めもめも ...〆(。_。)
認知心理学・認知神経科学とかいろいろなはなし。 あるいは科学と空想科学の狭間で微睡む。
×
[PR]上記の広告は3ヶ月以上新規記事投稿のないブログに表示されています。新しい記事を書く事で広告が消えます。
早口ことばみたいだなタイトル。
そしてチョコ祭りも終わったのでてきとーにテンプレ変える。
そのうちぺんぎん仕様を自ら作成すべし!!!
単純主効果の多重比較のしかたについて、明記されてる文献すくねええええ。
ってのが今回の話。
この分野ではバイブルのごとく崇め奉られている『心理学のためのデータ解析テクニカルブック』ですら、HSD(最小有意差)の求め方しか載ってねええええ。
多重比較の本を読んだら載ってるのだろうか。
とりあえず、狩野先生お手製の統計の教科書とテクニカルブックを併せて読みながら、今できる方法をめもっとく。
あ、今回はそれと某先輩のマクロも併用だった。
とりあえず先輩のマクロだけ先に宣伝。
今でも使ってます先輩マジでありがとう。
http://kiso.hus.osaka-u.ac.jp/matusita/index.html
先輩のこの飄々としたかんじがとてもすきだー。
それはさておき多重比較についてはつづき参照。
そしてチョコ祭りも終わったのでてきとーにテンプレ変える。
そのうちぺんぎん仕様を自ら作成すべし!!!
単純主効果の多重比較のしかたについて、明記されてる文献すくねええええ。
ってのが今回の話。
この分野ではバイブルのごとく崇め奉られている『心理学のためのデータ解析テクニカルブック』ですら、HSD(最小有意差)の求め方しか載ってねええええ。
多重比較の本を読んだら載ってるのだろうか。
とりあえず、狩野先生お手製の統計の教科書とテクニカルブックを併せて読みながら、今できる方法をめもっとく。
あ、今回はそれと某先輩のマクロも併用だった。
とりあえず先輩のマクロだけ先に宣伝。
今でも使ってます先輩マジでありがとう。
http://kiso.hus.osaka-u.ac.jp/matusita/index.html
先輩のこの飄々としたかんじがとてもすきだー。
それはさておき多重比較についてはつづき参照。
単純主効果の多重比較が適用されるのは、
2要因以上の分散分析
↓
やっべ交互作用有意だった
↓
単純主効果を見よう!
↓
しまった3つ以上水準があるとこで有意だ!←今ここ
ってケースですね。
とりあえず今回使った対応あり2要因の話だけで。
テクニカルブックにのってるHSDの求め方。
要因Bの水準における要因Aの単純主効果を見る場合。
Q1:要因Aと被験者Sの誤差の自由度と比較する平均の数から、有意になる臨界値をひっぱってくる(付録の表から)
&
Q2:要因Aと要因Bと被験者Sの誤差の自由度と比較する平均の数から、有意になる臨界値を(ry
↓
HSD検定の臨界値=(Q1*誤差A×S)+(Q2*誤差A×B×S)*(Bの水準数-1)
↓
HSD=臨界値*((Bでプールした誤差項÷被験者数)の平方根)
と、いうことは、
臨界値=HSD÷((Bでプールした誤差項÷被験者数)の平方根)
だよね!
だったら
見たい条件間の差÷((Bでプールした誤差項÷被験者数)の平方根)=それのスチューデントの値
ってことになるんじゃね!?
つーか実際記述するときってそれが必要になるんじゃね?
って思ったんだけど。
あってんのかな。どうなのかな。
対応なしとか対応なし・ありな計画法でも、細かい修正方法が違うだけで、だいたいの流れはおんなじだから、これを元に単純主効果の多重比較をするRプログラムとか書けるんじゃなかろうか。
Rだったら表なんか参照しなくてもスチューデントの値とか関数で返してくれるしな。
・・・いやまあ実際に書くかどうかはまた別問題ですが。
とはいえ、冒頭で紹介した先輩のマクロがあれば、多重比較に必要な誤差項とかあっさり出してくれるので、それを前提にして臨界値引いてくるだけのプログラムだったらそんなに苦労しない・・・かもしれない。
場合わけがめんどくさかったら、もう実験計画別にプログラム作ればいいわけだし。
うーむ。ありかも?
問題は未だに根強く残るRフォビアなわけですが。
だってCに慣れてなくて統計が不得意ならそらRも怖いわ。
へうー。
2要因以上の分散分析
↓
やっべ交互作用有意だった
↓
単純主効果を見よう!
↓
しまった3つ以上水準があるとこで有意だ!←今ここ
ってケースですね。
とりあえず今回使った対応あり2要因の話だけで。
テクニカルブックにのってるHSDの求め方。
要因Bの水準における要因Aの単純主効果を見る場合。
Q1:要因Aと被験者Sの誤差の自由度と比較する平均の数から、有意になる臨界値をひっぱってくる(付録の表から)
&
Q2:要因Aと要因Bと被験者Sの誤差の自由度と比較する平均の数から、有意になる臨界値を(ry
↓
HSD検定の臨界値=(Q1*誤差A×S)+(Q2*誤差A×B×S)*(Bの水準数-1)
↓
HSD=臨界値*((Bでプールした誤差項÷被験者数)の平方根)
と、いうことは、
臨界値=HSD÷((Bでプールした誤差項÷被験者数)の平方根)
だよね!
だったら
見たい条件間の差÷((Bでプールした誤差項÷被験者数)の平方根)=それのスチューデントの値
ってことになるんじゃね!?
つーか実際記述するときってそれが必要になるんじゃね?
って思ったんだけど。
あってんのかな。どうなのかな。
対応なしとか対応なし・ありな計画法でも、細かい修正方法が違うだけで、だいたいの流れはおんなじだから、これを元に単純主効果の多重比較をするRプログラムとか書けるんじゃなかろうか。
Rだったら表なんか参照しなくてもスチューデントの値とか関数で返してくれるしな。
・・・いやまあ実際に書くかどうかはまた別問題ですが。
とはいえ、冒頭で紹介した先輩のマクロがあれば、多重比較に必要な誤差項とかあっさり出してくれるので、それを前提にして臨界値引いてくるだけのプログラムだったらそんなに苦労しない・・・かもしれない。
場合わけがめんどくさかったら、もう実験計画別にプログラム作ればいいわけだし。
うーむ。ありかも?
問題は未だに根強く残るRフォビアなわけですが。
だってCに慣れてなくて統計が不得意ならそらRも怖いわ。
へうー。
この記事にトラックバックする
トラックバックURL:
カレンダー
10 | 2024/11 | 12 |
S | M | T | W | T | F | S |
---|---|---|---|---|---|---|
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 |
カテゴリ説明
もっさり:日々の雑感をもっさり。
がっつり:論文や研究関連をがっつり。
びっくり:科学ニュースでびっくり。
まったり:空想科学などでまったり。
ばっかり:デザイン系自己満足ばっかり。
ほっこり:お茶を嗜んでほっこり。
がっつり:論文や研究関連をがっつり。
びっくり:科学ニュースでびっくり。
まったり:空想科学などでまったり。
ばっかり:デザイン系自己満足ばっかり。
ほっこり:お茶を嗜んでほっこり。
最新コメント
※SPAMが多いのでhttpを含むコメントと英語のみのコメントを禁止しました※
最新記事
(05/08)
(04/24)
(04/10)
(02/03)
(11/01)
最新トラックバック
プロフィール
HN:
az
性別:
非公開
自己紹介:
興味のあるトピックス
分野は視覚認知。視知覚にがて。
あと記憶全般。
カテゴリ (semanticsか?) とかも。
最近デコーディングが気になる。
でも基本なんでもこい。
好奇心は悪食。
好きな作家(敬称略)
川上弘美
小林秀雄
津原泰水
森茉莉
レイ・ブラッドベリ
イタロ・カルヴィーノ
グレッグ・イーガン
シオドア・スタージョン
分野は視覚認知。視知覚にがて。
あと記憶全般。
カテゴリ (semanticsか?) とかも。
最近デコーディングが気になる。
でも基本なんでもこい。
好奇心は悪食。
好きな作家(敬称略)
川上弘美
小林秀雄
津原泰水
森茉莉
レイ・ブラッドベリ
イタロ・カルヴィーノ
グレッグ・イーガン
シオドア・スタージョン
ブログ内検索
最古記事
(08/05)
(08/16)
(08/19)
(08/19)
(08/21)
カウンター
フリーエリア
PR
と、かわいさを
コメントしてみました。
だって相変わらず
意味ぷーなんだもん(笑)。
とりあえず実験(?)、
がんばってるんだなぁってのが
わかりました、まる。
共有に出てたのをそのまんま借りてるだけですが。
このかわいさならしばらくぺんぎん出さなくてもいいや。
意味ぷーなのは申し訳ない。
もちょっとことばを尽くす努力をすべきだよね。
これはね、「分散分析」という統計的検定法をしたときに、もうちょっと調べたいことができた場合のしらべかたを説明したものです。
分散分析というのは、ざっくり言うと、いろんな集団データの平均値を比べる方法です。
単に平均値が大きい小さいだけではなくて、データのばらつき具合(=分散)も考慮して比べるので、分散分析と呼ぶのですね。
この分散分析で調べられるのは、「なんか平均値が違うっぽい」というところまで。
「じゃあどこのグループとどこのグループで違うの?」ということを調べるには、多重比較という方法を使います。
んで、グループの種類わけのことを「要因」、その中のグループの数のことを「水準」と呼ぶのですよ。
たとえば、ちょこの好かれ具合を調べたいなーと思ったとしよう。
「ちょこの好き具合はどれくらいですか?」って質問して回ったとしよう。
調べるちょこの種類が「要因」、その種類の数・ブラックビターチョコ・ミルクチョコ・ホワイトチョコが「水準」です。
さらに、ナッツが入っているかどうかで好かれ具合が変わるかもしらんからそれも調べよう。ナッツなし・アーモンドいり・マカデミアナッツいりの3パターンで。
となると、2要因の分散分析をするわけです。3水準×3水準の。
んでもって、要因単独の効果、つまりちょこの種類の要因だけ、ナッツの要因だけでどれくらい好かれ具合に差が出るかを調べるのを「主効果」と言います。
そして、要因どうしが関係して好かれ具合の違いが変わってくるかどうかを調べるのが「交互作用」と呼ばれるやつです。
たとえば、ビターチョコならアーモンドいりがすっごく好かれるけど、ホワイトチョコならナッツなしのほうが好かれる、とか。
そういう「組み合わせが変わるとデータの違いが変わってくる」かどうかを交互作用で調べるんですね。
んでもって、組み合わせが変わると違いが変わる、というのなら、「どの組み合わせどうしが違うのか」を調べなくてはなりません。
それが「単純主効果の多重比較」となるわけです。
今回は、その方法について明示的な文献が少ないので、自分で方法を邪推しましたよ、という内容。
ま、数学的なこまかい話はわたしも苦手だしコメント欄にはおさまりきらないので、もしそういうこまかい話を知りたいのでしたら、本文中でも言及されている『心理学のためのデータ解析テクニカルブック』を読むのが一番だと思います。
んでもストレートに「わからん!」と言ってもらえると、「ああ説明足りないなあ」という自覚が生まれるので大変助かりやす。
これからもよろしう。
すっごくよくわかった!
素人でも理解できるよ!
しかもチョコとか、身近な物を
例えに使ってるのがすっごく良かった。
自分の知らない分野って
とっても新鮮だから
聞いてて面白いなぁ。
多少なりとも興味関心を持っていただけてさいわいです。
これからもなるべくわかりやすい書き方をするよう心がけるお!
意外なところからの身バレが…!
まあこんな程度のレベルで大変な恥さらしですんで、どうか内密にお願い致します。
ほいほい。
統計がさっぱりわからんもんでね、いろいろと調べてたのですよ。azさんは周囲にいる人の中ではもっとも詳しそうだからまた教えてくださいな。
これからもちょくちょく寄らせてもらって勉強させてもらいます。