統計解析道具箱 分割表おける残差分析
2つの質的変数の関係性を分析するためにの統計手法に、分割表（クロス集計表）があります。この手法は、表の行と列にそれぞれ質的変数を配置して、そのカテゴリの組み合わせの度数（人数）や％を出力して、関係性を考察します。 この分割表における関係性が、有意となるかどうかを調べる手法として有名なのが、カイ2乗検定（独立性の検定）です。この検定の帰無仮説は「行変数と列変数は独立である（＝行変数と列変数に関係性はみられない）」であり、有意確率（P）＜0.05となれば、5%水準で有意な関係性が確認されることになります。 カイ2乗検定（独立性の検定）は、その帰無仮説の形からわかるように、行変数と列変数に有意な関係性があるかどうかしかわかりません。ただし、実際の調査研究や実験研究においては、どのカテゴリに有意差があるかを知りたいことも珍しくはありません。そこで、活用されるのが残差分析です。 ここでいう残差とは、
分散分析法における多重比較
■ p値と有意水準・危険率 統計的仮説検定においてはp値によって帰無仮説（H0）が棄却されるかどうかを判断することになっている。そして帰無仮説を棄却するかどうかという判断の基準として有意水準（α）をあらかじめ設定しておき、得られたp値が有意水準よりも小さければ帰無仮説を棄却するのである。有意水準は一般的に0.05と設定されることが多いが、医療統計学の分野ではしばしば0.01や0.001という、より厳しい有意水準が設定されることもある。 ここで改めてp値とは何かということを考えてみよう。p値とは「帰無仮説が正しいという条件の下で偶然にその検定統計量が得られる確率（条件つき確率）のこと」なのである。つまり、得られたp値が非常に小さい場合（例えばp = 0.0001である場合）は偶然に検定統計量が得られたという確率は非常に小さいということである。もう少しくだけた言い方をすれば「たまたま得られた結
多重比較検定
● はじめに みなさんこんにちは。 先の分散分析は長々とした説明になってしまいましたが、理解度の方はいかがだったでしょうか？ 統計は如何に目に見えないものを目に見えるようにするかの手法を追及してきた歴史があります。 今回はまた歴史が少し進んだお話。 多重比較検定というものを扱います。歴史とともに分散分析から少し進んだ、先の統計の手法をお感じあれ。 ● 多重比較検定とは 分散分析は、帰無仮説を棄却することにより、要因中に影響を与えているものがある、という結論を導き出すことができました。しかし、観測値に影響を与えている要因の度の水準間に差があるのかは分かりません。 例えば、分散分析で出した、趣味と睡眠時間の例を取って見てみましょう。 このとき分散分析では「趣味は睡眠時間に影響している」ことがわかりましたよね。 しかし、どの趣味の間で差が生じているのだろうというところは分からなか
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
