Submit Search
Upload
マルチレベルモデル講習会 実践編
•
Download as PPTX, PDF
•
16 likes
•
55,742 views
Hiroshi Shimizu
Follow
東洋大学で行われたマルチレベル講習会の実践編です。SPSSとHADの使い方を解説しています。
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 78
Download now
Recommended
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
東洋大学で行われたマルチレベル講習会の資料の理論編です。
2012-1110「マルチレベルモデルのはなし」(censored)
2012-1110「マルチレベルモデルのはなし」(censored)
Mizumoto Atsushi
2012/11/10 LET関西支部メソドロジー研究部会& 言語テスティング・第二言語習得合同勉強会 @流通科学大学東京オフィス での発表資料です。
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
2月6日に福山市立大学で行われた研究会での発表資料です。潜在曲線モデルのことを中心にまとめています。間違いなどありましたらご指摘くださると幸いです。
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
HADで階層線形モデルを実行するための方法についてまとめています。
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
第4回DARM勉強会発表資料
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
2014.11.29 Hijiyama.R #1 での発表資料です。
(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
HijiyamaR#2の発表資料です
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
北海道大学で講演した,GLM,HLM,GLMM,階層ベイズについてのスライド後半です。 前半のスライドはこちら http://www.slideshare.net/simizu706/ss-58585233
Recommended
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
東洋大学で行われたマルチレベル講習会の資料の理論編です。
2012-1110「マルチレベルモデルのはなし」(censored)
2012-1110「マルチレベルモデルのはなし」(censored)
Mizumoto Atsushi
2012/11/10 LET関西支部メソドロジー研究部会& 言語テスティング・第二言語習得合同勉強会 @流通科学大学東京オフィス での発表資料です。
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
2月6日に福山市立大学で行われた研究会での発表資料です。潜在曲線モデルのことを中心にまとめています。間違いなどありましたらご指摘くださると幸いです。
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
HADで階層線形モデルを実行するための方法についてまとめています。
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
第4回DARM勉強会発表資料
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
2014.11.29 Hijiyama.R #1 での発表資料です。
(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
HijiyamaR#2の発表資料です
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
北海道大学で講演した,GLM,HLM,GLMM,階層ベイズについてのスライド後半です。 前半のスライドはこちら http://www.slideshare.net/simizu706/ss-58585233
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
広島大学で行われた,ベイズ推定による多変量解析入門WSで発表した資料です。階層線形モデルをベイズ推定する話についてまとめています。 発表者のWebサイト:norimune.net
Mplusの使い方 初級編
Mplusの使い方 初級編
Hiroshi Shimizu
このスライドのコードはMplusデモ版で実行可能です。 http://www.statmodel.com/demo.shtml また、こちらのページにサンプルデータを置いています。 http://bit.ly/12NgDmI 中級編はこちらをどうぞ。 http://www.slideshare.net/simizu706/mplus-lecture-2
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
2014年12月21日第7回DARM勉強会で行われた「混合モデルを使って反復測定分散分析をする」の資料です。
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
2014.12.6. Nagoya.R #12 外国語教育研究の仮想データを用いてRのlme4パッケージやlmerTestパッケージを使ってみるというような主旨の発表です。 slideshare上から無料でダウンロードできなくなってしまったので,speakerdeckにも同じ資料をあげました。ダウンロードされたい方,広告がうっとおしいという方は下記のURLからどうぞ。 https://speakerdeck.com/tam07pb915/an-introduction-to-lme
媒介分析について
媒介分析について
Hiroshi Shimizu
第56回日本社会心理学会のイブニングセッションで発表した,媒介分析についてのスライド+αです。
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
日本社会心理学会第2回春の方法論セミナー 「GLMMが切り開く新たな統計の世界」で発表したスライドです。 一部,発表時から修正したスライドがあります。
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
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
第4回DARM勉強会発表資料 「構造方程式モデリング」 報告ガイドラインの概要
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
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。 2日目 2-6.ゼロ切断・過剰モデル ゼロがないデータや、0が多すぎるデータを分析する方法を解説します。 サイト作ってます http://logics-of-blue.com/
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
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。 2日目 2-3.GLMの基礎 一般化線形モデルの構成要素や、計算の方法について解説します。 サイト作ってます http://logics-of-blue.com/
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
HijiyamaR#3で発表しました。 階層ベイズを使った場合に,最尤法のAICと結果が大きく異なります。その問題についてどのように考えたらいいかについて発表しました。
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
第一回精神科診断学セミナー
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
ベイズ塾のベイズ統計モデリングワークショップで発表したスライドです。
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
広島ベイズ塾夏合宿で発表したStanコードの書き方中級編です。 回帰分析から,一般化線形モデル,欠損値のあるモデル,潜在変数があるモデル,ゼロ過剰分布,混合分布モデルを扱いました。
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
Rのpsychパッケージを用いた,因子分析の方法についてまとめています。 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。その辺りの分析方法について触れています。 具体的には,因子数の決定方法,因子の抽出,回転方法,カテゴリカル因子分析などです。
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
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。 2日目 2-4.devianceと尤度比検定 正規分布以外の確率分布では残差の考え方が変わってきます。そこでdevianceという概念を導入したうえで、GLMにおいて分散分析を実行する方法を解説します。 サイト作ってます http://logics-of-blue.com/
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
一般化線形モデル(glm)
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
ベイズ統計WS「心理学者のためのベイズ 統計学」での発表資料です
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Stanの初心者が基本的な統計モデルを実行するまでの解説です。プログラミング初心者向けに書いているので,やや説明が遠回りなところもあります。
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
100614Twittcherの会勉強会資料
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
Cmdstanrとreduce_sum()の使い方を解説します
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
ベイズ塾春の合宿で発表した資料です。
More Related Content
What's hot
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
広島大学で行われた,ベイズ推定による多変量解析入門WSで発表した資料です。階層線形モデルをベイズ推定する話についてまとめています。 発表者のWebサイト:norimune.net
Mplusの使い方 初級編
Mplusの使い方 初級編
Hiroshi Shimizu
このスライドのコードはMplusデモ版で実行可能です。 http://www.statmodel.com/demo.shtml また、こちらのページにサンプルデータを置いています。 http://bit.ly/12NgDmI 中級編はこちらをどうぞ。 http://www.slideshare.net/simizu706/mplus-lecture-2
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
2014年12月21日第7回DARM勉強会で行われた「混合モデルを使って反復測定分散分析をする」の資料です。
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
2014.12.6. Nagoya.R #12 外国語教育研究の仮想データを用いてRのlme4パッケージやlmerTestパッケージを使ってみるというような主旨の発表です。 slideshare上から無料でダウンロードできなくなってしまったので,speakerdeckにも同じ資料をあげました。ダウンロードされたい方,広告がうっとおしいという方は下記のURLからどうぞ。 https://speakerdeck.com/tam07pb915/an-introduction-to-lme
媒介分析について
媒介分析について
Hiroshi Shimizu
第56回日本社会心理学会のイブニングセッションで発表した,媒介分析についてのスライド+αです。
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
日本社会心理学会第2回春の方法論セミナー 「GLMMが切り開く新たな統計の世界」で発表したスライドです。 一部,発表時から修正したスライドがあります。
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
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
第4回DARM勉強会発表資料 「構造方程式モデリング」 報告ガイドラインの概要
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
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。 2日目 2-6.ゼロ切断・過剰モデル ゼロがないデータや、0が多すぎるデータを分析する方法を解説します。 サイト作ってます http://logics-of-blue.com/
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
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。 2日目 2-3.GLMの基礎 一般化線形モデルの構成要素や、計算の方法について解説します。 サイト作ってます http://logics-of-blue.com/
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
HijiyamaR#3で発表しました。 階層ベイズを使った場合に,最尤法のAICと結果が大きく異なります。その問題についてどのように考えたらいいかについて発表しました。
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
第一回精神科診断学セミナー
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
ベイズ塾のベイズ統計モデリングワークショップで発表したスライドです。
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
広島ベイズ塾夏合宿で発表したStanコードの書き方中級編です。 回帰分析から,一般化線形モデル,欠損値のあるモデル,潜在変数があるモデル,ゼロ過剰分布,混合分布モデルを扱いました。
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
Rのpsychパッケージを用いた,因子分析の方法についてまとめています。 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。その辺りの分析方法について触れています。 具体的には,因子数の決定方法,因子の抽出,回転方法,カテゴリカル因子分析などです。
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
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。 2日目 2-4.devianceと尤度比検定 正規分布以外の確率分布では残差の考え方が変わってきます。そこでdevianceという概念を導入したうえで、GLMにおいて分散分析を実行する方法を解説します。 サイト作ってます http://logics-of-blue.com/
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
一般化線形モデル(glm)
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
ベイズ統計WS「心理学者のためのベイズ 統計学」での発表資料です
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Stanの初心者が基本的な統計モデルを実行するまでの解説です。プログラミング初心者向けに書いているので,やや説明が遠回りなところもあります。
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
100614Twittcherの会勉強会資料
What's hot
(20)
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Mplusの使い方 初級編
Mplusの使い方 初級編
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
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
媒介分析について
媒介分析について
社会心理学とGlmm
社会心理学とGlmm
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
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)
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
2 3.GLMの基礎
2 3.GLMの基礎
階層ベイズとWAIC
階層ベイズとWAIC
潜在クラス分析
潜在クラス分析
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コードの書き方 中級編
Stanコードの書き方 中級編
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
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
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
Stan超初心者入門
Stan超初心者入門
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
More from Hiroshi Shimizu
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
Cmdstanrとreduce_sum()の使い方を解説します
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
ベイズ塾春の合宿で発表した資料です。
階層ベイズと自由エネルギー
階層ベイズと自由エネルギー
Hiroshi Shimizu
モデル評価の基準と自由エネルギー(負の対数周辺尤度)についてまとめました。また、階層ベイズに自由エネルギーを評価するとどうなるかなどについても解説しています。 スライド中のStanやRのコードは下のリンクからコピペできます。 http://norimune.net/3107
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
「StanとRでベイズ統計モデリング」の読書会発表資料です。 今回の発表は導入編(1章~3章)です。 初回ということもあって,本の内容以外に清水が補足説明を加えているところもあります。
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
Hiroshi Shimizu
SapporoR#6の初心者セッションで使ったスライドです。
Tokyo r53
Tokyo r53
Hiroshi Shimizu
東京R53で発表したスライドです。 潜在ランクモデルをrstanを使ってベイズ推定しました。
glmmstanパッケージを作ってみた
glmmstanパッケージを作ってみた
Hiroshi Shimizu
glmmをstanで実行するためのパッケージを作りました。 lmer()と同じ文法でコードを書くと,簡単にMCMC推定できます。
負の二項分布について
負の二項分布について
Hiroshi Shimizu
広島ベイズ塾で発表した,負の二項分布についての資料です。
rstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみた
Hiroshi Shimizu
rstanで簡単にGLMMができるglmmstan()を作りました。 lme4のglmer()と同じ文法でコードを書くと,内部でstanコードを自動生成して,MCMCを走らせてくれます。
Rで潜在ランク分析
Rで潜在ランク分析
Hiroshi Shimizu
Rで潜在ランク分析を実行する関数を作りました
Latent rank theory
Latent rank theory
Hiroshi Shimizu
行動計量学会岡山地域部会で発表した,GHQに潜在ランク理論を適用した研究の資料です。
エクセルでテキストマイニング TTM2HADの使い方
エクセルでテキストマイニング TTM2HADの使い方
Hiroshi Shimizu
Excelで動くフリーソフトである,ExcelTTMとHADを用いたテキストマイニングの方法を解説しています。 HADはhttp://norimune.net/hadからダウンロードできます。 ExcelTTMはhttp://mtmr.jp/excelttm/からダウンロードできます。
Excelでも統計分析 HADについて SappoRo.R#3
Excelでも統計分析 HADについて SappoRo.R#3
Hiroshi Shimizu
SappoRo.R#3で発表させていただいた資料です。 統計プログラムHADについてまとめています。
エクセルで統計分析2 HADの使い方
エクセルで統計分析2 HADの使い方
Hiroshi Shimizu
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
エクセルで統計分析4 因子分析のやり方
エクセルで統計分析4 因子分析のやり方
Hiroshi Shimizu
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
エクセルで統計分析3 回帰分析のやり方
エクセルで統計分析3 回帰分析のやり方
Hiroshi Shimizu
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
Mplusの使い方 中級編
Mplusの使い方 中級編
Hiroshi Shimizu
このスライドのコードはMplusデモ版で実行可能です。 http://www.statmodel.com/demo.shtml また、こちらのページにサンプルデータを置いています。 http://bit.ly/12NgDmI 初級編はこちらをどうぞ。 http://www.slideshare.net/simizu706/mplus-lecture-1
More from Hiroshi Shimizu
(17)
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Stanでガウス過程
Stanでガウス過程
階層ベイズと自由エネルギー
階層ベイズと自由エネルギー
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
Tokyo r53
Tokyo r53
glmmstanパッケージを作ってみた
glmmstanパッケージを作ってみた
負の二項分布について
負の二項分布について
rstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみた
Rで潜在ランク分析
Rで潜在ランク分析
Latent rank theory
Latent rank theory
エクセルでテキストマイニング TTM2HADの使い方
エクセルでテキストマイニング TTM2HADの使い方
Excelでも統計分析 HADについて SappoRo.R#3
Excelでも統計分析 HADについて SappoRo.R#3
エクセルで統計分析2 HADの使い方
エクセルで統計分析2 HADの使い方
エクセルで統計分析4 因子分析のやり方
エクセルで統計分析4 因子分析のやり方
エクセルで統計分析3 回帰分析のやり方
エクセルで統計分析3 回帰分析のやり方
Mplusの使い方 中級編
Mplusの使い方 中級編
マルチレベルモデル講習会 実践編
1.
マルチレベルモデル講習会 実践編 清水裕士 広島大学大学院総合科学研究科 http://norimune.net 1
2.
自己紹介 • 清水裕士 – 所属:広島大学
大学院総合科学研究科 • 助教 – 専門:社会心理学 グループダイナミクス • 親密な対人関係におけるソーシャル・サポート • 社会規範・道徳の進化 • 連絡先 – E-mail:simizu706(at)hiroshima-u.ac.jp – Webサイト:http://norimune.net – Twitter: @simizu706
3.
実践編 3
4.
SPSSによる分析の流れ 4
5.
HLMの分析の流れ • グループ内類似性の評価 – 級内相関係数の算出 •
レベル1・レベル2の変数の用意 – レベル1の変数→集団平均で中心化を行う • →各集団の平均を得点から引くこと – レベル2の変数→全体平均で中心化を行う • HLMを行うソフトに変数をセット – モデリングをして推定値を算出 • 適合度などを参考に、モデルを修正 5
6.
級内相関係数の算出 「分析」→ 「混合モデル」 6
7.
級内相関係数の算出 7
8.
「変量をクリック」 「被験者のグループ化」のところにグループ変数を指定 8 共分散タイプ:無構造 「定数項を含める」をチェック
9.
推定方法を最尤法にしておく • 「推定」をクリック – 今回は最尤法を使う –
どちらでも大きな違いはない – 他はいじらなくていい 9
10.
級内相関係数の算出 • 共分散パラメータを見る – 残差・・・集団内変動 –
切片・・・集団間変動 – 級内相関 = 0.349 / (0.637 + 0.349) = 0.354 10
11.
説明変数の準備 • 個人レベルの変数 – 集団平均値を算出 •
「グループ集計」で,グループごとの平均値を算出 – 集団平均で中心化 • 上で計算した集団平均値をデータから引く • 集団レベルの変数 – 全体平均で中心化 • 平均値を計算して,データから引く 11
12.
集団平均値の計算 12
13.
集団平均で中心化 13
14.
全体平均中心化 14
15.
出来上がったデータセット 15
16.
ではさっそくHLMを実行 • 満足度を目的変数にしたHLM – レベル1に発話量_wc –
レベル2に発話量_m_gmと集団成績_gm 16 発話量_wc 集団成績_gm 満足度 満足度 レベル2 レベル1 発話量_m_gm 平均化
17.
共変量に説明変数を入れて「固定」を押す 17
18.
主効果として各説明変数を入れる 18
19.
「変量」を押して変量効果を指定 19
20.
出力のオプション • 「統計量」をクリック – パラメータ推定値 –
共分散パラメータの検定 • は最低限でも出力する • ここまで出来たら,「OK」 – 分析結果が出力される 20
21.
出力1:情報量基準 • モデルの適合度 – AIC・・・複雑なモデルを好む –
BIC・・・倹約的なモデルを好む – AICC・・・中間ぐらい 21
22.
固定効果 • 推定値 – いわゆる,回帰係数 –
dfは自由度 • 小数があるのは,Satterthwaiteの補正をしているため 22
23.
変量効果の分散成分 • 変量効果の分散と共分散 – UN(1,1)は切片の分散 –
UN(2,2)は回帰係数の分散 – UN(2,1)は切片と回帰係数の共分散 • ゾロ目は分散,それ以外は共分散 23
24.
レベル間交互作用 24
25.
レベル間交互作用 25
26.
単純効果分析 • 交互作用効果が出たら単純効果が知りたい – 分散分析や回帰分析と同じ –
説明変数が連続変量の場合は,±1SDの効果を 見ることが多い • あくまで,多い,というだけで,そうすべきというわけで はない • SPSSでは単純効果の検定ができない – PreacherのWebサイトにパラメータを入力 – http://www.quantpsy.org/interact/index.html 26
27.
PreacherのWebサイト 27
28.
グラフも出力してくれる 28
29.
HADによる分析 29
30.
HADとは • 清水が作ったExcelのVBAで動くプログラム – Excelのバージョンは2007以降に対応 –
Macにも対応(Excel for Mac2011以降) • WinとMacを同じファイルで使いまわせる • 主に心理統計分析ができる – 大抵の心理統計分析は可能 • データハンドリング,統計的検定,多変量解析など – マルチレベル分析もできる • 階層線形モデルや,マルチレベルSEMなど 30
31.
HADとは • 無償のソフトウェアです – 利用は無償です –
清水のブログからからダウンロードできます • http://norimune.net/had • 何度でもダウンロードできます • 自由なソフトウェアです – ソースコードを自由に閲覧・変更することができます • 第三者への配布も自由です – ライセンス • GNU General Public License(GPL)に則ってます • ライセンスについては「HADとは」 ( http://norimune.net/had)のページを参照してください。 31
32.
HLMにおけるHADの特徴 • フリーソフトウェアである – SPSS(とお金)がなくても,Excelがあれば使える •
単純効果分析ができる – 簡単に単純効果とグラフの出力ができる • 頑健標準誤差を出力できる – SPSSは出力してくれない • 最尤法しか対応していない – 制限付き最尤法は現状,利用できない – 今後搭載の可能性も0ではない 32
33.
HADを起動する • 起動時に、マクロを有効にするか聞かれる – Excelのマクロセキュリティを「中」にする •
Excel上部に下のような警告が出たら、有効化を押す • 下の通知が出てきたら「有効にする」を押す 33
34.
HAD12以降の注意点 • HAD12からはExcelのソルバーを使っている – ソルバー:Excelに入っているアドイン •
最初に起動したときにエラーがでる場合 – コンパイルエラーというのが出ることがある – その場合は,HADを一度閉じて,もう一度起動する。 すると,ソルバーが入っていれば普通に使うことがで きる • ソルバーがない場合 – ソルバーオフバージョンを使う必要がある 34
35.
HADを起動 • B列にグループを識別する変数を入れる 35
36.
モデリングシートに読み込む • データの読み込み – セットできたら「データ読み込み」ボタン –
データをチェックして、以下の場合に警告 • データセットに空白がある場合 • 欠損値記号以外の文字列がある場合 – 数式エラーの場合は、それらを欠損値に変換できる • データが保存されているわけではない – 変数名の読み込みと設定を読み込むだけ – データセットを変えると分析結果も変わる 36
37.
モデリングシートの機能 基本的な 統計分析 新しい変数の作成 多変量解析 変数情報の設定 データセット選択 使用変数の指定 37
38.
• モデリングシートの9行目に変数名を指定 • 3通りの指定方法がある –
自分でセルに入力する → コピペでもよい – 「選択セルを使用」ボタンを押す – GUIを使う 分析に使用する変数を指定 ここに入力 ID変数はB列に入力する 38
39.
GUIを使用する • 「使用変数」ボタンを押すとGUIが立ち上がる • 追加と削除で指定 –
ShiftやCtrlを使えば複数の 変数を選択できる • 変数の登録 – よく使う変数のセットは登録 しておくと便利 – すぐにセットを呼び出せる 39
40.
HADで基礎統計分析 • 使用変数を指定して,「分析」ボタンを押す ヒストグラム 40
41.
級内相関係数の算出 • 使用変数を指定して,「分析」ボタンを押す – 級内相関係数を チェック •
OKボタンを押す 41
42.
級内相関係数の算出 • 推定値と信頼区間,検定統計量,p値を出力 42
43.
回帰分析の方法 モデリングスペース 43
44.
回帰分析の方法 • 「回帰分析」のラジオボタンをクリック – 回帰分析用のモデリングスペースが表示される –
その中の「回帰分析」を選択 • 先に目的変数,あとで説明変数を指定 – 変数を選択して,「目的変数を投入」を押す • ここでは満足度 – 「主効果を全投入」を押すと,自動的に説明変数 がモデルに投入される 44
45.
回帰分析の方法 • 「分析実行」を押す – 「Reg」というシートで結果が出力される 45
46.
交互作用も簡単にできる • 交互作用項は自動的に中心化して作成 46
47.
ステップごとの結果 47
48.
単純効果分析も出力する 48
49.
HLMの方法 • モデリングシートで「階層線形モデル」を選択 – HLM用のモデリングスペースに切り替わる 今回はSPSSと結果を一致させるため 頑健標準誤差はオフにしておく 49
50.
実行を押せばHLMができる • 切片の集団間変動だけを仮定したモデル – 「HLM」というシートに出力される HADのHLMは,デフォルトで説明 変数は全体平均で中心化される 50
51.
説明変数の中心化 • 「変数の作成」ボタンから行う – 「変数の作成」を押して,「尺度変換」タブの「集団 平均で中心化する」をチェック •
分析上で中心化を行う – 「レベル1変数を集団平均で中心化」をチェックす ると,自動的に中心化される – 説明変数は自動的に全体平均で中心化される • この設定をオフにすることもできる 51
52.
説明変数の中心化 52
53.
集団平均値の計算 • 「変数の作成」の「尺度変換」タブ – 集団平均値にチェック
→ 列を選択して右クリック 53
54.
回帰係数の集団間変動 • 「変量効果→」にレベル1変数を指定する 54
55.
出力1 • モデル適合度 – 情報量基準を参照する –
回帰係数の集団間変動を仮定すると,R2乗など の計算はできなくなる 55
56.
出力2 • 固定効果 – 集団平均で中心化した変数・・・wcがつく –
全体平均で中心化した変数・・・gmがつく 56
57.
出力3 • 変量効果の分散成分 – 検定方法はSPSSと異なる(HLM7と同じ) 57
58.
交互作用項の投入 • 交互作用項を「*」を挟んで投入する 58
59.
交互作用項の投入 • 「交互作用を全投入」ボタン – 説明変数すべての交互作用項が投入される •
Shiftキー+「交互作用を全投入」ボタン – 交互作用項を作りたい説明変数を選択した状態 で,Shiftキーを押しながらボタンを押すと,その変 数だけの交互作用項が投入される – 今回は,「発話量」と「集団成績」の交互作用項だ けを投入 59
60.
交互作用項の投入 • 分析結果 – 交互作用項が有意 –
情報量基準も小さくなった AIC:777→764 60
61.
単純効果分析 • 「スライス→」に群分け変数を指定 – ここでは集団成績をスライスに指定 61
62.
• 集団成績±1SDの単純効果を推定 単純効果分析 62
63.
単純効果分析 発話量 発話量 -1SD +1SD 集団成績_-1SD
3.230 3.097 集団成績_+1SD 3.350 4.057 ** 2.5 3 3.5 4 4.5 -1SD +1SD 満足度 発話量 集団成績_-1SD 集団成績_+1SD 63
64.
マルチレベルモデルあれこれ 64
65.
HLMをするならどのソフトウェア? • HLM7→ HLMだけならベスト •
HAD → REMLができない 単純効果分析可 • Mplus → REMLができない • SPSS→ ロバストSEが出ない、DF設定が不自由 • R → ロバストSEが出ない • HLMをするならとりあえずHLM7がオススメ – フリーソフトならHADで十分 65
66.
結果を報告するとき • 固定効果は回帰分析とまったく同じ – 推定値,効果量,
信頼区間,検定統計量,p値 – βとかγなど,数式や記号は必須ではない • 変量効果は分散か標準偏差を報告 – 分散か標準偏差かは,ソフトウェアの出力による • 適合度 – 逸脱度(-2*対数尤度) • これも必須ではない – モデル比較をするなら,情報量基準 66
67.
階層「線形」モデル? • 実は線形だけではない – HLM7はロジットやポワソンなどのリンクを選べる –
SPSSも一般化線形混合モデルで可能 • ただし,推定精度はよくない • 擬最尤法を使っているため • HADでは,簡便的な推定法で可能 – 一般化線形モデルを使って,クラスタ標準誤差で 推定精度を補正する方法 67
68.
HLMの限界 • 従属変数が一つ – 重回帰分析の発展版であることの限界 –
モデリングが限られる • 集団レベルの独立変数の問題 – 個人レベルの変数を平均化する必要がある – 説明変数の集団平均値の信頼性が低い場合, 推定にバイアスが生じる 68
69.
マルチレベル構造方程式モデル • Multilevel Structure
Equation Modeling – 以下、ML-SEM – SEMの階層的データ分析版 • 多変量を扱ったモデリングが可能 – 適合度指標を参照できる – 今のところ、Mplus、EQS、ML-winなどが対応 • 今回は簡単な紹介にとどめる 69
70.
HLMとML-SEMのイメージ 個人レベル 説明変数 個人レベル 目的変数 個人レベル HLM 集団レベル 分解 70 集団平均で中心化 集団レベル 独立変数 集団平均値 集団平均値には個人レベルの情報が含まれる
71.
HLMとML-SEMのイメージ 説明変数 集団レベル 個人レベル 目的変数 個人レベル 分解 ML-SEM 集団レベル 分解 71 集団レベルの推定は,ML-SEMのほうが正確
72.
HLMの結果 • 発言量の集団平均のパスが有意 – しかも高度に有意 72 発話量_wc 集団成績 満足度 満足度
レベル2 レベル1 発話量_m 平均化 0.154** 0.344** 0.220** 0.211** 0.604 72
73.
ML-SEMの結果 • 集団レベルの発話量の効果が変化 – HLMの結果は個人レベルの情報を含んでいる 73 発話量 集団成績 満足度 満足度
レベル2 レベル1 0.150** 0.435* 0.220** 0.205** 0.604 73 発話量
74.
HADによるML-SEM 74 W_満足度W_発話量 B_満足度 B_発話量 B_集団成績 0.220** 0.435** 0.150**
75.
HLMとML-SEMの違い • 同じ点 – 階層的なデータを分析できる –
ML-SEMはHLMの上位モデル • 回帰分析と構造方程式モデルの関係と同じ • ML-SEMの利点 – モデリングが自由(HLMは従属変数が一つ) – 個人のデータから、集団レベルの独立変数を推定で きる(HLMは平均値を算出する必要がある) • HLMの利点 – 多くのソフトウェアが対応している – 制限付き最尤法を利用できる • 不偏分散を推定できる 75
76.
階層線形モデルについての資料 • Raudenbush, S.
W. & Bryk, A. S. (2002). – Hierarchical linear models – Applications and data analysis methods(2nd ED.). – HLMについてのほぼすべてが書いてある • PreacherのWebサイト – http://www.quantpsy.org/interact/index.html – HLMの単純効果分析を実行できる • 奥村太一 (2006). – 階層的線形モデルによるデータの分析例 – http://www.p.u-tokyo.ac.jp/~okumurin/gd_okumura.pdf 76
77.
階層線形モデルについての資料 • 尾崎幸謙先生のWeb資料 – http://www.jartest.jp/pdf/3-5ozaki.pdf –
独立変数の中心化についてまとめてある • 水本篤先生のWebサイトの資料 – http://mizumot.com/lablog/archives/179 – 今日の話とは少し違った視点での説明がある • 村山航先生のWebサイトの資料 – http://www4.ocn.ne.jp/~murakou/statistics.htm – HLMについてのマニアックな話題がいくつかある 77
78.
ありがとうございました • 清水裕士 – 所属:広島大学
大学院総合科学研究科 • 助教 – 専門:社会心理学 グループダイナミクス • 親密な対人関係におけるソーシャル・サポート • 社会規範・道徳の進化 • 連絡先 – E-mail:simizu706(at)hiroshima-u.ac.jp – Webサイト:http://norimune.net – Twitter: @simizu706
Download now