はてなブックマーク

主成分分析と因子分析 主成分分析、因子分析を解説する。因子分析には探索的因子分析と確認的因子分析がある。 主成分分析 princomp( ) 関数で回転しない主成分分析を行える。prcompはサンプルサイズ < 変数の数のときに使うらしい。 参考リンクト Rで主成分分析 Rで主成分分析2 Rjpwiki: 統計手法の実地への適用限界 "要するに，二つある関数のうち，princomp は忘れて，いつも prcomp を使えばよいと言うだけのことである" らしい 金先生のRと主成分分析。prcomp関数の解説。 S-PLUSのFAQ。princompがお奨めだそうだ。 シリウス先生の心理統計学: 主成分分析モデルの応用。"prcomp()は計算時に不偏分散を用いるのに対して、princomp()では標本分散を用いている。両者に若干の違いはあるが、基本的にはどちらを使っても構わない" だそうだ。

クラスター分析 R では様々なクラスター分析を行うことができる (cran task view)。本稿では階層的凝集法 (hierarchical agglomerative) 、分割法 (partitioning) 、モデルベース法 (model based) について説明する。絶対に正しいという手法はないので注意。 参考 Rでクラスター分析 Rとクラスター分析1 Rとクラスター分析2 クラスタリングとは (クラスター分析とは) 《クラスター分析》 データの準備 欠損値を省いておくこと。 # 足立浩平 (2006). 多変量データ解析法――心理・教育・社会系のための入門――　ナカニシヤ出版の第2章から。感謝 mat <- matrix(c(3.2, 3.4, 3, 3.2, 4.2, 4, 4, 3.7, 3.6, 3.6, 3.7, 3.4, 3.2, 3.2, 2.7, 3.5, 3

データのソート (並べ替え) ベクトルのソートには sort 関数。あと、現在の順序から逆にするrev関数もある データフレームのソートには order 関数。 デフォルトは昇順 (小さい順)。マイナスをつけると降順 # データセットmtcarsを使う。 data(mtcars) mpg <- mtcars$mpg # ベクトルの並べ替え # 元の順序 mpg # 逆順 rev(mpg) # 昇順で並べ替え sort(mpg) # 元の順序で小さい順の添え字を調べるのがorder。小さい順のランキング order(mpg) order(-mpg) # 降順 mpg[order(mpg)] # sortを使ったときと同じ # データフレームの並べ替え # データフレームmtcarsをmpgで並べ替え head(mtcars) newdata <- mtcars[order(mtcars$mp

データのマージ (結合) 横にくっつける (列の追加) merge関数で2つのデータフレームを横にくっつけられる。R-tipsも参考。 # 例示データ datA <- data.frame(id=paste("ps", 1:10, sep=""), v1=rnorm(10), v2=gl(2, 5, label=c("ga", "gb")), v3=sample(1:5, replace=T)) datB <- data.frame(id=paste("ps", 101:110, sep=""), v2=gl(2, 5, label=c("gb", "gc")), v3=sample(1:5, replace=T)) # id重複なし datC <- data.frame(id=paste("ps", 1:6, sep=""), v5=rnorm(6)) # id重複 # 確認しよう da

度数とクロス集計 カテゴリカル変数のクロス集計表 (分割表) 、独立性の検定、連関、グラフ化について説明する。 度数表をつくる 度数表 (frequency table, 分割表/contingency table 、クロス集計表/cross-tab ともいう) を作成する方法はいくつかある。以下にその例を示す。また、青木先生のfrequency 関数も便利。 table 関数 table( ) 関数で度数表が作成できる。割合を算出したいときはe prop.table( ) 関数, 合計欄には margin.table( ) 関数が使える。 # 2元の度数表 mytable <- table(gear=mtcars$gear, carb=mtcars$carb) # "gear=..."としないと名前のない表になるので見づらい。 mytable # 集計欄 margin.table(myt

いずれの関数も効果量、サンプルサイズ、有意水準、検定慮の4つのうち、いずれか3つを指定することで残りの1つを求めることができる。 効果量はきちんと勉強してから計算しましょう。 t検定 t検定用の関数 pwr.t.test(n = , d = , sig.level = , power = , type = c("two.sample", "one.sample", "paired")) pwr.t2n.test関数は各群のサンプルサイズが異なるとき用の関数。データを収集した後で検定力を調べるのに使う。 t検定の効果量は以下の式で Cohenの効果量dは0.2が小さい、0.5が中程度、0.8が大きい、とされる "two-sided" (両側検定) がデフォ 使用例 まず2群の平均値差を調べる。先行研究から、平均値差が2.6くらい、各群の (不偏) 分散は11くらいになることがわかっている。先

about scratch-R Quick-Rは素晴らしい。あくまでも自分のために、地味に日本語にしておくことにした。 自分のためのメモmyscratchpadに残しといたメモもQuick-Rをパクって参考にして整理することにした。 あくまでも自分のため。その上思いっきり未完成。何か知りたい人はQuick-RかRjpwikiに急ぐんだ。 This website is originated from Quick-R by Dr. Kabacoff. I don't intend to infringe his copyright. ご意見・ご批判・お問い合わせ等は以下のメールアドレスまで。 You can reach me by following e-mail address. R in Action Quick -Rが本になったそうだ。