『心理測定尺度集Ⅰ～Ⅵ』所収尺度まとめ【ほぼ完全版】
尺度集まとめの今後の更新作業はこちらにて行います。以降は移転先をご利用ください。 『心理測定尺度集Ⅰ～Ⅵ』（堀洋道先生監修，サイエンス社）に所収されている300以上の尺度を，項目ごとに整理し直して一覧できるリストを作成しました。 出版社の紹介サイト 心理測定尺度集Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ Ⅵ どの尺度をどの項目に入れるかは，元の尺度集の整理を尊重しつつ，私の方で独自に立項した部分もあります。 各尺度名の前にある記号（例：Ⅰ-5）は，尺度集の番号と当該の尺度が紹介されている開始ページを示します。Ⅰ-5なら，『心理測定尺度集Ⅰ』の5ページから当該の尺度の紹介が始まることを示します。 当該の尺度が発表された元の論文を参照しやすくするため，各尺度名の後ろの著者および発表年から，書誌情報へリンクを張っておきました。リンク先は，CiNii，CiNii Books，J-STAGEのJournal Archiv
高校数学の基本問題
「あなたがまだやっていない問題」は、背景色・文字色の変化なし 「あなたが弱い問題」は、この色 「あなたが半分ぐらいできる問題」は、この色 「あなたがよくできる問題」は、この色
対応のない場合のｔ検定 例題・問題
２群の母集団平均を比較したいときに，第１群のデータと第２群のデータが「同一被験者に対する２つの条件での観測結果」「各組が兄弟の身長データ」「各組が数学の得点の等しい生徒の英語の得点」などのように，単にデータ件数が同数であるだけでなく第１群のデータと第２群のデータの間に対応がある場合は，「対応のある場合のｔ検定」を用いることができる． これに対して，２群のデータ相互の間には個別の対応がない場合は「対応のない場合のｔ検定」を用いる． 対応のない場合のｔ検定は，２群の標本数が等しい場合にも等しくない場合にも使えるが，２群の分散が等しいと見なせる場合と等しいとは見なせない場合とでは適用する公式が異なるので，対応のない場合のｔ検定を行うためには，初めに分散が等しいと見なせるかどうかの検定（Ｆ検定）を行う． 例１ 右図２は20匹の鶏のうち半数の10匹に飼料１を，残りの10匹に飼料２をそれぞれ１か月間与
等分散の検定
2つのグループの分散が等しいことを帰無仮説として検定を行ないます．2つのグループの標本数は異なっていても構いません． ExcelによるF検定 例えば，このようなデータを分析してみましょう．これは男女100人の身長，体重のデータ（仮想）です．以下の様にExcelの表の上にデータが並んでいたとします．※データはこの後にもならんでいます． 男女の身長の分散が異なっているかどうかを検定してみましょう．帰無仮説，つまり直接検定する仮説は「男女の身長の分散に差がない（ゼロ）」です． H0：男女の身長の分散に差がない H1：男女の身長の分散には差がある ただし，このままでは分析に適さないので，例えば以下のように並べ替えをしたデータに対して分析を行ないます． でもっていよいよ分析を行ないます． 【手順】 メニューバーの「ツール(O)」 「分析ツール(D)」 「F検定」（2標本を使った分散の検定） の順で以
t検定
この教材では，対応がないときのｔ検定について，上記の学説の優劣を判断していません．読者に判断してもらうための材料を提供しているレベルですのでよろしく．（２群の要素数が僅差であるような場合を除けば，多くの場合にWelch検定の方が自由度がかなり小さくなるので，レポートを見れば，どちらのｔ検定を用いたのかは分かると言われています．） 【平均の差の検定：要約】 ◎ 前提：以下において母集団は正規分布に従うとする． 幾つかのグループの「平均の差」が偶然的な誤差の範囲にあるものかどうかを判断したいとき，データの個数が少ないときは偶然的な誤差の範囲も大きくなるが，データの個数が多くなると平均の差が大きな値となることはめったにない． 同一の母集団からの標本と見なしたときに２つのグループの平均の差が両側5%の確率の範囲に入るようなことはめったになく，このような場合は平均に有意差があるとして異なる母集団から
心理統計いろいろ - 村山航
信号検出理論 (Stanislaw & Todorov (1999, Behavioral Research Methods, Instruments, & Computers) を参照 /* H=hit rate, FA=false alarm rate */ /* d'の算出（正規性，等分散性の仮定必須） HやFに0があるときは，試行数（分母）に1を，hit数，false alarm数（分子）に0.5を足して，HやFを求める */ DPRIME= PROBIT(H)-PROBIT(F)< /FONT> /* βの算出（SN比によるresponse bias) */ BETA= EXP((PROBIT(F)**2-PROBIT(H)**2)/2) /* lnβの算出（βに自然対数をとっただけ） */ LNBETA= (PROBIT(F)**2-PROBI
統計を学びたい人へ贈る、統計解析に使えるデータセットまとめ - ほくそ笑む
はじめに 統計解析の手法を学ぶのに、教科書を読むのは素晴らしい学習方法です。 しかし、教科書で理論的なことを学んだだけでは、統計手法を使いこなせるようにはなりません。 統計解析手法を身につけるには、実際のデータについて手法を適用し、パラメータを変えるなどの試行錯誤を行い、結果を考察するというような経験を積むことが大切です。 それでは実際のデータをどうやって手に入れましょうか？ 実験や調査をして実際のデータを得るのは大変でお金もかかります。 幸運なことに、世の中には適度なサイズの自由に使えるデータがたくさん存在します。 例えば、統計言語 R には、100以上ものデータセットがデフォルトで付属しています。 ただし、不幸なことに、それらのほとんどは英語で説明が書かれています。 英語は、いつかは乗り越えなければならない壁ですが、最初のうちはちょっと避けて通りたいところです。 というわけで、今日は、
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
Reasoning and Fallacies