Submit Search
Upload
仮説とデータ解析の関係
•
Download as PPTX, PDF
•
0 likes
•
902 views
Michitaro Okano
Follow
ゼミで話そうか検討しているデータ解析の話です
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 12
Download now
Recommended
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
daiki hojo
ベイズ塾主催の第3回WSで話した内容です。 間違いあると思います。より詳細を学びたい方は書籍等をご参考にしてください
仮説とデータ解析の関係2
仮説とデータ解析の関係2
Michitaro Okano
10月29日説明するものの追加分です
状態と状態遷移に着目したゴール指向要求分析手法の考察
状態と状態遷移に着目したゴール指向要求分析手法の考察
Michitaro Okano
2017年3月3日、KBSEで発表したスライドと、質疑応答をまとめたものです。
CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線
CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線
Recruit Lifestyle Co., Ltd.
2016/2/4「ソフトウェアジャパン・ビッグデータ活用実務フォーラム」でのプレゼン資料です。
Rによる特徴抽出 第48回R勉強会@東京(#TokyoR)
Rによる特徴抽出 第48回R勉強会@東京(#TokyoR)
Keiku322
Yahoo! JAPANにおけるオンライン機械学習実例 #streamctjp
Yahoo! JAPANにおけるオンライン機械学習実例 #streamctjp
Yahoo!デベロッパーネットワーク
Stream Processing Casual Talks #1 at Yahoo! JAPAN の発表資料です http://connpass.com/event/35264/
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
Shintaro Fukushima
CET (Capture EveryThing)プロジェクトにおける機械学習・データマイニング最前線
CET (Capture EveryThing)プロジェクトにおける機械学習・データマイニング最前線
Recruit Lifestyle Co., Ltd.
リクルートライフスタイルの全サービス横断で、ログデータ(システム系ログやユーザ行動ログなど)をリアルタイムに収集・可視化・分析するCETプロジェクトでの機械学習・データマイニング活用事例のご紹介
Recommended
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
daiki hojo
ベイズ塾主催の第3回WSで話した内容です。 間違いあると思います。より詳細を学びたい方は書籍等をご参考にしてください
仮説とデータ解析の関係2
仮説とデータ解析の関係2
Michitaro Okano
10月29日説明するものの追加分です
状態と状態遷移に着目したゴール指向要求分析手法の考察
状態と状態遷移に着目したゴール指向要求分析手法の考察
Michitaro Okano
2017年3月3日、KBSEで発表したスライドと、質疑応答をまとめたものです。
CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線
CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線
Recruit Lifestyle Co., Ltd.
2016/2/4「ソフトウェアジャパン・ビッグデータ活用実務フォーラム」でのプレゼン資料です。
Rによる特徴抽出 第48回R勉強会@東京(#TokyoR)
Rによる特徴抽出 第48回R勉強会@東京(#TokyoR)
Keiku322
Yahoo! JAPANにおけるオンライン機械学習実例 #streamctjp
Yahoo! JAPANにおけるオンライン機械学習実例 #streamctjp
Yahoo!デベロッパーネットワーク
Stream Processing Casual Talks #1 at Yahoo! JAPAN の発表資料です http://connpass.com/event/35264/
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
Shintaro Fukushima
CET (Capture EveryThing)プロジェクトにおける機械学習・データマイニング最前線
CET (Capture EveryThing)プロジェクトにおける機械学習・データマイニング最前線
Recruit Lifestyle Co., Ltd.
リクルートライフスタイルの全サービス横断で、ログデータ(システム系ログやユーザ行動ログなど)をリアルタイムに収集・可視化・分析するCETプロジェクトでの機械学習・データマイニング活用事例のご紹介
effectsパッケージを用いた一般化線形モデルの可視化
effectsパッケージを用いた一般化線形モデルの可視化
Yu Tamura
※ブラウザでうまく表示されませんのでDLして御覧ください※ ※以下のリンクからもご覧いただけます※ https://speakerdeck.com/tam07pb915/nagoyar15 ロジスティック回帰や多項ロジスティック回帰などの一般化線形モデルを用いた分析の結果を図示するためのeffectsパッケージの紹介をします。
日本教育心理学会2016WSスライド
日本教育心理学会2016WSスライド
考司 小杉
文系学生に対する心理統計教育;回帰分析編の小杉の発表スライドです
学びにおける目的と環境に関する私見 修正版
学びにおける目的と環境に関する私見 修正版
大学図書館問題研究会大阪地域グループ / The Japan Academic Librarians' Association, Osaka Branch
中元崇氏(京都大学) 2015.6.7 大学図書館問題研究会大阪支部6月例会 『gaccoの実践事例からMOOCsを考える』 発表スライド
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
Shushi Namba
7月20日に学内で授業で心理学の学部生に向けて発表した資料です。
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。
Ib探究紹介100816バカ会
Ib探究紹介100816バカ会
TANREN Inc.
炭谷 俊樹 様( @sumi2020 ) 寄稿 バカ会3rd 告知サイト;http://tweetvite.com/event/ib_bacca3 バカ会3rd UST アーカイブ;http://ustre.am/lKTF バカ会3rd togetter;http://togetter.com/li/42466
生物成長曲線予測の事例
生物成長曲線予測の事例
yoshi_flt
大学時代の研究をさまってみた。 SIRモデルを確率微分方程式で拡張して、RのYUIMAでいつかシミュレーションしたい!
法政大学シンポジウム「インターンの活かし方」(中原)公開
法政大学シンポジウム「インターンの活かし方」(中原)公開
Jun Nakahara
Copyright : Jun Nakahara
高久研究室・研究室紹介
高久研究室・研究室紹介
Masao Takaku
研究室紹介:情報資源経営主専攻向けの説明 2015年10月15日(木)
MCMCで研究報告
MCMCで研究報告
Masaru Tokuoka
ベイズ推定による多変量解析入門@広島大学総合科学研究科 (2014.06.09.) の発表資料です。
応用行動分析家のための科学論文リーディング
応用行動分析家のための科学論文リーディング
Soichiro Matsuda
応用行動分析家に向けた、英語論文の読み方についての講義(講演)資料です。
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。
2013年社会情報学会若手カンファレンス(大部)
2013年社会情報学会若手カンファレンス(大部)
SSI-BJK
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。
2016-03-01 研究の進め方を改善しよう
2016-03-01 研究の進め方を改善しよう
Yoshiki Sato
東京学芸大学 計算機科学研究室の学部生、大学院生向け資料 「卒論あるある」から脱却するために、 ①ゴールの設定・共有 ②スケジュールの設定・共有 ③課題の管理・共有 を行った。
鷲崎 愛媛大学講演-プロジェクト型演習2014年12月15日
鷲崎 愛媛大学講演-プロジェクト型演習2014年12月15日
Hironori Washizaki
愛媛大学にて「プロジェクト型演習における成績評価と個人特性に基づくチーム構成」と題し講演
研究室紹介・高久研究室
研究室紹介・高久研究室
Masao Takaku
研究室紹介:知識情報システム主専攻
横国 斉藤 編入試験への準備と編入後の生活
横国 斉藤 編入試験への準備と編入後の生活
ShotaSatuma
編入説明会
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。
Kandai R 入門者講習
Kandai R 入門者講習
考司 小杉
2016.06.18 関西大学で行われたKandai.Rの入門者講習スライドです
データマネジメント概論
データマネジメント概論
Michitaro Okano
データマネジメントの歴史やビッグデータ+IoTシステムによるデータ分析のアーキテクチャや、データマネジメントの問題点など
イノベーションについて
イノベーションについて
Michitaro Okano
11/1にイノベーションと経営戦略について話したときの資料+(話さなかった)関連資料です。
More Related Content
Similar to 仮説とデータ解析の関係
effectsパッケージを用いた一般化線形モデルの可視化
effectsパッケージを用いた一般化線形モデルの可視化
Yu Tamura
※ブラウザでうまく表示されませんのでDLして御覧ください※ ※以下のリンクからもご覧いただけます※ https://speakerdeck.com/tam07pb915/nagoyar15 ロジスティック回帰や多項ロジスティック回帰などの一般化線形モデルを用いた分析の結果を図示するためのeffectsパッケージの紹介をします。
日本教育心理学会2016WSスライド
日本教育心理学会2016WSスライド
考司 小杉
文系学生に対する心理統計教育;回帰分析編の小杉の発表スライドです
学びにおける目的と環境に関する私見 修正版
学びにおける目的と環境に関する私見 修正版
大学図書館問題研究会大阪地域グループ / The Japan Academic Librarians' Association, Osaka Branch
中元崇氏(京都大学) 2015.6.7 大学図書館問題研究会大阪支部6月例会 『gaccoの実践事例からMOOCsを考える』 発表スライド
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
Shushi Namba
7月20日に学内で授業で心理学の学部生に向けて発表した資料です。
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。
Ib探究紹介100816バカ会
Ib探究紹介100816バカ会
TANREN Inc.
炭谷 俊樹 様( @sumi2020 ) 寄稿 バカ会3rd 告知サイト;http://tweetvite.com/event/ib_bacca3 バカ会3rd UST アーカイブ;http://ustre.am/lKTF バカ会3rd togetter;http://togetter.com/li/42466
生物成長曲線予測の事例
生物成長曲線予測の事例
yoshi_flt
大学時代の研究をさまってみた。 SIRモデルを確率微分方程式で拡張して、RのYUIMAでいつかシミュレーションしたい!
法政大学シンポジウム「インターンの活かし方」(中原)公開
法政大学シンポジウム「インターンの活かし方」(中原)公開
Jun Nakahara
Copyright : Jun Nakahara
高久研究室・研究室紹介
高久研究室・研究室紹介
Masao Takaku
研究室紹介:情報資源経営主専攻向けの説明 2015年10月15日(木)
MCMCで研究報告
MCMCで研究報告
Masaru Tokuoka
ベイズ推定による多変量解析入門@広島大学総合科学研究科 (2014.06.09.) の発表資料です。
応用行動分析家のための科学論文リーディング
応用行動分析家のための科学論文リーディング
Soichiro Matsuda
応用行動分析家に向けた、英語論文の読み方についての講義(講演)資料です。
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。
2013年社会情報学会若手カンファレンス(大部)
2013年社会情報学会若手カンファレンス(大部)
SSI-BJK
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。
2016-03-01 研究の進め方を改善しよう
2016-03-01 研究の進め方を改善しよう
Yoshiki Sato
東京学芸大学 計算機科学研究室の学部生、大学院生向け資料 「卒論あるある」から脱却するために、 ①ゴールの設定・共有 ②スケジュールの設定・共有 ③課題の管理・共有 を行った。
鷲崎 愛媛大学講演-プロジェクト型演習2014年12月15日
鷲崎 愛媛大学講演-プロジェクト型演習2014年12月15日
Hironori Washizaki
愛媛大学にて「プロジェクト型演習における成績評価と個人特性に基づくチーム構成」と題し講演
研究室紹介・高久研究室
研究室紹介・高久研究室
Masao Takaku
研究室紹介:知識情報システム主専攻
横国 斉藤 編入試験への準備と編入後の生活
横国 斉藤 編入試験への準備と編入後の生活
ShotaSatuma
編入説明会
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。
Kandai R 入門者講習
Kandai R 入門者講習
考司 小杉
2016.06.18 関西大学で行われたKandai.Rの入門者講習スライドです
Similar to 仮説とデータ解析の関係
(20)
effectsパッケージを用いた一般化線形モデルの可視化
effectsパッケージを用いた一般化線形モデルの可視化
日本教育心理学会2016WSスライド
日本教育心理学会2016WSスライド
学びにおける目的と環境に関する私見 修正版
学びにおける目的と環境に関する私見 修正版
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
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
Ib探究紹介100816バカ会
Ib探究紹介100816バカ会
生物成長曲線予測の事例
生物成長曲線予測の事例
法政大学シンポジウム「インターンの活かし方」(中原)公開
法政大学シンポジウム「インターンの活かし方」(中原)公開
高久研究室・研究室紹介
高久研究室・研究室紹介
MCMCで研究報告
MCMCで研究報告
応用行動分析家のための科学論文リーディング
応用行動分析家のための科学論文リーディング
媒介分析について
媒介分析について
2013年社会情報学会若手カンファレンス(大部)
2013年社会情報学会若手カンファレンス(大部)
社会心理学とGlmm
社会心理学とGlmm
2016-03-01 研究の進め方を改善しよう
2016-03-01 研究の進め方を改善しよう
鷲崎 愛媛大学講演-プロジェクト型演習2014年12月15日
鷲崎 愛媛大学講演-プロジェクト型演習2014年12月15日
研究室紹介・高久研究室
研究室紹介・高久研究室
横国 斉藤 編入試験への準備と編入後の生活
横国 斉藤 編入試験への準備と編入後の生活
Tokyo r53
Tokyo r53
Kandai R 入門者講習
Kandai R 入門者講習
More from Michitaro Okano
データマネジメント概論
データマネジメント概論
Michitaro Okano
データマネジメントの歴史やビッグデータ+IoTシステムによるデータ分析のアーキテクチャや、データマネジメントの問題点など
イノベーションについて
イノベーションについて
Michitaro Okano
11/1にイノベーションと経営戦略について話したときの資料+(話さなかった)関連資料です。
機械学習によるモデル自動生成の一考察 ー 決定表と決定木によるアプローチ -
機械学習によるモデル自動生成の一考察 ー 決定表と決定木によるアプローチ -
Michitaro Okano
SES2019の研究アイデア論文で発表したものですが、17、18シート目の様々な機械学習まとめや、22~26シート目のRとScikit-learnによる決定木、MLPのソースのほうが、意味あるかも?
高校・大学(院)の統計学の俯瞰図
高校・大学(院)の統計学の俯瞰図
Michitaro Okano
画像識別や機械学習をこれからやろうとする人に、統計学全般を概説するために作成した資料です
ワクワクする商店・製品を作るには?
ワクワクする商店・製品を作るには?
Michitaro Okano
ペルソナ法、カスタマージャーニーマップ、ブレインストーミングなどの使い方を説明したものです
経営学の俯瞰図
経営学の俯瞰図
Michitaro Okano
ある面接で、経営学について説明するときに使った図。MBAで出てくるような用語が、独断と偏見で位置づけられている。経営学の中心は、戦略論と組織論だけど、戦略を実現する上で、人材、マーケティング、ファイナンスが必要で、今の経営学に至るまでの経営学史と今日的/総合的話題があるという話。
GSNを利用したゴール指向要求分析における要求間の依存性の検証手法に関する提案
GSNを利用したゴール指向要求分析における要求間の依存性の検証手法に関する提案
Michitaro Okano
2017年11月24日にFOSE2017で発表したプレゼン資料です。
機械学習活用のための要求分析手法の研究 AI版酒屋倉庫問題のケース
機械学習活用のための要求分析手法の研究 AI版酒屋倉庫問題のケース
Michitaro Okano
ソフトウェアエンジニアリングシンポジウム2017(SES2017)の研究アイデア論文でのプレゼン資料です。
ゴール指向要求分析における不確かさの考察 ~ IoT・AIのケース ~
ゴール指向要求分析における不確かさの考察 ~ IoT・AIのケース ~
Michitaro Okano
ソフトウェアエンジニアリングシンポジウム2017(SES2017)のワークショップ2でのプレゼン資料です。
IoT活用システムへのゴール指向要求分析の適用に関する考察
IoT活用システムへのゴール指向要求分析の適用に関する考察
Michitaro Okano
2017年7月19日、SS,KBSE,IPSJ-SE合同の研究会で発表してきた内容のプレゼン資料と付録の資料、Q&Aのメモです。
AI・機械学習の活用におけるソフトウェア工学の今後の課題~ノンプログラミングで作成する予測APIの事例から~
AI・機械学習の活用におけるソフトウェア工学の今後の課題~ノンプログラミングで作成する予測APIの事例から~
Michitaro Okano
ソフトウェア・シンポジウム2017 WG13で発表したプレゼン資料です(付録として、ディープラーニングの場合とnode-redで呼び出した場合も付け加えています)
ゴール指向分析KAOSにおける依存性を考慮した要求抽出法の考察
ゴール指向分析KAOSにおける依存性を考慮した要求抽出法の考察
Michitaro Okano
ソフトウェア・シンポジウム2017宮崎で発表したプレゼン資料とそのときのQ&Aです
中小規模のIoT
中小規模のIoT
Michitaro Okano
2017年1月20日にプ会で発表してきた内容です
Rによるデータ分析手順入門
Rによるデータ分析手順入門
Michitaro Okano
Rのインストールからデータの読み込み、統計・検定・機械学習による予測・判別の方法を説明したものです
ゴール指向要求分析における構成要素に着目した分解に関する一考察
ゴール指向要求分析における構成要素に着目した分解に関する一考察
Michitaro Okano
2016/8/31 SES2016の要求工学のワークショップで発表したものです
A study on the or decomposition of goal-oriented analysis using GSN
A study on the or decomposition of goal-oriented analysis using GSN
Michitaro Okano
11th Joint Conference, JCKBSE 2014(pp643-657) http://link.springer.com/chapter/10.1007%2F978-3-319-11854-3_56 の発表資料です。 いくつかの選択肢があるとき(これがOR分解)、ある選択肢が選ばれた妥当性をGSNを使って主張したい場合、このようにすると良いのではという提案です。
要求分析におけるゴール抽出パターンについての考察
要求分析におけるゴール抽出パターンについての考察
Michitaro Okano
2016年2月4日に「ウィンターワークショップ2016・イン・逗子」で発表した資料です
要求獲得過程の観測と評価に関するツールの開発
要求獲得過程の観測と評価に関するツールの開発
Michitaro Okano
2016年3月11日に第78回情報処理学会全国大会で発表した、要求獲得数に成長曲線を当てはめる、Rを使ったRedmineプラグインの紹介です。
Ms wordでの効率的な文書作成
Ms wordでの効率的な文書作成
Michitaro Okano
2016年3月12日に発表したものです。
More from Michitaro Okano
(19)
データマネジメント概論
データマネジメント概論
イノベーションについて
イノベーションについて
機械学習によるモデル自動生成の一考察 ー 決定表と決定木によるアプローチ -
機械学習によるモデル自動生成の一考察 ー 決定表と決定木によるアプローチ -
高校・大学(院)の統計学の俯瞰図
高校・大学(院)の統計学の俯瞰図
ワクワクする商店・製品を作るには?
ワクワクする商店・製品を作るには?
経営学の俯瞰図
経営学の俯瞰図
GSNを利用したゴール指向要求分析における要求間の依存性の検証手法に関する提案
GSNを利用したゴール指向要求分析における要求間の依存性の検証手法に関する提案
機械学習活用のための要求分析手法の研究 AI版酒屋倉庫問題のケース
機械学習活用のための要求分析手法の研究 AI版酒屋倉庫問題のケース
ゴール指向要求分析における不確かさの考察 ~ IoT・AIのケース ~
ゴール指向要求分析における不確かさの考察 ~ IoT・AIのケース ~
IoT活用システムへのゴール指向要求分析の適用に関する考察
IoT活用システムへのゴール指向要求分析の適用に関する考察
AI・機械学習の活用におけるソフトウェア工学の今後の課題~ノンプログラミングで作成する予測APIの事例から~
AI・機械学習の活用におけるソフトウェア工学の今後の課題~ノンプログラミングで作成する予測APIの事例から~
ゴール指向分析KAOSにおける依存性を考慮した要求抽出法の考察
ゴール指向分析KAOSにおける依存性を考慮した要求抽出法の考察
中小規模のIoT
中小規模のIoT
Rによるデータ分析手順入門
Rによるデータ分析手順入門
ゴール指向要求分析における構成要素に着目した分解に関する一考察
ゴール指向要求分析における構成要素に着目した分解に関する一考察
A study on the or decomposition of goal-oriented analysis using GSN
A study on the or decomposition of goal-oriented analysis using GSN
要求分析におけるゴール抽出パターンについての考察
要求分析におけるゴール抽出パターンについての考察
要求獲得過程の観測と評価に関するツールの開発
要求獲得過程の観測と評価に関するツールの開発
Ms wordでの効率的な文書作成
Ms wordでの効率的な文書作成
仮説とデータ解析の関係
1.
仮説とデータ解析の関係 -共分散構造分析の前にー 岡野 道太郎 1
2.
自己紹介 • 東京学芸大学 – 教育心理で卒論 •
使った本 教育と心理のための推計学 • 放送大学 科目履修生 • 放送大学大学院 – 科目履修生、全科履修生(退学) • トップエスイー • 筑波大学大学院ビジネス科学研究科 – 大学のシラバスの調査で修論(経営学) • 使った本 心理学論文の書き方 2
3.
まずは、仮説とデータ解析の関係 • 仮説構築・仮説検証とデータ解析の関係 – 卒論・修論を仮説構築で止めるか、仮説検証までいく かは、先生による •
仮説の絞込みレベルも先生によるが、コミュニティの影響も – 使える手法は、コミュニティによる 3
4.
仮説構築におけるデータ処理 • どこまで、仮説構築で行くか – 「はじめに」「関連研究」「提案」 –
仮説構築するだけの論文 • 提案までならアブダクションが使える可能性 – 例 • 一般に、こういわれている(データがある) • でも、この調査では、このような結果が出ている – 二次データ(毎年行われる調査など)が使える – 提案で仮説を出し、それを検証する • 仮説で終わる場合 – グラウンデッドセオリー(木下の修正版含め) – (探索的)因子分析 – KJ法とか。他の方法を使ってOKかは、先生に・・・ 検定せす、ク ロス表・グラ フでもOK 4
5.
仮説検証におけるデータ処理 • 仮説の内容によって、処理が違う – カテゴリー間の差を主張したい •
クロス表を作って、χ2検定 – 分類・分別したい • 判別分析、クラスタリング(k-means等) – 量的な差を検定して、仮説を主張(主に実験) • t検定(2つのグループの平均) • F検定(多くのグループ) – 予測値を出したい:回帰 • 連続量:重回帰分析 • 生死・当たり外れ等の確率:ロジスティック回帰 • 質的データも含む:数量化1類 – モデルを作成し、その当てはまり • 共分散構造分析(SEM) 実験でもモデル が作れるなら SEM可能 5
6.
データ処理に行くまで • 笹井氏の示した手順が分かりやすい – https://www.youtube.com/watch?v=xu-XUie-Hbc
(6:00~7:00) – 着想・発想→実験実施→実験データ解析・図表作成→論文 • 実験が仮説内容によりいろいろ – 本当に実験する • 実験計画法:ラテン方格、直交表 – アンケートをとる – 調査:データ収集 • 株価と何かの関係など • 書き方なども型がある – 研究法に詳しい本 6
7.
データ処理手順 • データをざっくり見て、基本統計量をとる – カテゴリーデータ:クロス表(統計量:件数) –
量的データ:散布図・相関(統計量:平均・分散) • データの加工&処理方法の注意点 – コーディングとかある場合も – 欠測 • 仮説を主張する為の統計操作 – 例:検定の場合 • いいたいことの逆:帰無仮説の構築 • 帰無仮説は5%、1%以下しか起きない • 「いいたいことの逆」は起きない→いいたいことが成り立つ 7
8.
統計操作の例:共分散構造分析 • 観測できる変数から、モデルの当てはまりを 推定する • 例:英語は理系能力が必要 –
文系能力・理系能力:潜在変数 – 国語・社会・英語・理科・数学:観測変数 赤い線があるのとないので、どちらが当てはまりがよいか見る 8
9.
参考: (イメージです) 共分散構造分析は何をしている? • 例えば英語は、以下の方程式が建てられる •
同様にすべての観測変数を含む方程式をたて、 その方程式から全r,yが求められたとする • 観測変数の実際の観測値は誤差を含む – そこで誤差が最小になるようにr,yを調整する 実際には 行列 X3=r3y1+r4y2+誤差 9
10.
参考: 全てを観測変数にした場合の比較 • 今、学力テスト、文系テスト、理系テストという のが有った場合、すべてが観測変数となる – このとき2つのモデルが考えられる –
どちらがよいか:誤差の累積の観点から考える 10
11.
共分散構造分析まで • 仮説を構築: – 潜在変数と観測変数を決める •
自分の知見 • 既存の学説(対立していると、より良い) – パス図を作成 • 仮説を検証する:観測変数を測定する – 観測変数が連続量で測定可能(時間・年齢) • 測るべし – 観測変数が感覚的なもの • リッカートの簡便法(5件法など)、SD法等で数量に 11
12.
共分散構造分析 • ソフトウェアを使って解析 – 手順 •
パス図を描く • データを入力する • 結果が出てくるので検討する – ソフトウェア • SPSS Amos:分かりやすい。操作は知っておくと良 • R:semまたはlavaanパッケージ:むずかしいかも・・・ – 検討 • P値、AGFI(GFI)、RMSEAなど • 2つモデル作成時:どちらの当てはまりがよいか議論 12
Download now