めもめも ...〆(。_。) ややっこっしい交互作用の誤差項の話
2023/12 11≪ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 ≫01 単純主効果の検定の誤差項について教えてという依頼があったのでちょみっと勉強してみるの巻。 はいおさらい。 Q.単純主効果とはなんぞや？ A.２要因以上の分散分析で、交互作用が出たときに、とある要因の水準ごとに、他の要因の効果を調べる効果。 （道具的な定義ね。原理的な話は管轄外なのでしません。てゆかできません） ちなみに命名は、「他の要因」のほうになる。 （つまり、要因Aと要因Bの２要因分散分析だったら、Aの水準ごとにBの効果を調べるのが「Bの単純主効果」。 逆にBの水準ごとにAの効果を調べるのが「Aの単純主効果」。 あーややこい。とりあえず効果調べたいほうって思っとけばいい） Q.どういうとき
R: Two-way Interaction Plot
Description Plots the mean (or other summary) of the response for two-way combinations of factors, thereby illustrating possible interactions. Usage interaction.plot(x.factor, trace.factor, response, fun = mean, type = c("l", "p", "b", "o", "c"), legend = TRUE, trace.label = deparse1(substitute(trace.factor)), fixed = FALSE, xlab = deparse1(substitute(x.factor)), ylab = ylabel, ylim = range(cells,
Rによる心理統計再入門10：分散分析 単純主効果の検定 - Memorandums
２要因（被験者間）で交互作用が有意な場合の単純主効果の検定をRで行った例。誤差項の選択（各水準別）がSPSS（全体）の場合と異なる。 dataは下記から。 小塩研究室（中部大） http://psy.isc.chubu.ac.jp/%7Eoshiolab/teaching_folder/datakaiseki_folder/05_folder/da05_02.html failure(f1,f2,f3)、perfection(p1,p2)の２要因被験者間計画。従属変数はdepression。 1) データの読み込み > data.ex=read.csv("data5_1.csv",header=T) > data.ex sub failure perfection depression 1 1 f1 p1 10 2 2 f1 p1 13 3 3 f1 p1 21 4 4 f1 p1 16
[R][メモ] 卒論で使った分析 / LiosK-free Blog
2009-01-31 カテゴリ: その他のプログラミング タグ: R Tips 統計 卒論のためにRを使って行った分析をメモ。 やったことは、 3要因分散分析 (被験者間計画) 検出された交互作用を検定するために単純主効果検定 単純主効果の強さを測定するために効果量を計算 (イータ2乗) 統計のこともRのこともあまりよくわかっていないけど、少なくとも手元のデータではSPSSと同じ数値が出た。 分散分析 コントラスト配列の作成方法を指定するのがポイント？ > # Type III Anova > library(car) # load Anova() > options(contrasts = c("contr.sum", "contr.sum")) > model <- lm(response ~ factor.A * factor.B * factor.C, data = results
myowelt: Obtaining the same ANOVA results in R as in SPSS - the difficulties with Type II and Type III sums of squares
Obtaining the same ANOVA results in R as in SPSS - the difficulties with Type II and Type III sums of squares I calculated the ANOVA results for my recent experiment with R. In brief, I assumed that women perform poorer in a simulation game (microwolrd) if under stereotype threat than men. My students who assisted in the experiments used SPSS for their calculations. I realized that they obtained d
私のための統計処理 ー多重比較検定
[基本解説→ポストホックテストとしての多重比較検定] →[検定-1要因多群-2要因多群] →[ANOVA] 独立した群が３群以上あるとき、どの群とどの群の平均値に有意差があるかを検定！ 基本的に、多重検定は、2群比較のためのt検定の拡張版である。 比較の数が増加する（＝2群ずつの検定を繰り返す）ことによる第一種の過誤の増大を調整するために、危険率の補正方法が異なる種々の検定がある。↓ （棄却域：Fisher PLSD < Tukey < Bonferroni < Scheffe） ◎多重比較の2通りの立場 ・事前比較 (A priori comparisons)： 結果を分析する前に，理論的な背景などにより，比較する平均値についての仮説がある場は、 ANOVA抜きで、多重比較を行う。 ・事後比較 (Post hoc comparisons)： 比較する平均値についての明確な仮説がない場合
実験計画と分散分析
実験計画と分散分析――総論 三中信宏（農業環境技術研究所） minaka@affrc.go.jp ●ばらつきを調教する－実験を計画する基本的意義 さまざまな要因によって観察データはばらつく．データが示すこの変動の様相を分析することにより，実験処理の変動因としての効果を判定することができる．ある実験処理の効果を調べる目的で実験区を配置することを実験計画と呼ぶ．ある方式で配置された実験区から得られたデータの変動は分散分析によって統計的に分析される．本項目では実験計画とそれに続く分散分析の基本について述べる． 今世紀初頭に生物統計学者ロナルド・フィッシャー（Ronald A. Fisher）が数理統計学の基礎理論をつくろうとしていた当時，圃場試験データはもっぱら変量間の相関分析のためだけに利用されていた．フィッシャーは単に相関係数の計算だけではデータの解析方法としては不十分であると考え，反復測定
SPSS 分散分析とノンパラメトリック - OKWAVE
おっしゃる意味がちょっと理解できません。 「対応のあるデータが順序尺度の場合」ということですが，「対応のある」という部分（例えばある作業の前後とか）は独立変数に該当するわけですよね。で，分散分析の場合，独立変数はその変数が本当は比例尺度や間隔尺度，順序尺度であってもある意味では「名義変数」化されます。ですから，独立変数の本当の種類は問われません。 例えば，薬物投与前と投与後でその薬の影響を調べたいとします。このとき，「投与からの経過時間」は間隔尺度あるいは比例尺度になります。でも分散分析の場合にはいくつかのカテゴリーを設定します。「投与前」と「３０分後」，「１時間後」といったように。ですから，分散分析の「要因」となる変数（独立変数）はどういった尺度でもよいわけです。 おそらく質問者の方が聞きたいのは「従属変数が順序尺度の場合，分散分析は適用できるのか，できない場合はどのような分析法が妥当な
ofmind.net
ofmind.net 2020 Copyright. All Rights Reserved. The Sponsored Listings displayed above are served automatically by a third party. Neither the service provider nor the domain owner maintain any relationship with the advertisers. In case of trademark issues please contact the domain owner directly (contact information can be found in whois). Privacy Policy
ｔ検定と１×２の分散分析の違い - OKWAVE
bon-chanさん，こんにちは． 以前bon-chanさんと同じように悩んだことがあります．以下，自分なりの結論を述べます（これが正解かどうかは保証しません）． ｔ検定と１×２分散分析は御指摘通りに同様の結論を導きます．そして，分散分析は１×２だけでなく，それ以上の複数の平均値の分析をすることができます．これだけを考えるならば，ｔ検定には利用価値がないような気がします．しかし，いろいろと考えてみるとｔ検定にはやはり十分価値があります． 1)一つの平均値の検定において有効 ｔ検定の使用法は，心理学領域においては，二つの平均値の比較のために使われています．しかし，ｔ検定の最も基本的な使われ方は「ある数値が基準値と比べて有意に離れているか」というものです．統計法の教科書では「一つの条件の平均値の定数との関係を調べる検定」として説明されているでしょう．比較の手法が頻繁である心理学ではあまり使用さ
http://www4.ocn.ne.jp/~murakou/anova.htm
分散分析について １．分散分析の前提について 分散分析(analysis of variance; ANOVA)は，複数の群間の平均値を比較するための手法です．実験研究で特に多く扱われます．2群間の平均値を比較するのであれば，t検定というものがあります．分散分析は，この分析をさらに複数群間（そして複数要因間）の比較に拡張したものだというイメージを持つと分かりやすいと思います．実際，2群間の平均値差を分散分析にかけると，t検定とまったく同じ結果を生みます． 「群間の比較」というと，「群の違い」→「従属変数の違い」といった説明・因果のイメージを抱きやすいですが，これは正しくありません．例えば調査研究で，成績が高い人と低い人に分けて動機づけ得点の比較をする場合を考えてみましょう．このとき，群間に差があると，「成績が高い人ほど動機づけが高い」という説明をしがちです．この説明は間違っていないので
実験計画法入門 - ぺんぎんな日々
分散分析を使うことを覚えよう 世の中には、バカの一つ覚え、という言葉がある。だいたいは悪い意味で使われるのだが、心理学で実験を行うには、このバカの一つ覚えが大事なのではないか、と思う。たとえバカの一つ覚えと言われても、きちんとした見通しの上でその実験を計画し、データを取得し、分析のまな板に乗せることは、面白みには欠けるかもしれないが、すぐれた研究の方法だろう。 我々は目新しい分析手法を使うために実験を行うのでもないし、ましてや、面白い分析をしたいがためにデータを取る訳でもない。心理学の実験をおこなうということの目標は、人間の行動について理解を深めることにある。そのために確実に役立つ武器を一つだけ選ぶとしたら、恐らくその活用範囲がもっとも広い分析手法が、分散分析だ。そして、この分散分析とは、実験計画と表裏一体の関係をなす分析手法である。 実験計画を立てるということは、基本的には分散分析を利用
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Rで統計学を学ぶ(7)
[fpr 1384] About ANOVA(SS)
http://www012.upp.so-net.ne.jp/doi/biostat/CT39/design_mtx.pdf%2F12)
鐃術￥申鐃緒申 (鐃緒申鐃緒申鐃峻ワ申鐃緒申鐃緒申)/12 の編集 - RjpWiki
Microsoft PowerPoint - R-stat-intro_06.ppt [互換モード]
「統計学関連なんでもあり」の過去ログ--- 044
私のための統計処理 ー基礎解説ーANOVA