心理データ解析補足01
因子分析と主成分分析 因子分析の概要は第８回で説明した。 類似した手法に「主成分分析」がある。 ここでは，両者の類似点と相違点をみてみたい。 主成分分析の目的 第８回で，因子分析をする目的は「共通因子を見つけること」であると説明した。 その一方で，主成分分析の目的は「情報を縮約すること」である。 第８回で示した因子分析のイメージは次のようなものであった。 主成分分析は，観測された変数が共有する情報（たとえば互いの相関係数）を，合成変数として集約する（従って矢印の向きが因子分析とは逆になる）。 第１主成分には観察された情報の共通点が集約される。 第２主成分は集約された残りの情報の中から共通する情報が集められる。 第３主成分以降も同様に，上位の主成分の残りの情報から共通する情報を集約する。 どんな時に使うか 主成分分析を用いるのは，主として「合成得点を算出したい」時である。 たとえば５教科のテ
広く使える情報量規準(WAIC)
このページをご覧いただき、ありがとうございます。 ここでは、情報量規準 WAIC を紹介しています。 ベイズ推測のための情報量規準(WAIC)が導出されました。 WAIC は（真の分布、確率モデル、事前分布）がどのような場合でも使う ことができます。他の規準と異なり理論的な基盤を持っています。 (0) モデル選択やハイパーパラメータの最適化に使えます。 (1) 漸近的に汎化損失と同じ平均値と同じ分散を持ちます。 (2) WAIC は簡単に計算できます。 (3) 真の分布が確率モデルで実現可能でなくても使えます。事前分布が真の事前分布でなくても使えます。 (4) 平均対数損失を最小にするパラメータがユニークでなくても使えます。 平均対数損失を最小にするパラメータが特異点を含む解析的集合であっても 使えます（注１）。 (5) フィッシャー情報行列が正則でなくても使えます。 (6) 事後分布が正
Logics of Blue
はじめてきた方はサイト案内やサイトマップをご覧ください。 管理人Twitter始めました。一部のコードはGitHubで管理するようにしました。 プライバシーポリシーはこちらです。 ★2022年度の統計学の講義資料はこちらから閲覧できます。 ●書籍情報：Pythonで学ぶあたらしい統計学の教科書 [第2版] 書籍のサポートページはこちらです(サンプルコードやデータもこちらです)。 ●書籍情報：意思決定分析と予測の活用 基礎理論からPython実装まで 書籍のサポートページはこちらです(サンプルコードやデータもこちらです)。 ●書籍情報：R言語ではじめるプログラミングとデータ分析 書籍のサポートページはこちらです(サンプルコードやデータもこちらです)。 ●書籍情報：RとStanではじめる ベイズ統計モデリングによるデータ分析入 書籍のサポートページはこちらです(サンプルコードやデータもこちらで
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
処理を実行中です
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
大学院／時系列解析
７．分布パラメータの推定 - 統計特論１- 大森宏
