Download free for 30 days
Sign in
Upload
Language (EN)
Support
Business
Mobile
Social Media
Marketing
Technology
Art & Photos
Career
Design
Education
Presentations & Public Speaking
Government & Nonprofit
Healthcare
Internet
Law
Leadership & Management
Automotive
Engineering
Software
Recruiting & HR
Retail
Sales
Services
Science
Small Business & Entrepreneurship
Food
Environment
Economy & Finance
Data & Analytics
Investor Relations
Sports
Spiritual
News & Politics
Travel
Self Improvement
Real Estate
Entertainment & Humor
Health & Medicine
Devices & Hardware
Lifestyle
Change Language
Language
English
Español
Português
Français
Deutsche
Cancel
Save
Submit search
EN
Uploaded by
logics-of-blue
23,354 views
1 7.Type II ANOVA
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 1-7.Type II ANOVA Type II ANOVAに関する説明です。
Technology
◦
Read more
9
Save
Share
Embed
Embed presentation
1
/ 14
2
/ 14
3
/ 14
4
/ 14
5
/ 14
6
/ 14
7
/ 14
8
/ 14
9
/ 14
10
/ 14
11
/ 14
12
/ 14
13
/ 14
14
/ 14
More Related Content
PDF
2 4.devianceと尤度比検定
by
logics-of-blue
PDF
Stan超初心者入門
by
Hiroshi Shimizu
PDF
Stanコードの書き方 中級編
by
Hiroshi Shimizu
PDF
1 3.分散分析 anova
by
logics-of-blue
PDF
20180118 一般化線形モデル(glm)
by
Masakazu Shinoda
PDF
2 5 1.一般化線形モデル色々_CPUE標準化
by
logics-of-blue
PDF
2 6.ゼロ切断・過剰モデル
by
logics-of-blue
PDF
2 2.尤度と最尤法
by
logics-of-blue
2 4.devianceと尤度比検定
by
logics-of-blue
Stan超初心者入門
by
Hiroshi Shimizu
Stanコードの書き方 中級編
by
Hiroshi Shimizu
1 3.分散分析 anova
by
logics-of-blue
20180118 一般化線形モデル(glm)
by
Masakazu Shinoda
2 5 1.一般化線形モデル色々_CPUE標準化
by
logics-of-blue
2 6.ゼロ切断・過剰モデル
by
logics-of-blue
2 2.尤度と最尤法
by
logics-of-blue
What's hot
PDF
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
by
Deep Learning Lab(ディープラーニング・ラボ)
PDF
階層ベイズとWAIC
by
Hiroshi Shimizu
PDF
媒介分析について
by
Hiroshi Shimizu
PPTX
心理学者のためのGlmm・階層ベイズ
by
Hiroshi Shimizu
PDF
比例ハザードモデルはとってもtricky!
by
takehikoihayashi
PDF
2 3.GLMの基礎
by
logics-of-blue
PDF
Stanの便利な事後処理関数
by
daiki hojo
PDF
これからの仮説検証・モデル評価
by
daiki hojo
PPTX
分割時系列解析(ITS)の入門
by
Koichiro Gibo
PDF
データ解析のための勉強会第7章
by
TokorosawaYoshio
PPTX
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
by
Shushi Namba
PDF
SEMを用いた縦断データの解析 潜在曲線モデル
by
Masaru Tokuoka
PDF
2012-1110「マルチレベルモデルのはなし」(censored)
by
Mizumoto Atsushi
PPTX
(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
by
Takashi Yamane
PDF
1 6.変数選択とAIC
by
logics-of-blue
PDF
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
by
Ken'ichi Matsui
PDF
1 4.回帰分析と分散分析
by
logics-of-blue
PDF
1 5.パラメトリックブートストラップ検定と確率分布
by
logics-of-blue
PDF
2 7.一般化線形混合モデル
by
logics-of-blue
PDF
2 1.予測と確率分布
by
logics-of-blue
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
by
Deep Learning Lab(ディープラーニング・ラボ)
階層ベイズとWAIC
by
Hiroshi Shimizu
媒介分析について
by
Hiroshi Shimizu
心理学者のためのGlmm・階層ベイズ
by
Hiroshi Shimizu
比例ハザードモデルはとってもtricky!
by
takehikoihayashi
2 3.GLMの基礎
by
logics-of-blue
Stanの便利な事後処理関数
by
daiki hojo
これからの仮説検証・モデル評価
by
daiki hojo
分割時系列解析(ITS)の入門
by
Koichiro Gibo
データ解析のための勉強会第7章
by
TokorosawaYoshio
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
by
Shushi Namba
SEMを用いた縦断データの解析 潜在曲線モデル
by
Masaru Tokuoka
2012-1110「マルチレベルモデルのはなし」(censored)
by
Mizumoto Atsushi
(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
by
Takashi Yamane
1 6.変数選択とAIC
by
logics-of-blue
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
by
Ken'ichi Matsui
1 4.回帰分析と分散分析
by
logics-of-blue
1 5.パラメトリックブートストラップ検定と確率分布
by
logics-of-blue
2 7.一般化線形混合モデル
by
logics-of-blue
2 1.予測と確率分布
by
logics-of-blue
Viewers also liked
PDF
1 2.t検定
by
logics-of-blue
PDF
1 8.交互作用
by
logics-of-blue
PDF
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
by
logics-of-blue
PDF
2 5 2.一般化線形モデル色々_ロジスティック回帰
by
logics-of-blue
PDF
予測理論とpredictability
by
logics-of-blue
PDF
1 1.はじめに
by
logics-of-blue
PPS
El naixement d'una llengua
by
gerard vilanova
1 2.t検定
by
logics-of-blue
1 8.交互作用
by
logics-of-blue
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
by
logics-of-blue
2 5 2.一般化線形モデル色々_ロジスティック回帰
by
logics-of-blue
予測理論とpredictability
by
logics-of-blue
1 1.はじめに
by
logics-of-blue
El naixement d'una llengua
by
gerard vilanova
Recently uploaded
PDF
2025→2026宙畑ゆく年くる年レポート_100社を超える企業アンケート総まとめ!!_企業まとめ_1229_3版
by
sorabatake
PDF
100年後の知財業界-生成AIスライドアドリブプレゼン イーパテントYouTube配信
by
e-Patent Co., Ltd.
PDF
第21回 Gen AI 勉強会「NotebookLMで60ページ超の スライドを作成してみた」
by
嶋 是一 (Yoshikazu SHIMA)
PDF
さくらインターネットの今 法林リージョン:さくらのAIとか GPUとかイベントとか 〜2026年もバク進します!〜
by
法林浩之
PDF
Drupal Recipes 解説 .
by
iPride Co., Ltd.
PDF
Starlink Direct-to-Cell (D2C) 技術の概要と将来の展望
by
CRI Japan, Inc.
PDF
Reiwa 7 IT Strategist Afternoon I Question-1 3C Analysis
by
akipii ogaoga
PDF
Reiwa 7 IT Strategist Afternoon I Question-1 Ansoff's Growth Vector
by
akipii ogaoga
PPTX
ddevについて .
by
iPride Co., Ltd.
2025→2026宙畑ゆく年くる年レポート_100社を超える企業アンケート総まとめ!!_企業まとめ_1229_3版
by
sorabatake
100年後の知財業界-生成AIスライドアドリブプレゼン イーパテントYouTube配信
by
e-Patent Co., Ltd.
第21回 Gen AI 勉強会「NotebookLMで60ページ超の スライドを作成してみた」
by
嶋 是一 (Yoshikazu SHIMA)
さくらインターネットの今 法林リージョン:さくらのAIとか GPUとかイベントとか 〜2026年もバク進します!〜
by
法林浩之
Drupal Recipes 解説 .
by
iPride Co., Ltd.
Starlink Direct-to-Cell (D2C) 技術の概要と将来の展望
by
CRI Japan, Inc.
Reiwa 7 IT Strategist Afternoon I Question-1 3C Analysis
by
akipii ogaoga
Reiwa 7 IT Strategist Afternoon I Question-1 Ansoff's Growth Vector
by
akipii ogaoga
ddevについて .
by
iPride Co., Ltd.
1 7.Type II ANOVA
1.
Type II ANOVA 1 1日目-第7講 名前:馬場真哉 所属:北大水産
修士課程2年 Webサイト: logics of blue で検索
2.
2 正規線形モデルの理解のために 統計の基本とt検定 分散分析(ANOVA) 回帰分析と分散分析 PB検定と確率分布 変数選択とAIC ここまで来た!! Type II ANOVA、交互作用
3.
3 モデル|Y ~ X1
+ X2 + Option1 + Option2 モデル|Y ~ X1 ナイーブ予測 モデル|Y ~ X1 + X2 モデル|Y ~ X1 + X2 + Option1 モデル|Y ~ X1 + X2 + Option1 + Option2 予測残差は“有意に”減ったか? 検定 比較・検定 比較・検定 検定の仕組み、覚えてますか?
4.
4 モデル|Y ~ X1
+ Option1 + X2 + Option2 モデル|Y ~ X1 ナイーブ予測 モデル|Y ~ X1 +Option1 モデル|Y ~ X1 + Option1 + X2 モデル|Y ~ X1 + Option1 + X2 + Option2 予測残差は“有意に”減ったか? 検定 比較・検定 比較・検定 並び順を変えてみた
5.
5 検定結果の解釈 この2種類の検定は意味が違う X1に追加でX2を入れた時の残差の減少 X1とOption1に追加でX2を入れた時の残差の減少 モデル|Y ~ X1
+Option1 モデル|Y ~ X1 + Option1 + X2 検定 モデル|Y ~ X1 モデル|Y ~ X1 + X2 検定
6.
6 普通のANOVA 普通のANOVAは 不便 ですよね? Type II ANOVA
を使おう!
7.
7 モデル|Y ~ X1
+ X2 + Option1 + Option2 予測残差は“有意に”増えたか? を検定 Type II ANOVA モデル|Y ~ + X2 + Option1 + Option2 X1を抜くことによって「有意に」予測残差が増えた →X1はYを予測するモデルに必要不可欠な存在である →ほかの変数(Option1等)があったとしても、 それでもX1という変数が必要なのかどうか検定
8.
8 モデル|Y ~ X1
+ X2 + Option1 + Option2 予測残差は“有意に”増えたか? を検定 Type II ANOVA モデル|Y ~ X1 + + Option1 + Option2 モデル|Y ~ X1 + X2 + + Option2 モデル|Y ~ X1 + X2 + Option1 + モデル|Y ~ + X2 + Option1 + Option2
9.
9 普通のANOVA、Type II ANOVA モデル|Y
~ X1 ナイーブ予測 普通のANOVA Type II ANOVA モデル|Y ~ X1 + X2 + Option1 + Option2 モデル|Y ~ + X2 + Option1 + Option2 変数を増やすと予測残差は“有意に”減ったか? 変数を減らすと予測残差は“有意に”増えたか?
10.
10 まとめ Type II ANOVA モデル|Y
~ X1 + X2 + Option1 + Option2 モデル|Y ~ + X2 + Option1 + Option2 変数を減らすと予測残差は“有意に”増えたか? ほかの変数が入った状態で、 X1 という変数の必要性を検定している 質問どうぞ!
11.
11 実演 Type II ANOVAを利用して 売り上げをアップさせよう!!
12.
12 チラシ配布枚数 経験年数 性別昼夜 利益
13.
13 チラシ配布枚数 経験年数 性別昼夜 利益
14.
14 採るべき施策 配布枚数 経験 性別昼夜 利益 チラシの配布枚数を増やせるような施策を打とう 経験豊富な社員を大事にして、配布枚数を増やそう (女性でも)夜にチラシを配ってもらおう 変数選択に 選ばれなくても 重要でありうる 質問どうぞ!