての平均値は等しい
m群のすべて平均値は等しくない ⚠️ 分散分析だけでは、どこに差があるかは不明 → 事後分析(post hoc test)として、多重比較を行う! ⚠️ t検定を繰り返し行うと、誤りを犯すリスクが高いため不可 【分散分析の留意点】
5.
分散分析とは何か? 分散分析の効果量 η2(イータ2乗) 群の違いにより、平均値の違いの何%を 説明できるかを示す。 目安 大きさ わずかな(trivial)効果 .10未満 小さい(small)効果
.10以上.25未満 中程度の(medium)効果 .25以上.37未満 大きい(large)効果 .37以上 ⚠️η2は割合であるため、0から1の間の値をとる。 ☞”0.10”ではなく、”.10”と書くのが一般的!
6.
分散分析とは何か 分散分析に関する重要用語 要因(factor) • 平均値の差を作る原因(e.g.,
群) 水準(class) • 要因の取りうる値(e.g., A組、B組) n元配置分散分析(n-way analysis of variance) • 要因がn個の分散分析 被験者間要因(between subject factor) • 対応のない要因のこと。 被験者内要因(within subject factor) • 対応のある要因のこと。
7.
分散分析とは何か 分散分析に関する重要用語の確認 A、B、C組の国語のテストの平均点を比較する。 1元配置分散分析(要因は「組」) 水準は「A、B、C」の3つ 被験者間要因 科目A、B、Cと性別で授業満足度の平均値を比較する。 2元配置分散分析(要因は「科目」と「性別」) 科目の水準は「A、B、C」、性別の水準は「男・女」 被験者間要因
8.
分散分析とは何か 多重比較の方法 分散分析だけでは、どの群間で平均値に差があるのか不明… 事後分析として、「多重比較(multiple comparison)」を行う! jamoviでは、つぎの方法を使える。 方法 正規性を…
特徴 Tukey 有する 基本的な方法。 Scheffe 有する 分散分析が有意なときのみ用いる。 Bonferroni 問わない 5群以上だと有意差が出にくい。 Holm 問わない Bonferroni法の問題点を改良した方法。
9.
分散分析とは何か 分散分析の前提条件 すべての群が正規性を有する? “Normality Test (Shapiro-Wilk)”を行う。 •
帰無仮説が「すべての群が正規性を有する」なので、 有意にならない方がいい! すべての群の分散は等しい? “Homogeneity of Variances Test (Levene’s)”を行う。 • 帰無仮説が「すべての群の分散が等しい」なので、 有意にならない方がいい!
10.
jamoviにおける1要因分散分析 データセットの確認 テストデータ 30人の対象者を無作為に3群に分け、異なる学習方法 (A、B、C)で英語を学習させた後に、事後テストを行った。 事後テストの平均点を比較することで、 学習方法の効果を提示したい!
11.
jamoviにおける1要因分散分析 1要因分散分析の実行(1) 対応ありデータを含む場合の分散分析 ノンパラメトリックな分散分析 ⚠️分散分析の前提条件を 満たさないときに用いる!
12.
jamoviにおける1要因分散分析 1要因分散分析の実行(2) “Assumption Checks”から、前提条件を確認する。 p 値が大きいので、 分散が等しい! p
値が大きいので、 正規性を有する!
13.
jamoviにおける1要因分散分析 1要因分散分析の実行(3) 平均値を比べたい項目を投入 要因である項目を投入 様々な効果量を選択 分散分析の前提条件の確認 多重比較のオプション
14.
jamoviにおける1要因分散分析 1要因分散分析の結果 F 統計量の自由度 ⚠️F (上段,
下段)のように報告する F 統計量 p 値 効果量η2 分散分析の結果、学習方法間で事後テストの平均点に5%水準で 有意差が認められた(F (2, 27) = 3.93, p < .05, η2 = .23)。 ☞小さい効果量であるため、その差は大きくないと判断できる!
15.
jamoviにおける1要因分散分析 多重比較の実行 分散分析の結果が5%水準で有意であったため、多重比較を行う。 多重比較の方法 多重比較に用いたい 要因を投入 効果量の算出 ⚠️目安は前回の スライド参照
16.
jamoviにおける1要因分散分析 多重比較の結果 平均値の差 標準 誤差 自由度 統計量
p値 効果量 95%信頼区間 BとCの平均点の差が15.20点 =Bの方がCより平均点が15.20点高い! BとCの間にのみ、 平均点に差がある!
17.
jamoviにおける1要因分散分析 結果を報告するときに示すこと 各群の平均値と標準偏差、データ数 “Exploration”にて求める。 F
値、df (自由度)、効果量 多重比較の方法と結果 紙幅次第だが、有意であったものだけ報告することが多い。 t 値、df (自由度)、効果量
18.
jamoviにおける1要因分散分析 結果の報告例 異なる3つの学習方法(A、B、C)をそれぞれ10人の学生に行い、その効果を 検討するために事後テストを行った。各群の事後テストの平均値と標準偏 差を表1に記す。一元配置分散分析の結果、事後テストの平均値差は5%水準 で有意であった(F (2, 27)
= 3.93, p < .05, η2 = .23)。Tukey法による多重比較を 行ったところ、BはCよりも有意に平均点が高いことが示された( t (27) = 2.65, p < .05, d = 1.19)。 学習方法 M SD A ( N = 10) 71.90 14.80 B ( N = 10) 84.00 8.94 C ( N = 10) 68.80 14.00 表1 各群における事後テストの平均値と標準偏差
19.
2要因以上の分散分析の留意点 2つの仮説 帰無仮説(H0) ① 要因によって平均値の差が生じない(主効果がない) ② 交互作用がない 対立仮説(H1) ①
要因によって平均値の差が生じる ② 交互作用がある
20.
2要因以上の分散分析の留意点 交互作用とは何か 交互作用 interaction 1つの要因の水準ごとに他の要因の効果が異なること ☞「組み合わせの効果」と考えればOK! 好 意 度 裕福度 ブサイク イケメン ブサイクは裕福度が高まると 好意度が高くなるが、 イケメンは裕福度によらず 好意度が高い! 【交互作用の具体例】 ⚠️これは実証研究の知見ではない 交互作用が有意な場合は、要因ごとの主効果を検討する!
21.
jamoviにおける2要因分散分析 データセットの確認 収穫量データ 2つの土地(A、B)に、異なる3種類の肥料(a、b、c)を 用いたときのある作物の収穫量[kg]に関するデータ ぞれぞれの土地と肥料の組み合わせについて4回ずつ測定 土地と肥料の主効果と交互作用を明らかにしたい!
22.
jamoviにおける2要因分散分析 2要因分散分析の実行 基本的には、 1要因分散分析と同様!
23.
jamoviにおける2要因分散分析 2要因分散分析の結果 F 統計量 p
値 効果量η2 F 統計量の自由度 肥料の主効果が0.1%水準で有意 ( F (2, 18) = 25.38, p < .001, η2=.54) ☞肥料により、収穫量が異なる! 土地と肥料の交互作用が0.1%水準で有意 ( F (2, 18) = 11.63, p < .001, η2=.25) ☞土地と肥料の組み合わせの効果がある!
24.
jamoviにおける2要因分散分析 交互作用の可視化 ”Estimated Marginal Means”で交互作用を算出し、図示する。 土地と肥料の両方を 選択し、”→”をクリック 土地 肥料 ⚠️多分、「豆腐(□)」が発生する 収穫量
25.
jamoviにおける2要因分散分析 交互作用の検討 土地 肥料 収穫量 肥料aは土地AとBの95%信頼区間が 被っていない。 =肥料aでは、Bの収穫量が多い! 他の肥料では、AとBの 95%信頼区間が被っている。 =肥料bとcでは、土地により 収穫量に差はない! ⚠️現行のjamoviでは、要因ごとの主効果を検討できない… ☞(次善の作だが)上のような解釈を報告する
26.
jamoviにおける2要因分散分析 結果の報告例(1) 2 つの土地 (A、B)に、異なる
3 種類の肥料(a〜c)を用いたときのある作物 の 収穫量を測定した。なお、ぞれぞれの土地と肥料の組み合わせについて、 4 回 ずつ測定した。作物の収穫量の平均値と標準偏差を表 1に記す。 二元配置分散分析の結果、肥料の主効果は 0.1%水準で有意であり(F (2, 18) = 25.38、p < .001、η2 = .54 )、土地の主効果は有意ではなかった(F (1, 18) = 2.51、 p =.13、η2=.03)。土地と肥料の交互作用は 0.1%水準で有意であった(F (2, 18) = 11.63、p < .001、η2 = .25)。 交互作用の詳細を図1に記す。図1より、肥料bでは土地Bの平均収穫量が 多いことが示唆された。一方、肥料 aとcでは土地間で平均収穫量に差がな いことが示唆された。
27.
jamoviにおける2要因分散分析 結果の報告例(2) 土地 肥料 収穫量 図1 交互作用の詳細 土地 A
B 肥料 a b c a b c M 14.13 16.52 17.00 13.90 21.02 15.32 SD 0.74 0.46 1.77 1.20 1.13 2.04 表1 土地と肥料ごとの収穫量の 平均値と標準偏差
28.
補足 表1の数値を出力するには?
Download now