※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。

1. effectsパッケージを用いた
一般化線形モデルの可視化
2016.03.27 Nagoya.R #15
名古屋大学大学院国際開発研究科 D2 田村祐
1

2. 概要
• 対象
• 線形モデル，一般化線形モデルを使った分析を
することがある方
• 内容
• 上記のような分析の結果の可視化を便利にやっ
てくれるeffectsパッケージの紹介
2

3. 普段はしない自己紹介
• 名前
• 田村祐
• 所属
• 名古屋大学大学院国際開発研究科博士後期課程
• 研究分野
• 第二言語習得，心理言語学，文法指導
• R歴
• 一生エンドユーザー（3年くらい）
3

4. お断り
• 今回は，とくに自分に関係のある研究のデータを
使いません（準備不足ｱｰｯ）
• effectsパッケージに入っているサンプルのデータ
の中から2つを使います
4

5. 一言で言うと
• 分析をしたらとりあえず
• plot(alleffects(model))
• とやってみましょう
5

6. サンプルデータ①
• Cowles
• Cowles, M., & Davis, C. (1987). The subject matter of psychology:
Volunteers. British Journal of Social Psychology, 26, 97–102.
• 4変数
• neuroticism（情緒不安定性）
• extraversion（外向性）
• sex（性別）
• volunteer（今後の調査に自主的に参加するか）
• Yes or Noの2択
6
アイゼンク性格
検査のスコア

7. 中身を見てみる
7

8. 分析してみる
• 性別，外向性，情緒不安定性が，調査への自主
的参加にどのように影響するのかを調べたい
8
従属変数独立変数

9. 分析してみる
• 2値変数を従属変数としたロジスティック回帰分
析
• とりあえず，3つの独立変数すべての主効果と交
互作用をモデルに組み込む
9

10. 10
アスタリスクでつなぐと主効果＆交互作用
binomialは二項分布のこと
ｱﾚｯ

11. 分析してみる
• 3次の交互作用はなさげなので，AICでモデル選
択
• glm関数を使ったモデリングの場合はstepAICが
使えるので便利
11

12. 12

13. 分析してみる
• わかったこと
• 性別の主効果あり
• 情緒不安定性と外向性の交互作用あり
※ちなみに参加者IDをランダム切片にしたGLMMもやってみましたが推定
がうまくできませんでした
13

14. と言われても
ピンとこないので
14

15. 図示してみる
>eff.cowles <-allEffects(model2, xlevels
=list(extraversion = seq(0,24,6)),given.values=c(sexmale
= 0.5))
15
この中にGLMの出
力が入っている
xlevelsでx軸の目盛り
を指定
区切りの指定。「0から
24までを6ずつ」意味
こうすることで，モデル
の中から図示に必要とな
るオブジェクトを作る

16. 図示してみる
• 中身がどうなっているのか見てみると
16

17. 図示してみる
• あとは描くだけ
>plot(eff.cowles, ylab = “Prob(Volunteer)”)
17

18. 18

19. 19
extraversion = 0 extraversion = 6 extraversion = 12
extraversion = 18 extraversion = 24

20. 補足
• allEffects()は，モデルの中の全ての項を取り出す
場合に使う
• モデルの中の一部のみで良い場合は，effectまた
はEffectを使って以下のようにできる
>eff.ne <-effect(“neuroticism*extraversion”,model2)
>Eff.ne <-Effect(c(“neuroticism”, “extraversion”),
model2)
20

21. 補足
• multiline = TRUEの指定をすれば１つの図に
>plot(eff.cowles,”sex”,ylab=“Prob(Volunteer)”)
21

22. 補足
• 図を個別に描きたい場合は項を指定すればOK
>plot(eff.cowles,”neuroticism:extraversion”,m
ultiline = T,ylab=“Prob(Volunteer)”)
• 一度変数に入れずにplot内で入れ子の形にすれば
同じ図になる
>plot(effect(“neuroticism:extraversion”,model
2,xlevels = seq(0,24,6))),multiline =T)
22

23. 23

24. サンプルデータ②
• BEPS（British Election Panel Study)
• effectsパッケージに入っているサンプルデータ
• 1997-2001年の選挙に関するイギリスの調査
データ
24

25. • 10変数
• vote
• どの政党に投票したか
• Conservative, Labour, Liberal Democratの3つ
• age
• 年齢
• economi.cond.national
• 現在の国の経済状況（1-5で評定）
• economic.cond.household
• 現在の家計の経済状況（1-5で評定）
• Blair
• 労働党党首Blairの評価（1-5で評定）
• Hague
• 保守党党首Hagueの評価（1-5で評定）
• Kennedy
• 自由民主党党首Kennedyの評価（1-5で評定）
• Europe
• 欧州懐疑主義に対する態度（1-11で評定）
• 数値が高いほど欧州懐疑主義的
• political.knowledge
• それぞれの党が欧州懐疑主義に対してどういったポジションを取っているかに関する知識（0-3
で評定）
• gender
• maleかfemaleかの2水準
25

26. 中身を見てみる
26
ちっさ

27. 分析してみる
• さまざまな変数が投票行動にどのような影響を
与えているのか
27

28. • 10変数
• vote
• どの政党に投票したか
• Conservative, Labour, Liberal Democratの3つ
• age
• 年齢
• economi.cond.national
• 現在の国の経済状況（1-5で評定）
• economic.cond.household
• 現在の家計の経済状況（1-5で評定）
• Blair
• 労働党党首Blairの評価（1-5で評定）
• Hague
• 保守党党首Hagueの評価（1-5で評定）
• Kennedy
• 自由民主党党首Kennedyの評価（1-5で評定）
• Europe
• 欧州懐疑主義に対する態度（1-11で評定）
• 数値が高いほど欧州懐疑主義的
• political.knowledge
• それぞれの党が欧州懐疑主義に対してどういったポジションを取っているかに関する知識（0-3
で評定）
• gender
• maleかfemaleかの2水準
28
従属変数
独立変数

29. 分析してみる
• カテゴリカル変数（保守党・自民党・労働党）
を従属変数にした多項ロジスティック回帰
• nnetパッケージのmultinom関数を使用
29

30. 30
ちっさ

31. 図示してみる
• とりあえず１つずつみてみる
>plot(effect("age",beps),ylab="vote(Probability
")
31
自民党
労働党
保守党

32. 図示してみる
• 国の経済状況の評価と投票率
>plot(effect(“economic.cond.national”,beps),yl
ab="vote(Probability")
32
自民党
労働党
保守党

33. 図示してみる
• 家計の経済状況と投票率
>plot(effect(“economic.cond.household”,beps)
,ylab="vote(Probability")
33
自民党
労働党
保守党

34. 図示してみる
• 党首の評価はどうか
>plot(effect(“Blair”,beps),ylab=“vote(Probabilit
y")
>plot(effect(“Hague”,beps),ylab=“vote(Probabil
ity")
>plot(effect(“Kennedy”,beps),ylab="vote(Proba
bility")
34

35. 図示してみる
• 党首の評価はどうか
>plot(effect(“Blair”,beps),ylab=“vote(Probabilit
y")
>plot(effect(“Hague”,beps),ylab=“vote(Probabil
ity")
>plot(effect(“Kennedy”,beps),ylab="vote(Proba
bility")
35
ん？

36. 図示してみる
• 党首の評価はどうか
>plot(effect(“Blair”,beps),ylab=“vote(Probabilit
y")
>plot(effect(“Hague”,beps),ylab=“vote(Probabil
ity")
>plot(effect(“Kennedy”,beps),ylab="vote(Proba
bility")
36
カッコ閉じ忘れｱｰｯ

37. 37
Balir(労働党) Hague(保守党) Kennedy(自民党)
これに気づいた方はR検定4級です（嘘

38. Anyway

39. 39
x軸
political.knowledge低
x軸
political.knowledge高
パネル
欧州懐疑主義的度合い低
パネル
欧州懐疑主義的度合い高

40. 補足②
• plotするときの細かい引数指定
• band.colors :信頼区間のバンドの色（デフォで
灰色）
• band.transparency:バンドの透け透け具合
• ci.style: “bands”, “bars”, “lines”で選べる（さっ
きまでのやつは”bands”です）
40

41. 41
band.colors="red",band.transparency=0.3,ci.style = "lines"

42. おわりに
• 図を細かくいじるのならやはり低水準作図関数
などをシコシコと駆使したり，ggplotを使って描
くほうが良いのかも（見た目にこだわる方）
• ただし，effオブジェクトを作る作業だけやって
おいて，その後にggplotで図示というパターンも
できる（今回は割愛）
42

43. 参考文献
Cowles, M., & Davis, C. (1987). The subject matter of psychology:
Volunteers. British Journal of Social Psychology, 26, 97–102.
Fox, J. (2003) Effect displays in R for generalised linear models. Journal
of Statistical Software, 8, 1–27, doi: 10.18637/jss.v008.i15
Fox, J., Weisverg, S., Friendly, M., & Hong, J (2016) effects [R package
version 3.0-7] Retrieved from https://cran.r-project.org/
package=effects
43

44. effectsパッケージを用いた
一般化線形モデルの可視化
contact info
田村 祐
名古屋大学大学院生
yutamura@nagoya-u.jp
http://www.tamurayu.wordpress.com/
44