Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
R によるノンパラ検定と効果量の出し方
五島 光 @hikaru1122
2016 年 3 月 5 日
自己紹介
オモテの顔:歯科医院専門経営コンサルタント
いつもコンサルタントになりたい方を募集中です。
ウラの顔:JAIST 知識科学研究科 博士後期課程(東京社会人
コース)
サービス・マーケティング、消費者行動
価値の共創(Co-creati...
研究がニッチ、マイナー。
ブログやってます。最近、サボり気味。
メインテーマ
有意差が出たと単純に喜ばず、効果量も見てみよう!
発表の流れ
1. 顧客満足度のデータ
2. ノンパラメトリック検定のおさらい
3. ノンパラメトリック検定の効果量を 2 つ
本日のネタ本
顧客満足度データ
順序カテゴリカル変数(とても悪い1~とてもよい7)
500 人
kyousou は exametrica を使って出した「共創レベル」
head(d, 5)
## gender riyuu qol wom kyousou
##...
ノンパラメトリック検定のおさらい
2 つの名義尺度 × 順序尺度
ウィルコクソンの順位和検定(マン・ホイットニーの U 検定)
wilcox.test()
3 つ以上の名義尺度 × 順序尺度
クラスカル・ウォリス検定
kruskal.test(...
性別と共創レベルは関連があるか?
クロス表はこちら。
xtabs(~ gender + kyousou, data = d)
## kyousou
## gender 1 2 3 4 5 6 7
## 0 35 28 28 39 32 25 2...
来院理由(治療 or 定期検診)と共創レベルは関連があ
るか?
クロス表はこちら。
xtabs(~ riyuu + kyousou, data = d)
## kyousou
## riyuu 1 2 3 4 5 6 7
## 0 44 41 ...
共創レベルと QOL 向上は関連があるか?
クロス表はこちら。
xtabs(~ kyousou + qol, data = d)
## qol
## kyousou 1 2 3 4 5 6 7
## 1 0 4 9 47 9 1 0
## 2 ...
共創レベルとクチコミ意図は関連があるか?
クロス表はこちら。
xtabs(~ kyousou + wom, data = d)
## wom
## kyousou 1 2 3 4 5 6 7
## 1 1 2 10 43 12 0 2
## 2...
分析結果
来院理由と共創レベル、共創レベルと QOL &クチコミ意図
の分析は有意差があった。
よかった! …の?
有意差があっても、大したことないかもしれない…。
効果量
「効果量は…帰無仮説が正しくない程度を量的に表す指標」
効果量
「効果量は…帰無仮説が正しくない程度を量的に表す指標」
「独立変数と従属変数の区別のない場合には、効果量は変数
間の関係の大きさを表す」
効果量
「効果量は…帰無仮説が正しくない程度を量的に表す指標」
「独立変数と従属変数の区別のない場合には、効果量は変数
間の関係の大きさを表す」
大久保・岡田『伝えるための心理統計』44 ページ
効果量
「効果量は…帰無仮説が正しくない程度を量的に表す指標」
「独立変数と従属変数の区別のない場合には、効果量は変数
間の関係の大きさを表す」
大久保・岡田『伝えるための心理統計』44 ページ
ウィルコクソンの順位和検定には、Cliff の d
効果量
「効果量は…帰無仮説が正しくない程度を量的に表す指標」
「独立変数と従属変数の区別のない場合には、効果量は変数
間の関係の大きさを表す」
大久保・岡田『伝えるための心理統計』44 ページ
ウィルコクソンの順位和検定には、Cliff の ...
効果量
「効果量は…帰無仮説が正しくない程度を量的に表す指標」
「独立変数と従属変数の区別のない場合には、効果量は変数
間の関係の大きさを表す」
大久保・岡田『伝えるための心理統計』44 ページ
ウィルコクソンの順位和検定には、Cliff の ...
効果量
「効果量は…帰無仮説が正しくない程度を量的に表す指標」
「独立変数と従属変数の区別のない場合には、効果量は変数
間の関係の大きさを表す」
大久保・岡田『伝えるための心理統計』44 ページ
ウィルコクソンの順位和検定には、Cliff の ...
来院理由と共創レベルの分析の効果量
Cliff の d
orddom {orddom} を使う。
library(orddom)
riyuu0 <- subset(d, riyuu == 0, select = kyousou)
riyuu1 ...
たくさん出力があるけど、落ち着いて。
delta を見る。
## ordinal metric
## var1_X "group 1 (x)" "group 1 (x)"
## var2_Y "group 2 (y)" "group 2 (y)...
共創レベルと QOL 向上およびクチコミ意図の効果量
順序相関係数
効果量は中だった。
cor(d$wom, d$kyousou, method = "spearman")
## [1] 0.5403846
cor(d$qol, d$kyous...
まとめ
来院理由と共創レベルには有意な関連があるが、効果量はほ
とんどない。
まとめ
来院理由と共創レベルには有意な関連があるが、効果量はほ
とんどない。
クチコミ意図および QOL 向上と共創レベルには有意な関連
があって、効果量も大きい。
まとめ
来院理由と共創レベルには有意な関連があるが、効果量はほ
とんどない。
クチコミ意図および QOL 向上と共創レベルには有意な関連
があって、効果量も大きい。
だいたいの効果量はパッケージで楽に計算できる。
Take-home message
有意差が出すだけでなく、その有意差にどれくらいのインパ
クトがあるのかも重要。
Take-home message
有意差が出すだけでなく、その有意差にどれくらいのインパ
クトがあるのかも重要。
スライドやデータはいつものとおりブログにアップします。
Take-home message
有意差が出すだけでなく、その有意差にどれくらいのインパ
クトがあるのかも重要。
スライドやデータはいつものとおりブログにアップします。
@hikaru1122
Upcoming SlideShare
Loading in …5
×

Rによるノンパラメトリック検定と効果量の出し方

6,464 views

Published on

Kobe.R 第24回の発表スライドです。

Published in: Data & Analytics
  • Be the first to comment

Rによるノンパラメトリック検定と効果量の出し方

  1. 1. R によるノンパラ検定と効果量の出し方 五島 光 @hikaru1122 2016 年 3 月 5 日
  2. 2. 自己紹介 オモテの顔:歯科医院専門経営コンサルタント いつもコンサルタントになりたい方を募集中です。 ウラの顔:JAIST 知識科学研究科 博士後期課程(東京社会人 コース) サービス・マーケティング、消費者行動 価値の共創(Co-creation of Value) サービスによる社会的厚生の研究(Transformative Service Research) R 歴は 1 年半。統計分析歴も 1 年半。 最近 Mac 買いました。でも、使うのは 1 週間に 1 度だけ です。
  3. 3. 研究がニッチ、マイナー。
  4. 4. ブログやってます。最近、サボり気味。
  5. 5. メインテーマ 有意差が出たと単純に喜ばず、効果量も見てみよう!
  6. 6. 発表の流れ 1. 顧客満足度のデータ 2. ノンパラメトリック検定のおさらい 3. ノンパラメトリック検定の効果量を 2 つ
  7. 7. 本日のネタ本
  8. 8. 顧客満足度データ 順序カテゴリカル変数(とても悪い1~とてもよい7) 500 人 kyousou は exametrica を使って出した「共創レベル」 head(d, 5) ## gender riyuu qol wom kyousou ## 1 0 0 5 5 4 ## 2 0 0 6 6 2 ## 3 0 0 4 4 1 ## 4 0 0 5 5 2 ## 5 0 0 4 6 4
  9. 9. ノンパラメトリック検定のおさらい 2 つの名義尺度 × 順序尺度 ウィルコクソンの順位和検定(マン・ホイットニーの U 検定) wilcox.test() 3 つ以上の名義尺度 × 順序尺度 クラスカル・ウォリス検定 kruskal.test() 順序尺度 × 順序尺度 線形連関の検定 lbl_test() {coin} 藤井良宜『カテゴリカルデータ解析』(2010)
  10. 10. 性別と共創レベルは関連があるか? クロス表はこちら。 xtabs(~ gender + kyousou, data = d) ## kyousou ## gender 1 2 3 4 5 6 7 ## 0 35 28 28 39 32 25 21 ## 1 35 37 48 44 42 39 47 5%水準で検定。有意差は見られなかった。 wilcox.test(kyousou ~ gender, data = d) ## ## Wilcoxon rank sum test with continuity correction ## ## data: kyousou by gender ## W = 27532, p-value = 0.07198
  11. 11. 来院理由(治療 or 定期検診)と共創レベルは関連があ るか? クロス表はこちら。 xtabs(~ riyuu + kyousou, data = d) ## kyousou ## riyuu 1 2 3 4 5 6 7 ## 0 44 41 40 46 36 29 39 ## 1 22 22 32 33 37 34 28 5%水準で検定。有意差が認められた。 wilcox.test(kyousou ~ riyuu, data = d) ## ## Wilcoxon rank sum test with continuity correction ## ## data: kyousou by riyuu
  12. 12. 共創レベルと QOL 向上は関連があるか? クロス表はこちら。 xtabs(~ kyousou + qol, data = d) ## qol ## kyousou 1 2 3 4 5 6 7 ## 1 0 4 9 47 9 1 0 ## 2 1 4 8 28 14 10 0 ## 3 4 0 7 41 17 6 1 ## 4 2 1 3 15 41 18 3 ## 5 0 2 2 20 26 20 4 ## 6 0 1 0 8 13 31 11 ## 7 3 0 1 8 5 12 39 5%水準で検定。有意差が認められた。 library(coin) lbl_test(ordered(qol) ~ ordered(kyousou), data = d)
  13. 13. 共創レベルとクチコミ意図は関連があるか? クロス表はこちら。 xtabs(~ kyousou + wom, data = d) ## wom ## kyousou 1 2 3 4 5 6 7 ## 1 1 2 10 43 12 0 2 ## 2 2 4 5 22 20 11 1 ## 3 2 1 8 27 22 10 6 ## 4 0 3 1 15 40 19 5 ## 5 0 2 1 18 16 28 9 ## 6 0 1 1 7 7 30 18 ## 7 4 0 1 7 1 9 46 5%水準で検定。有意差が認められた。 lbl_test(ordered(wom) ~ ordered(kyousou), data = d)
  14. 14. 分析結果 来院理由と共創レベル、共創レベルと QOL &クチコミ意図 の分析は有意差があった。 よかった! …の? 有意差があっても、大したことないかもしれない…。
  15. 15. 効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」
  16. 16. 効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」
  17. 17. 効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」 大久保・岡田『伝えるための心理統計』44 ページ
  18. 18. 効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」 大久保・岡田『伝えるための心理統計』44 ページ ウィルコクソンの順位和検定には、Cliff の d
  19. 19. 効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」 大久保・岡田『伝えるための心理統計』44 ページ ウィルコクソンの順位和検定には、Cliff の d 線形連関の検定には、順序相関係数
  20. 20. 効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」 大久保・岡田『伝えるための心理統計』44 ページ ウィルコクソンの順位和検定には、Cliff の d 線形連関の検定には、順序相関係数 0.2 は小さく、0.5 は中くらいで、0.8 は大きい
  21. 21. 効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」 大久保・岡田『伝えるための心理統計』44 ページ ウィルコクソンの順位和検定には、Cliff の d 線形連関の検定には、順序相関係数 0.2 は小さく、0.5 は中くらいで、0.8 は大きい 0.1 は小さく、0.3 で中、0.5 で大きいという文献もあり。
  22. 22. 来院理由と共創レベルの分析の効果量 Cliff の d orddom {orddom} を使う。 library(orddom) riyuu0 <- subset(d, riyuu == 0, select = kyousou) riyuu1 <- subset(d, riyuu == 1, select = kyousou) orddom(riyuu0$kyousou, riyuu1$kyousou)
  23. 23. たくさん出力があるけど、落ち着いて。 delta を見る。 ## ordinal metric ## var1_X "group 1 (x)" "group 1 (x)" ## var2_Y "group 2 (y)" "group 2 (y)" ## type_title "indep" "indep" ## n in X "275" "275" ## n in Y "208" "208" ## N #Y>X "27786" "27786" ## N #Y=X "8078" "8078" ## N #Y<X "21336" "21336" ## PS X>Y "0.373006993006993" "0.444629004025406" ## PS Y>X "0.485769230769231" "0.555370995974594" ## A X>Y "0.443618881118881" "0.443618881118881" ## A Y>X "0.556381118881119" "0.556381118881119" ## delta "0.112762237762238" "0.382325174825174" ## 1-alpha "95" "95" ## CI low "0.0101591026267808" "0.0302267862546508"
  24. 24. 共創レベルと QOL 向上およびクチコミ意図の効果量 順序相関係数 効果量は中だった。 cor(d$wom, d$kyousou, method = "spearman") ## [1] 0.5403846 cor(d$qol, d$kyousou, method = "spearman") ## [1] 0.563659
  25. 25. まとめ 来院理由と共創レベルには有意な関連があるが、効果量はほ とんどない。
  26. 26. まとめ 来院理由と共創レベルには有意な関連があるが、効果量はほ とんどない。 クチコミ意図および QOL 向上と共創レベルには有意な関連 があって、効果量も大きい。
  27. 27. まとめ 来院理由と共創レベルには有意な関連があるが、効果量はほ とんどない。 クチコミ意図および QOL 向上と共創レベルには有意な関連 があって、効果量も大きい。 だいたいの効果量はパッケージで楽に計算できる。
  28. 28. Take-home message 有意差が出すだけでなく、その有意差にどれくらいのインパ クトがあるのかも重要。
  29. 29. Take-home message 有意差が出すだけでなく、その有意差にどれくらいのインパ クトがあるのかも重要。 スライドやデータはいつものとおりブログにアップします。
  30. 30. Take-home message 有意差が出すだけでなく、その有意差にどれくらいのインパ クトがあるのかも重要。 スライドやデータはいつものとおりブログにアップします。 @hikaru1122

×