SlideShare a Scribd company logo
1 of 29
ANOVA 君を使った
分散分析
広島大学 教育学研究科
学習心理学研究室 (D1)
山根 嵩史
お品 き書
 R で分散分析をしよう
  -ANOVA 君とは
  -ANOVA 君の入手・読み込み
  -ANOVA 君の使い方
  -ANOVA 君の引数 ( 多重比較 )
 ANOVA 君をもっと便利に
  -repAnova とは
  -repAnova の使い方
 所属:広島大学教育学研究科 学習心理学研究室
(D1)
 専門領域:記憶 / メタ記憶
 R 使用暦: 3 年弱
 Twitter :      @T_Yamane
自己紹介
なんで HSP で発表
を? 
…僕にも何がなんだか
気がついたら発表すること
に
なっていました。 
お品 き書
 R で分散分析をしよう
  -ANOVA 君とは
  -ANOVA 君の入手・読み込み
  -ANOVA 君の使い方
  -ANOVA 君の引数 ( 多重比較 )
 ANOVA 君をもっと便利に
  -repAnova とは
  -repAnova の使い方
一元配置の分散分析を行う  oneway.test 関数
高度な分析に対応した aov 関数, anova 関数
 ⇒ 出力がちょっと不親切
 ⇒ 多重比較までまとめてやってほしい
     R あるある
R で分散分析
井関龍太 先生 ( 理化学研究所 ) によって
 作成された,分散分析用の関数
R で分散分析をするならとりあえずこれで
OK
出力も美しい!
ANOVA とは君
 参加者間要因,参加者内要因,
  またはその両方を含む分散分析  # 何でもでき
る!
 単純主効果の検討,多重比較  # 一度でできる!
 効果量の算出  # 重要!!
 要するに,分散分析に必要なものはほとんど
 備わっています
ANOVA でできること君
 井関先生のホームページより最新版をダウンロード
 ※ 2013.05.07 時点では anovakun_433
 R のワーキングディレクトリに入れておきましょう
ANOVA を する君 入手
 source 関数で ANOVA 君を読み込み
※1 拡張子まで含めること
※2 いわゆるパッケージとは読み込み方が違うので注
意
ANOVA を み む君 読 込
  source(“anovakun_433.txt”)
 ANOVA 君の分析用にデータセットを作る
・参加者間要因は縦に,参加者内要因は横に並べる
  (ANOVA4 みたいなイメージ )
  例 ) 参加者間要因     参加者内要因
ANOVA の い データセット君 使 方①:
を る作
ID class
001 A 75
002 A 74
003 B 60
004 B 62
ID time1 time2
001 75 81
002 74 83
003 77 85
004 74 80
 2 要因以上の場合は入れ子状に
  例 ) 2 要因参加者間      2 要因参加者内計
画
ANOVA の い データセット君 使 方①:
を る作
ID class gender
001 A M 75
002 A M 74
003 A F 70
004 A F 71
005 B M 60
006 B M 62
007 B F 58
008 B F 58
time1 time2
ID test1 test2 test1 test2
001 75 80 81 85
002 74 79 83 88
003 77 80 85 87
004 74 82 80 83
 “分散分析の実行は anovakun” 関数
 “s” を挟んで左側に参加者間要因,右側に参加者内要因の文字
 その後に各要因の水準数を追記
 例 ) 3 要因参加者間計画
    > anovakun(data,”ABCs”,3,2,2,…)
   2 つの参加者間要因と 1 つの参加者内要因の混合計画
    > anovakun(data,”ABsC”,2,2,2,…)
ANOVA の い君 使 方②:関数 anovakun
  anovakun( データ,“ ”要因計画の型 …,各要因の水準数, )
 多重比較の指定
  デフォルトでは Shaffer の方法による多重比較を行う
   Holm の方法:
   Holland-Copenhaver の方法:
 
ANOVA の い オプションを君 使 方③:
う使
  anovakun( “ ”データ, 要因計画の型 ,各要因の水準数, holm=T)
  anovakun( “ ”データ, 要因計画の型 ,各要因の水準数, hc=T)
効果量の指定
  偏 η2 乗: peta=T  ,オメガ 2 乗: omega=T
  
球面性の検定
   Mauchly の球面性検定: mau=T
 などなど 詳しくは
ANOVA の い オプションを君 使 方③:
う使
ANOVA …君は非常に便利ですが
データセットを
作り直すのが
…面倒くさい
ID class gender time1 time2 time3 ・・・
001 B M 75 77 80
002 A F 62 65 70
003 A F 66 68 72
004 C F 71 70 72
005 A M 73 76 78
006 B M 59 61 65
・・・
こういう
…データから ID class
001 A 75
002 A 74
003 B 60
004 B 62
ID time1 time2
001 75 81
002 74 83
003 77 85
004 74 80
こういう subset を
作るのが面倒だ!
逆に考えるんだ
「整形しなくても分析
 できるようにすれば良
い」
と考えるんだ
repAnova のご紹介
十河 ( そごう ) 宏行 先生 ( 愛媛大学 ) によっ
て作成された ANOVA 君用のインター
フェース
ANOVA 君を構成する関数を使って,
 出力を更に見やすく
repAnova とは
 十河先生のホームページ
  からダウンロード
 読み込み方は ANOVA 君と同様 source 関数で
repAnova を み む入手,読 込
  source("repAnova.r")
 分散分析の実行は“ repAnova” 関数
 
 参加者の識別番号が入力された列を指定
repAnova の い使 方①:関数
repAnova
  repAnova( データ,“ ”参加者 “ ” “ ” “ ” …, 参加者間要因 , 参加者内要因 , 従属変数 , )
 分散分析の実行は“ repAnova” 関数
 
 参加者間要因変数が入力された列を指定
 参加者間要因が無い場合には NULL
 複数ある場合には   c(“○○” “, ××”)
repAnova の い使 方①:関数
repAnova
  repAnova( “ ”データ, 参加者 ,“ ”参加者間要因 “ ” “ ” …, 参加者内要因 , 従属変数 , )
 分散分析の実行は“ repAnova” 関数
 
 参加者内要因変数が入力された列を指定
 無い場合には NULL
 
repAnova の い使 方①:関数
repAnova
  repAnova( “ ” “ ”データ, 参加者 , 参加者間要因 ,“ ”参加者内要因 “ ” …, 従属変数 , )
 分散分析の実行は“ repAnova” 関数
 
 比較する数値が入力された列名を指定
repAnova の い使 方①:関数
repAnova
  repAnova( “ ” “ ” “ ”データ, 参加者 , 参加者間要因 , 参加者内要因 ,“ ”従属変数 …, )
実行例
time1 について
class(3) と gender(2) で
2 要因参加者間の
分散分析
ID class gender time1 time2 time3 ・・・
001 B M 75 77 80
002 A F 62 65 70
003 A F 66 68 72
004 C F 71 70 72
005 A M 73 76 78
006 B M 59 61 65
・・・
  repAnova( データ ,“ID”, c(“class”,“gender”), NULL, “time1”)
 データ整形不要!  #repAnova の凄いポイント①
 repAnova は HTML ファイル
で出力される
 ANOVA 君では“ A” ,“ a1”
  だった要因名,水準名が
  分かりやすく!
   #repAnova の凄いポイン
ト②
repAnova の い使 方②:出
力
 データ整形をしなくても,入力したままの状態か
ら分散分析ができる!
 こんな状態にならなくて済む →
repAnova を えば使 …
参考にした HP
ー fin -
井関龍太のページ
(http://www11.atpages.jp/~riseki/pukiwikiplus/index.php)
十河研究室 HP
(http://www.s12600.net/psy/index.html)

More Related Content

What's hot

『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『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
 
統計的検定と例数設計の基礎
統計的検定と例数設計の基礎統計的検定と例数設計の基礎
統計的検定と例数設計の基礎Senshu University
 
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデルlogics-of-blue
 
13.01.20.第1回DARM勉強会資料#1
13.01.20.第1回DARM勉強会資料#113.01.20.第1回DARM勉強会資料#1
13.01.20.第1回DARM勉強会資料#1Yoshitake Takebayashi
 
(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(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
 
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれRで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれHiroshi Shimizu
 
質的変数の相関・因子分析
質的変数の相関・因子分析質的変数の相関・因子分析
質的変数の相関・因子分析Mitsuo Shimohata
 
ベイズ統計入門
ベイズ統計入門ベイズ統計入門
ベイズ統計入門Miyoshi Yuya
 
Active Learning と Bayesian Neural Network
Active Learning と Bayesian Neural NetworkActive Learning と Bayesian Neural Network
Active Learning と Bayesian Neural NetworkNaoki Matsunaga
 
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
 
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...Daichi Kitamura
 
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説弘毅 露崎
 
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料 「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料 Ken'ichi Matsui
 
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
 
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
 

What's hot (20)

『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『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
 
統計的検定と例数設計の基礎
統計的検定と例数設計の基礎統計的検定と例数設計の基礎
統計的検定と例数設計の基礎
 
Rの高速化
Rの高速化Rの高速化
Rの高速化
 
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
 
Stan超初心者入門
Stan超初心者入門Stan超初心者入門
Stan超初心者入門
 
13.01.20.第1回DARM勉強会資料#1
13.01.20.第1回DARM勉強会資料#113.01.20.第1回DARM勉強会資料#1
13.01.20.第1回DARM勉強会資料#1
 
(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(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
 
社会心理学とGlmm
社会心理学とGlmm社会心理学とGlmm
社会心理学とGlmm
 
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれRで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
 
質的変数の相関・因子分析
質的変数の相関・因子分析質的変数の相関・因子分析
質的変数の相関・因子分析
 
ベイズ統計入門
ベイズ統計入門ベイズ統計入門
ベイズ統計入門
 
Active Learning と Bayesian Neural Network
Active Learning と Bayesian Neural NetworkActive Learning と Bayesian Neural Network
Active Learning と Bayesian Neural Network
 
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
 
RでWAIC
RでWAICRでWAIC
RでWAIC
 
階層ベイズとWAIC
階層ベイズとWAIC階層ベイズとWAIC
階層ベイズとWAIC
 
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
 
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
 
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料 「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
 
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
 
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
 

More from Takashi Yamane

ベイズモデリングによる第2種信号検出モデルの表現
ベイズモデリングによる第2種信号検出モデルの表現ベイズモデリングによる第2種信号検出モデルの表現
ベイズモデリングによる第2種信号検出モデルの表現Takashi Yamane
 
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ーDiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ーTakashi Yamane
 
信号検出理論 (『実践ベイズモデリング』15章)
信号検出理論 (『実践ベイズモデリング』15章)信号検出理論 (『実践ベイズモデリング』15章)
信号検出理論 (『実践ベイズモデリング』15章)Takashi Yamane
 
要因計画データに対するベイズ推定アプローチ
要因計画データに対するベイズ推定アプローチ要因計画データに対するベイズ推定アプローチ
要因計画データに対するベイズ推定アプローチTakashi Yamane
 
PypeRで実験と分析を一本化する
PypeRで実験と分析を一本化するPypeRで実験と分析を一本化する
PypeRで実験と分析を一本化するTakashi Yamane
 
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)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
 
ガンマ分布 @魁!!広島ベイズ塾
ガンマ分布 @魁!!広島ベイズ塾ガンマ分布 @魁!!広島ベイズ塾
ガンマ分布 @魁!!広島ベイズ塾Takashi Yamane
 
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナーMCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナーTakashi Yamane
 
第一回広島ベイズ塾・最小二乗法
第一回広島ベイズ塾・最小二乗法第一回広島ベイズ塾・最小二乗法
第一回広島ベイズ塾・最小二乗法Takashi Yamane
 
Mendeleyで簡単! 論文管理
Mendeleyで簡単! 論文管理Mendeleyで簡単! 論文管理
Mendeleyで簡単! 論文管理Takashi Yamane
 

More from Takashi Yamane (12)

ベイズモデリングによる第2種信号検出モデルの表現
ベイズモデリングによる第2種信号検出モデルの表現ベイズモデリングによる第2種信号検出モデルの表現
ベイズモデリングによる第2種信号検出モデルの表現
 
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ーDiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
 
信号検出理論 (『実践ベイズモデリング』15章)
信号検出理論 (『実践ベイズモデリング』15章)信号検出理論 (『実践ベイズモデリング』15章)
信号検出理論 (『実践ベイズモデリング』15章)
 
Osaka.stan#4 chap8
Osaka.stan#4 chap8Osaka.stan#4 chap8
Osaka.stan#4 chap8
 
要因計画データに対するベイズ推定アプローチ
要因計画データに対するベイズ推定アプローチ要因計画データに対するベイズ推定アプローチ
要因計画データに対するベイズ推定アプローチ
 
PypeRで実験と分析を一本化する
PypeRで実験と分析を一本化するPypeRで実験と分析を一本化する
PypeRで実験と分析を一本化する
 
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
 
ガンマ分布 @魁!!広島ベイズ塾
ガンマ分布 @魁!!広島ベイズ塾ガンマ分布 @魁!!広島ベイズ塾
ガンマ分布 @魁!!広島ベイズ塾
 
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナーMCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
 
第一回広島ベイズ塾・最小二乗法
第一回広島ベイズ塾・最小二乗法第一回広島ベイズ塾・最小二乗法
第一回広島ベイズ塾・最小二乗法
 
Rstudio事始め
Rstudio事始めRstudio事始め
Rstudio事始め
 
Mendeleyで簡単! 論文管理
Mendeleyで簡単! 論文管理Mendeleyで簡単! 論文管理
Mendeleyで簡単! 論文管理
 

Anova君を使った分散分析