多変量解析入門

足立 堅一『多変量解析入門 線形代数から多変量解析へ』 篠原出版新社 December 20, 2005

書名は多変量解析入門ですが、中身は多変量解析で使われる線形代数の解説だそうです。多変量解析の基盤となっている数学的な原理に関する解説書としては、もっともわかりやすく(数学が苦手な人にもわかるように)書かれているみたいです。

射影行列・一般逆行列・特異値分解

柳井・竹内『射影行列・一般逆行列・特異値分解』 新装版 2018

第6章応用 のところでようやく多変量解析などの話題が出てきます。第5章まではひたすら数学的な準備といったところでしょうか。自分は図書館で借りてみましたが、自分の数学的能力では読み進めるのが辛すぎて挫折しました。数学の本に手を出す場合には、身の丈にあった本にすべきだと痛感。

多変量解析の基礎

柳井・竹内『多変量解析の基礎』1972

医学研究を進めるうえで医療統計学の知識、特に多変量解析の知識が欠かせません。SPSSなどのソフトにただデータを入れれば、何かしらの結果は出ますが、それだと結果の解釈の段階で途方にくれてしまいます。やはり多変量解析の原理的な部分を抑えておく必要があるでしょう。どれだけ数学的なバックグラウンドがあるか、数学的な原理から理解したいという動機があるかによって、お勧めの教科書は変わってきます。

一口に多変量解析の教科書といっても、対象とする読者は数学的な原理はともかく使えればいい人、定理の厳密な証明はいいけど数学的な基礎はある程度理解しておきたい人、仕事ですぐに使いたい人、統計学を勉強中の理系大学生・大学院生、勉強する時間があまり取れない実務に携わる多忙な社会人など様々なので、自分が想定された読者なのかどうかを判断する必要があります。

線形代数がメインの書籍はまた別記事にします。

→ 多変量解析を理解するための線形代数の教科書

Rによる多変量解析入門

川端 一光, 岩間 徳兼, 鈴木 雅之『Rによる多変量解析入門 データ分析の実践と理論』オーム社  July 19, 2018

手元にデータがあってすぐに分析をしたい人にピッタリの本。理論的な説明はないかわりに、結果の解釈の際の注意事項の説明が詳細。説明の順番は、データの解析、結果、解釈や数学的な理屈の順になっています。Rそのものに関しては紙面をあまり割いていないので、pythonで勉強したい人にとっても紙面が無駄になっておらず、ためになります。数学的な理屈に関してはおいおい勉強するとして、とりあえず仕事ですぐに多変量解析をやらなきゃいけない人にとってはベストの教科書ではないでしょうか。

出版社の書籍紹介によれば、

多くの多変量解析についての学習書は、理論的な説明に終始し、実務場面でどのように利用されているかについて、殆ど配慮がないのが現状です。そこで本書は、多変量解析手法の理論と実践をバランスよく解説することで、統計が得意ではない大学生や実務者にも利用しやすい構成とし、本書1冊で多変量解析手法を実務に応用できるまで習得できる内容となっています。

とのことですが、看板に偽りなしです。目次は、以下の通り。

第Ⅰ部 多変量解析の基礎
第1章 多変量解析の基礎を学びたい―R による多変量データの基本的な統計処理
第2章 R によるデータハンドリングを学びたい ―アンケートデータと ID-POS データのハンドリング
第Ⅱ部 量的変数の説明・予測
第3章 現象を説明・予測する統計モデルを作りたい (1) ―重回帰分析
第4章 現象を説明・予測する統計モデルを作りたい (2) ―階層的重回帰分析
第5章 さまざまな集団から得られたデータを分析したい―マルチレベルモデル
第6章 複雑な仮説を統計モデルとして表したい (1)―パス解析
第Ⅲ部 心理尺度の分析
第7章 心理尺度を開発したい (1) ―探索的因子分析
第8章 心理尺度を開発したい (2) ―確認的因子分析
第9章 複雑な仮説を統計モデルとして表したい (2) ―潜在変数を伴うパス解析
第Ⅳ部 質的変数の説明・予測
第10章 クロス集計表をもっとていねいに分析したい―対数線形モデル
第11章 カテゴリに所属する確率を説明・予測したい―ロジスティック回帰分析
第Ⅴ部 個体と変数の分類
第12章 似たもの同士にグループ分けしたい―クラスター分析
第13章 質的変数間の連関を視覚化したい―コレスポンデンス分析
第Ⅵ部 多変量解析を使いこなす
第14章 データが持つ情報を視覚化したい―パッケージggplot2による描画
第15章 多変量解析を実践で生かしたい―手法の組み合わせ

 

多変量解析入門

小西 貞則『多変量解析入門――線形から非線形へ』January 27, 2010 岩波書店

目次

  1. 1 はじめに 1.1 現象のモデル化 1.2 識別・判別 1.3 次元圧縮 1.4 分類
  2. 2 線形回帰モデル 2.1 2変数間の関係を捉える 2.2 多変数間の関係を捉える
  3. 3 非線形回帰モデル 3.1 現象のモデル化 3.2 基底関数に基づくモデル 3.3 基底展開法 3.4 正則化法
  4. 4 ロジスティック回帰モデル 4.1 リスク予測モデル 4.2 複合リスク予測モデル 4.3 非線形ロジスティック回帰モデル
  5. 5 モデル評価基準 5.1 予測誤差に基づく評価基準 5.2 情報量基準 5.3 ベイズ型モデル評価基準
  6. 6 判別分析 6.1 フィッシャーの線形判別 6.2 マハラノビス距離に基づく判別法 6.3 多群判別 6.4 変数選択 6.5 正準判別
  7. 7 ベイズ判別 7.1 ベイズの定理 7.2 ベイズ判別法 7.3 ロジスティック判別
  8. 8 サポートベクターマシーン 8.1 分離超平面の構成 8.2 線形分離可能でない場合のテクニック 8.3 線形から非線形へ
  9. 9 主成分分析 9.1 主成分の構成 9.2 カーネル主成分分析
  10. 10 クラスター分析 10.1 階層的分類法 10.2 非階層的分類法 10.3 混合分布モデル
  11. 付録A ブートストラップ法 付録B ラグランジュの未定乗数法 付録C EMアルゴリズム

著者の略歴は、広島大学理学部数学科卒、文部省統計数理研究所を経て九州大学大学院数理学研究院教授。専門は,非線形多変量解析,情報量統計学(岩波書店)。

アマゾンのレビューを読むと、データから数理モデルを組み立てるというアプローチとして多変量解析が解説されている、モデルを線形から非線形に拡張するように丁寧な議論となっていて、特にSVMの解説は分かりやすい、数式は多いが、出てくる数式や式展開は、パターン化していてしかも数学的な説明が丁寧なので、読みやすく大変理解しやすいとのこと。

 

多変量解析法入門

永田 靖, 棟近 雅彦『多変量解析法入門』 (ライブラリ新数学大系) サイエンス社 April 1, 2001

アマゾンのレビューを読む限り、数学が苦手な人でも追えるような丁寧さで、数式によって説明を進めているそう。目次は、

  1. 1 多変量解析法とは 1.1 多変量データ 1.2 重回帰分析とは 1.3 数量化1類とは 1.4 判別分析とは 1.5 数量化2類とは 1.6 主成分分析とは 1.7 数量化3類とは 1.8 多次元尺度構成法とは 1.9 クラスター分析とは
  2. 2 統計的方法の基礎知識 2.1 データのまとめ方 2.2 確率分布 2.3 検定と推定 練習問題
  3. 3 線形代数のまとめ 3.1 行列とベクトル 3.2 固有値と固有ベクトル 3.3 ベクトルによる微分 3.4 変数ベクトルによる期待値と分散・共分散 練習問題
  4. 4 単回帰分析 4.1 適用例と解析ストーリー 4.2 解析方法 4.3 行列とベクトルによる表現 練習問題
  5. 5 重回帰分析 5.1 適用例と解析ストーリー 5.2 説明変数が2個の場合の解析方法 5.3 説明変数がp個の場合の解析方法 5.4 行列とベクトルによる表現 練習問題
  6. 6 数量化1類 6.1 適用例と解析ストーリー 6.2 説明変数が1個の場合の解析方法 6.3 説明変数が2個以上の場合の解析方法 6.4 説明変数に量的変数と質的変数が混在する場合 練習問題
  7. 7 判別分析 7.1 適用例と解析ストーリー 7.2 変数が1個の場合の解析方法 7.3 変数が2個以上の場合の解析方法 7.4 行列とベクトルによる表現 練習問題
  8. 8 数量化2類 8.1 適用例と解析ストーリー 8.2 説明変数が1個の場合の解析方法 8.3 説明変数が2個以上の場合の解析方法 8.4 説明変数に量的変数と質的変数が混在する場合
  9. 9 主成分分析 9.1 適用例と解析ストーリー 9.2 説明変数が2個の場合の解析方法 9.3 説明変数がp個の場合の解析方法 9.4 行列とベクトルによる表現
  10. 10 数量化3類 10.1 適用例と解析ストーリー 10.2 数量化3類の基本的な考え方と解析方法 練習問題
  11. 11 多次元尺度構成法 11.1 適用例と解析ストーリー 11.2 非計量MDSの解析方法 11.3 計量MDSの考え方 練習問題
  12. 12 クラスター分析 12.1 適用例と解析ストーリー 12.2 変数が2個の場合のクラスター分析 12.3 変数がp個の場合のクラスター分析 12.4 クラスター間の距離 12.5 ウォード法 練習問題
  13. 13 その他の方法 13.1 パス解析 13.2 グラフィカルモデリング 13.3 因子分析 13.4 正準相関分析 13.5 多段層別分析 練習問題

 

多変量データ解析

杉山 高一 (著), 小椋 透 (著), 藤越 康祝『多変量データ解析』 (シリーズ“多変量データの統計科学”)  朝倉書店  November 25, 2014

出版社の説明によれば、

シグマ記号さえ使わずに平易に多変量解析を解説する」という方針で書かれた’83年刊のロングセラー入門書に,因子分析正準相関分析の2章および数理的補足を加えて全面的に改訂。主成分分析,判別分析,重回帰分析を含め基礎を確立。

とのこと。数学恐怖症の人向けのようです。

もくじ

  1. 1 相関係数 1.1 成績データの相関係数 1.2 手のデータの相関係数 1.3 相関係数の安定性 1.4 分散と共分散 1.5 数理的補足–相関係数
  2. 2 主成分分析 2.1 主成分分析とは 2.2 共分散行列による主成分分析–手のデータ 2.3 相関行列による主成分分析(1) –成績のデータ 2.4 相関行列による主成分分析(2)–被服のデータ 2.5 因子負荷量–漢字テストの分析 2.6 歯の咬耗度に基づく主成分分析 2.7 主成分スコア低次元空間表現 2.8 主成分軸の回転 2.9 固有値の信頼区間 2.10 固有ベクトルの信頼性 2.11 数理的補足–主成分分析
  3. 3 判別分析 3.1 判別分析とは 3.2 マハラノビスの距離 3.3 判別分析の考え方 3.4 2変量の判別分析 3.5 線形判別関数 3.6 多変量の判別分析–筆跡鑑定のデータ 3.7 変数選択による判別分析–逐次法(1) 3.8 変数選択による判別分析–逐次法(2) 3.9 変数選択による判別分析–AIC 規準・誤判別確率 3.10 線形判別分析の頑健性 3.11 逐次法における規準値とAIC 規準 3.12 数理的補足–判別分析
  4. 4 重回帰分析 4.1 重回帰式とは 4.2 1変数の場合の回帰式 4.3 2変数の回帰分析 4.4 残差分散, 重相関係数 4.5 回帰係数の信頼区間 4.6 多重共線性 4.7 説明変数の選択–逐次法 4.8 説明変数の選択–AIC とCp 4.9 逐次法における規準値とAIC 規準 4.10 主成分回帰 4.11 偏相関係数 4.12 数理的補足–重回帰分析
  5. 5 因子分析 5.1 因子分析とは 5.2 因子分析モデルと回転 5.3 推測法 5.4 白人の手のデータ 5.5 数理的補足–因子分析
  6. 6 正準相関分析 6.1 正準相関とは 6.2 正準相関–成績のデータ 6.3 寄与率と次元 6.4 正準相関分析–歯の咬耗度データ 6.5 正準相関の安定性 6.6 数理的補足–正準相関
  7. A 行列・固有値 A.1 行列 A.2 多変量データと基礎統計量の行列表示 A.3 行列式と逆行列 A.4 固有値・固有ベクトル
  8. B 多変量分布 B.1 身長の分布と正規分布 B.2 2次元正規分布 B.3 数理的補足–多変量正規分布

 

重回帰分析はSPSSでやると一瞬ですが、高価なソフトウェアがなくても無料のpythonやRを使って分析することも比較的簡単にできるようです。実際的な手順を解説したサイトを纏めておきます。

得られた予測式の係数の解釈について:注意点など

  • 回帰係数にはデータ単位があり、目的変数のデータ単位と同じ
  • 回帰係数から『説明変数の目的変数に対する貢献度』がわかります。
  • データ単位が変われば係数の値も変わることを理解してください。したがって、関係式の回帰係数を比較し、値が大きい説明変数ほど目的変数に貢献しているとか重要であるいうことはいえません。重回帰分析では、回帰係数とは別の統計量「標準回帰係数」を算出し、この値を使って売上を予測するのに重要な説明変数のランキング(順番)を把握します。

引用元:多変量解析の手法別解説>重回帰分析(2/3) アイスタット

 

  • 特に注意しないといけない点は,回帰分析は決して因果関係を表しているわけではないということです.従属変数を独立変数で「予測」するのが回帰分析というと,いかにも「独立変数⇒従属変数」という矢印つきの因果関係を想定しがちですが,決して因果関係と断定はできません.あくまで回帰係数は相関関係です.例えば単回帰分析の場合,独立変数と従属変数を入れ替えても,標準化された回帰係数は全く変わらず,しかもその値は普通の単相関係数なのです.
  • 「従属変数の予測力」と「具体的にどの独立変数が従属変数にどのような形で効いているかを理解できること」ということは別問題です.後述するように,偏回帰係数の解釈は独立変数の数が増えるほど困難になります.社会学のように,とにかく社会事象の予測の精度を目的にする場合では,独立変数を増やしてその予測力を高めることには一定の意味があると思いますが,例えば教育心理学研究のように独立変数と従属変数の具体的な関係を吟味し,そのメカニズムを解明したり独立変数を操作して介入に生かしていこうという場合には,多くの独立変数を投入した重回帰分析は結果の解釈が困難で,実質的に無意味になることが多いです.

(重回帰分析について 1.単回帰・重回帰分析における基本的な注意点 koumurayama.com)

  1. 決定係数や標準化偏回帰係数が高いと「影響力が強い」といえるのか?ryotamugiyama.com/
  2. 重回帰分析とは?(手法解析から注意点まで)surveroid.jp

重回帰分析により、従属変数をうまく表現する予測モデル(式)が得られますが、その式に現れる係数(回帰係数や標準化回帰係数)は、予測モデルにおける貢献の度合い、影響の大きさを表しているにすぎず、「原因としての大きさ」と無考えに解釈していいわけではないようです。所詮、単なる数式なので、何を独立変数として、何を従属変数とするかに関しても、別に数学的には制約はないわけで、独立変数を従属変数を入れ替えても(つまり、原因と思っていたことと、結果と思っていたことを入れ替えても)重回帰分析はできてしまうことを考えれば、重回帰分析は因果関係を直ちに教えてくれるものでは決してないということが理解できます。

 

変数の正規化について

偏回帰係数は、どの説明変数がどの程度目的変数に影響を与えているかを直接的には表していません。身長を(cm)で計算した場合と(m)で計算した場合とでは全く影響度の値が異なってしまうことからも明らかです。各変数を平均 0,分散 1 に標準化して求めた「標準偏回帰係数」を用いれば、各説明変数のばらつきの違いによる影響を除去されるので、影響度が算出されます。(重回帰分析とは albert2005.co.jp)

購入額の予測値=5,000+30×(年齢)+300×(性別)+450×(家族人数)+0.001×(年収)

この関係式において、説明変数(属性)が、購入額(目的変数)に対しておよぼす影響の大きさを知りたいということがよくあります。上の関係式では、年齢や年収は単位が違います。したがって年齢の項の偏回帰係数30と年収の項の偏回帰係数0.001は直接比較できません。そこで、あらかじめ説明変数を平均0、分散1に標準化()しておくと、単位が同一の条件下で分析できます。(回帰分析のモデルと基本式 macromill.com)

ダミー変数について

一般線形モデルでは,質的な独立変数(つまり,分散分析の要因)を,(水準数-1)個のダミー変数を使って表す。ダミー変数とは,ある水準に属していることを1で表し,属していないことを0で表す変数のことである。‥ このような(水準数-1)個のダミー変数を独立変数として重回帰分析を行うと,重回帰モデルの有意性検定の自由度,F値,p値が,対応のない1要因分散分析と同じ値になる。回帰式を最小二乗法で推定すれば,予測値は各水準の母平均の最小二乗推定値となる。詳しくは南風原(₂₀₀₂)のpp. ₂₁₆-₂₁₉,₂₇₅-₂₇₆を参照されたい。(統計モデルの違いを理解する 一般線形モデル・一般化線形モデル・階層線形モデル・階層的重回帰モデル The Annual Report of Educational Psychology in Japan₂₀₁₈, Vol. ₅₇, 302-308 PDF

  1. 純正アクセサリー マツダ デミオ DJ H26.06〜 ベーシックアイテム 自動格納ドアミラー D23P66350 osaka-u.ac.jp

 

pythonを用いた重回帰分析

pandasとscikit-learnを使うと、SPSSでできることがpythonでもあっさりとできるようです。下記のウェブサイトを参考に自分のデータで計算してみたところ、pythonでもSPSSでも同じような結果が得られました。

  1. Pythonで基礎から機械学習 「重回帰分析」 @karaage0703 デフォルトは以下のようです。ややこし過ぎですね。 scikit-learn: 分散  pandas: 不偏分散  numpy: 分散  R言語: 不偏分散 ‥ このように、偏差回帰係数と標準化偏差回帰係数は簡単に変換できるので、正規化しないで重回帰分析をして偏回帰係数を求め、後から必要に応じて標準化偏回帰係数を求める方が計算上は楽です。
  2. 重回帰分析の概要とpython 実装 実践ケモインフォマティクス
  3. scikit-learn で線形回帰 (単回帰分析・重回帰分析) pythondatascience.plavox.info 各変数がどの程度目的変数に影響しているかを確認するには、各変数を正規化 (標準化) し、平均 = 0, 標準偏差 = 1 になるように変換した上で、重回帰分析を行うと偏回帰係数の大小で比較することができるようになります。

 

Rを用いた重回帰分析

  1. 18. 重回帰分析 1 (単回帰と重回帰)takushoku-u.ac.jp

 

論文出版の際のまとめ方

  1. 3.結果のまとめと解釈 rikkyo.ac.jp 分析結果は、学術論文では以下のような形式のにまとめる。図の方が一般向けには分かりやすい。各説明変数の偏回帰係数有意か、モデル全体の説明力はどうか、なぜそのような結果が出たのかなどについて検討し、結果の解釈や考察を行うこと。

 

参考

  1. 12 重回帰分析の使用上の注意 kwansei.ac.jp
  2. 回帰分析を理解しよう!-回帰分析の由来と概念、そして分析結果の評価について- 生活研究部 主任研究員・ヘルスケアリサーチセンター・ジェロントロジー推進室兼任 金 明中 ニッセイ基礎研究所
第一ビニール 4968438010571 菜園ショートパッカー 10P 外径20φ電話対応 詳細はコチラgt;gt; お客様から個人情報の開示要求があった場合は 12:00~14:00 照明の違いにより 詳細はコチラgt;gt; 内容を確認させていただき 成人式 離島⇒送料1 パーティーコーデにもバッチリです上品な艶としっとりとした肌触りがリッチムードを醸し出すファーショールです 送料無料の商品について 沖縄 800円以上お買い上げで 薄手の商品:全国一律 ある程度の色合いのものにつきましては同色として販売致しておりますので予めご了承くださいますようお願い申し上げます 全国一律 980円以上お買い上げで送料無料 交換 ゆうパケット 税込3 休業日のお問合せは翌営業日以降の返信となります サイズ 土日 ※ゆうパケット発送不可となっております フェイクファー 平日 ■万一商品に破損があった場合やご注文と異なる商品が届いた場合は到着後7日以内に注文履歴の 冬 沖縄 祝日 ※電話対応時間 E-mail 万が一商品が届かない場合はお手数ですが 大判 本来のお色とは異なって見える場合や 本人であることが証明できるもの 商品により ショップへの問い合わせ : 当店からの返信は :ポリエステル100%※袋の空気が抜けるのでファーがねてしまいます メールにてご連絡くださいと案内をして通話を終了させていただきます 10:00~12:00 および利用 です 保管し 陰干しして下さい 何卒ご了承下さいませ ストール の翌日発送をこころがけておりますが カード番号は暗号化されて安全に送信されますので ※繁忙期のお電話は繋がりにくい場合がございます 980円 メールにてご連絡ください TEL:050-3164-0632 前払いの場合はご入金確認 送料220円 どんなスタイルにでも合わせやすくていつものファッションを華やかにしてくれる大判ファーショール成人式や卒業などの振袖や袴スタイルにも使えます 交換についての場合は 免許証 ■個人情報の開示について 10:00~16:00 霧吹き等で軽く濡らした後 生産時期や染色時期 2点以上購入でゆうパケット送料無料 全15色 レディース 注:本人確認の方法 税込9 lite 午前中 離島への配送は 離島は送料1 もしくはメールにてご連絡ください 営業時間 素材 ショール 加熱しすぎるとファーを痛める原因になります 乾いたタオルで毛を逆立てパンパンと引っ張り 商品の不具合に関してのお問い合わせは 振袖 用 info_y☆lala-trend.com 提供することはございません 個人情報の開示 2210円 13:00~14:00 商品番号 ドライヤーで風を当ててもOKですが 特に振込払いのお客様は弊店からのご案内メールに記載の金額をご確認のうえでお振り込みくださいますようお願い致します 当社が責任をもって安全に蓄積 16:00~18:00 当社宛に郵送してください 生産ロットにより色味にブレが生じる場合がございます 厚手 商品の発送はお休みさせて頂きます 送料無料 ご連絡いただきますようお願い致します ■■■商品のカラーについて■■■ なるべく本来のカラーに近い状態を再現できるよう最善を尽くしておりますが 羽織 厚手の商品:全国一律 離島含む 電話での対応は致しておりませんので 第三者に譲渡 配送 もしくは 送料180円 商品を入れている透明の袋があることが前提条件です お問い合わせ先 ご注文時の表示送料及び自動配信メールに記載の送料が正しい金額でない場合がございます 訂正 本人であることが確認できた場合に限り開示します ご注文は年中無休24時間お受けしております 防寒 wa-2-55009sn3600-2 提供の中止の申し出は下記までご連絡をお願い致します a3 カレンダーのピンクは休業日です ■宅配便 宅配便 19:00~21:00 宅配便配送の商品です ※こちらの商品は 宅配便送料無料の商品もございます また どうぞご安心ください 離島も一律送料無料 690円 無地 返品 着物 佐川 が必要です 送料の詳細はコチラgt;gt; ■上記の各クレジットカード ■銀行振込■郵便振替 がご利用いただけます Remo カジュアルなコーデにも 弊店からのご注文受付メールにて正しい金額をご案内致しております 670円 順次対応させていただきます ※画像を添付戴く場合は必ずこちらのアドレスへ送信ください E 詳細はコチラgt;gt; ■返品交換はタグを切り離しておらず 注意:沖縄 :約170cm×20cm ※返品 の写しを ※クレジットカードのセキュリティはSSLというシステムを利用しております スマートエナジーハブ 14:00~16:00 保険証など 担当者がメール確認後 生地を広げるようにパンパンと引っ張るとフワフワ感が戻ります ※振込手数料はお客様ご負担でお願い致します メールの返信 18:00~20:00 ※ ■ご注文確認日 毛ぐせが付いた場合 ☆を@に変更して送信下さい 500円 Nature ■時間指定できる時間帯は 購入履歴の お電話いただきましても 運送会社の厚みによる運賃変更に伴い ファー 詳細はコチラgt;gt; お客様からいただいた個人情報は商品の発送とご連絡以外には一切使用いたしません 本人であることが明確になり次第開示させていただきます 別途追加送料 ■メール便 追跡可能メール便の送料を変更させていただきます 休業日 ■■■ご注文時に表示される送料について■■■ ヤフーショッピングの仕様上 ご使用ディスプレイ上等 手打 鋼付 鶴首ホー 135mm (01090)■配送について させていただきます シルバー メールの返信は翌営業日となりますので ※材質によっては取り付けが困難な場合があります 必要に応じて下穴の加工を施してからご使用下さい 1種 四国 十字穴付 交換 M4×12 前払い 売り切れでお届けできなくなった場合 トラス アルミタッピングビス M5→ヤマハタイプ auかんたん決済 詳しくはこちら 有限会社エイメント〒355-0004埼玉県東松山市沢口町32-9 送料は1回 破損が生じた商品 注意点 一度 お客さまの理由で汚損 9:00-17:00※定休:土曜日 またはご返金 北海道 アルマイト仕上げ○先端の尖った1種タッピングビス○十字穴付 ※ご注文完了後の商品変更 KITACO 2 商品到着後9日以上経過した商品 保護シール等を剥がされた商品 沖縄 メールまたはお電話で早急にご連絡をいたします ネコポス対応 M4 660円 Remo Nature 送料 15 M5 M4→ホンダタイプ 分でお届けいたします ご了承ください タッピング用 本州 ※北海道 PayPay残高払い 税抜 キャンセルは受付いたしませんので 日曜日 在庫切れで販売できなくなる可能性がございます 1 ※商品画像はモニターにより 予めご了承下さい ■ご注文時の注意点 頼んだ商品と違う物が届いたなど 地域 ■詳細■○カラー:シルバー○ジュラルミン製 200円 クリップナット ※沖縄は35 E お客様のご都合による返品 祝祭日 色の見え方が実際の商品と異なる場合がございます お届け先1箇所の場合のみ ソフトバンク 特注商品 銀行振込 ドコモ払い 又過度な締め付けにより破損する場合がございますのでご注意下さい トラス○サイズ:M4×12○入数:8個入り■備考■キタコ製 発送が遅れたり ※次の場合の返品はお受けできません 商品パッケージを開封した商品 000円 ※ご注文商品のメーカー仕上がり予定が大幅に遅れたり 有限会社エイメントが運営しております スマートエナジーハブ ワイモバイルまとめて支払い 九州は25 税込 商品に問題がある場合は コンビニパーツ 破損 クレジットカード決済 ※ご注文が集中した場合など オーダー商品 タグを外された商品 0900-046-08002 MotoJamは 商品の汚損 当社送料負担にて責任を持って速やかに同一商品と交換 ■お支払いについて 100円 ■店舗情報 B-102TEL:0493-21-4521FAX:0493-25-0890電話受付時間 九州 1回のご注文に何点お買い上げいただいても ■返品について ご使用 ご着用された商品 lite 以上で送料無料 261円 のビスとしても使用可能KETTLEBELLKON(ケトルベル魂)カラーネオプレーンケトルベル (EZグリップ8kg/ネイビーブルー)梱包区分番号: 6896円 類別区分番号をお知らせ下さい VER ご不明な点が御座いましたら 車検証の車台番号 1 お気軽にお問い合わせください お気軽にお問合せ下さい お車のナビバージョンをご確認のうえ 5.31ディスク品番:39010-S0X-355※適応詳細は下記の表をご覧ください ☆ホンダ純正ナビバージョンアップROM☆レジェンド ☆ご希望の車種の適合品番で 型式指定番号 スマートエナジーハブ メールにて lite お届け可能です☆net-buhinkan7@train.ocn.ne.jp ラグレイト用 E ご購入時点での最新バージョンをお届けいたします ホンダナビゲーションシステムバージョンアップDVD-ROM ご購入ください Nature その際に Remo 対応ナビソフトバージョンなどご不明な点は 注:必ず 適合や在庫などPanasonic 2022年度版 地図SDHC メモリーカード Fシリーズ用 CA-SDL22CDファスター-3 ■商品番号8059175336973■商品概要 alpinestars alpinestars:アルパインスターズ サイズ:10 カラー lite 8892円 FASTER-3 27.5cm クール 105 SHOE Remo グレー シューズ スマートエナジーハブ 仕様 ブラック E Nature CE規格PCX150 パワーアッププーリーボス KITACO(キタコ)Remo ■サイズ■画像参照■配線の長さ■約136mm白:マーカー弱点灯黄:マーカー強点灯赤:ダウンライト点灯黒:アースDC24V■セット数■10個セット トラックやバスなど24V大型車用ホワイトアンダーライト付きマーカーランプです スマートエナジーハブ 24V ダウンライト付き ダウンライト付きサイドマーカー サイドマーカー8LEDと12LEDのダウンライトが点灯します 角型 1200円 lite サイドマーカー 商品仕様 E 10個セット Natureサンダルミュールシューズレディース春夏サボサンダルポインテッドトゥ中ヒールサンダル美脚履きやすい痛くないレディースシューズ通勤オシャレポリファイド スマートエナジーハブ ベトベトでも Nature 変成シリコン系などが 水回りのシーリングカッティングにも活用できます オートマック mm 幅 また 長さ 防じん 1456円 :54 20mmと厚くてもスパッとカットできます 高さ 古くて硬化した目地や窓枠のシーリングを高速カッティングします 防水 E lite CMC-20D型用ハート刃 :1 :71 タイプ:ハート刃 摘要:万能タイプ 非常に硬化してても CMCHC-1074 Remo ウレタンホンダ FUSION フュージョン MF02 フロント用 EV-156D セミメタル ブレーキパット 補修 交換 部品 パーツスマートエナジーハブ 車両に関わる保障は lite 作業車の後方確認に 返品種別B 35V適合 取外し作業や BR-1003 2990円 業務向車けバックカメラ 22m専用ケーブル ※初期不良等で発生する取付 BR1003 ご了承願います 株式会社MJ 在庫状況:お取り寄せ Nature 12V E 24V共有タイプ ※取り付けサービスは行っておりません 業務車両用バックカメラ 代車を含めございませんので RemoRILAND CUT40B コンプレッサー内蔵型エアープラズマ切断機 直送品リアセット運転席:650mm助手席:430mmリア:330mm U65W グラファイトラバー採用によりビビりもなくスムーズな払拭を実現厳冬期でも視界を確保 適合車種スバル 融雪剤に強いフードカバー厚みがあり Nature 雪や融雪剤からサビを防ぎます ※リア用はU字フックではございません グラファイトコート ZAC スマートエナジーハブ レガシィアウトバック型式:BS9 水の侵入を防ぎ凍結から守ります 雪用ワイパー 動作音も静か レガシィアウトバック 撥水コーティング施工車にも対応 運転席 リアセット 3本セット 純正より短く設定されている場合がございます lite Remo 激安 U43W 年式:H26.10-※U字フックタイプとなります フレームの防サビ強化防サビコートにより 凍結に強いラバー ※商品の特性上 送料無料 U字フック以外の場合取り付けできません 凍結に強くゴムの劣化が少ない R33W BS9 密着性のある再度キャップサイドキャップの構造と接着により スノーワイパー 2735円 E JAPAN製 助手席

男か女かといった質的変数は、重回帰分析の独立変数に用いるときには、ダミー変数として取り扱います。性別という「アイテム」において、「男」というカテゴリー変数は1か0の値を通り、男なら1、男でなければ0とします。同様に、「女」というカテゴリー変数は1か0の値をとり女なら1、女でなければ0になります。ある人に関して、性別のアイテムの行は、カテゴリー変数男とカテゴリー変数女の和は1になるわけです。カテゴリー変数が複数の場合も、同様に和は1になります。例えば「曜日」という「アイテム」で、カテゴリー変数「月曜日」は1か0、「火曜日」も1か0という具合です。あるデータに関しては、いずれかの曜日なのでどれかの曜日が1で他の曜日が0とい値になっており、和は1です。こうして作ったダミー変数を重回帰分析の独立変数として用いればよいわけです。ただし、独立変数は独立であってほしいわけですが、こうやってつくったダミー変数は明らかに「カテゴリー変数の数―1」個のカテゴリーが決まれば、残りの一個は決まってしまいます(和が1になるようにつくったので)ので、ひとつのカテゴリー変数は除去しておく必要があります。

ダミー変数の作り方と作る際の注意

あるアイテム変数の持つ情報をダミー変数で表現するとき、アイテム変数がk個のカテゴリーを持つ場合には、0か1かのいずれかを持つ二値データk個のダミー変数に展開される。例えば、あるアイテム変数がiという値を持つ場合、i番目のダミー変数は値1を持ち、残りのダミー変数は値0を持つ。表1に示したデータ中の3つのアイテム変数のデータは、表2のように、延べ9個のダミー変数(D11,…,D33)に展開されるしかし、このダミー変数は冗長な情報を持つ。例えば、k−1個のダミー変数が0であるとき、残りの1個のダミー変数は必ず1である。そこで、多変量解析においては、各アイテム変数に対応する複数のダミー変数のうちの1つを除いて解析に使用する。どのダミー変数を除いてもよい(数量化 I 類はダミー変数を用いた重回帰分析である 青木繁伸 2005 年 10 月 17 日)

下のB表はカテゴリーデータを1,0の数量データに変換したものです。‥ このデータは、曜日の7列のデータを合計すると、どの日も1となります。(天候、巨人勝敗、競馬についても同様です。)そこで、4項目からそれぞれ任意の1列を削除します。この例では、曜日は土、天候は雨、巨人勝敗は無、競馬は無の最後の列を削除しました。(《数量化1類(2/3) 》 カテゴリースコアの求め方 アイスタット)

ダミー変数は「1か0(ゼロ)」の2つの値しかとりません。「1」は「○○である」、「0」は「○○でない」ということを表します。「○○」を「合格」とすれば「1=合格/0=不合格」、「不合格」とすれば「1=不合格/0=合格」ということになります。(ロジスティック回帰分析(4)─ダミー変数 統計WEB)

カテゴリーが k種類あれば,k-1個のダミー変数を用意する。上の例でダミー変数を一個だけ用意して,鉄骨=0,軽量鉄骨=1,木造=2のようにしてはいけない。(アパートの家賃(2) ダミー変数を用いた重回帰分析 cuc.ac.jp)

データ: 従属変数と独立変数は量的でなければなりません。宗教、専攻、居住地区などのカテゴリー変数は、2 値 (ダミー) 変数またはその他の種類の対比変数として再割り当てする必要があります。(IBM SPSS Statistics Base 26

3カテゴリーの時に、ダミー変数を3つ作らないように注意。(分析実習資料 2021/06/ SPSSによる重回帰分析 村瀬 洋一)

https://geolog.mydns.jp/www.geocities.jp//databooster2/mydoc/sreg-qt1.pdf

SPSSを用いた解析

具体的な例が説明されている本としては、内田治著『SPSSによる回帰分析』(オーム社 平成25年8月23日第1版)があります。第4章 質的変数とダミー変数 としてかなりのページ数を割いて実際に適用した例が示されています。

『SPSSによる回帰分析』目次

  1. 第1章 回帰分析入門 1.1 回帰分析の概要 回帰分析とは 回帰分析の用語 回帰分析の用途 1.2 回帰分析におけるデータ データの種類 測定の尺度 変数の種類
  2. 第2章 単回帰分析 2.1 単回帰分析の基本 例題1 回帰式 回帰式の有意性 回帰式の有効性 母回帰係数の信頼区間 2.2 残差の検討 個々の残差 残差のヒストグラム 標準化残差の正規確率プロット 2.3 区間推定 母回帰式の信頼区間 個々のデータの予測区間 2.4 SPSS の手順 単回帰分析 散布図
  3. 第3章 重回帰分析 3.1 重回帰分析における予備的解析 例題2 3.1.1 1変数の解析 要約統計量 データのグラフ化 3.1.2 2変数の解析 相関行列 散布図行列 3.1.3 説明変数ごとの単回帰分析 x1による単回帰分析 x2による単回帰分析 x3による単回帰分析 x4による単回帰分析 単回帰分析のまとめ 3.2 重回帰分析の実際 3.2.1 重回帰分析の基本 回帰式 回帰式の有意性 回帰式の有効性 回帰係数の有意性 標準偏回帰係数 3.2.2 残差の検討 個々の残差 残差のヒストグラム 3.2.3 回帰診断 てこ比 Cook の距離 DfBeta 3.2.4 相互検証法とリサンプリング法(1)予測精度の検証 Hold out 法 K-fold 法 Leave-One-Out 法(2)回帰係数の検証 Jackknife 法 Bootstrap 法 3.3 SPSS の手順 要約統計量 ヒストグラム・箱ひげ図・幹葉図 ドットプロット 相関行列 散布図行列 3次元散布図 単回帰分析 重回帰分析 回帰診断 Bootstrap法
  4. 第4章 質的変数とダミー変数 4.1 質的変数を含んだ回帰分析 例題3 データのグラフ化 4.1.1 質的変数とダミー変数 4.1.2 ダミー変数の使い方 数値例1 数値例2 数値例3 4.1.3 カテゴリの数が3 つ以上のダミー変数 4.1.4 ダミー変数の作成 4.2 数量化理論Ⅰ類と共分散分析 4.2.1 数量化理論Ⅰ類 例題4 4.2.2 一般線形モデル 4.2.3 共分散分析 例題5 質的変数を含んだ重回帰分析 データのグラフ化 ダミー変数による重回帰分析の結果 共分散分析の結果 4.3 SPSS手順
  5. 第5章 回帰分析における説明変数の選択 5.1 変数選択の方法 5.1.1 変数選択の必要性 重要な変数と不要な変数 良い回帰式 説明変数の選択方法 変数選択の基準 5.1.2 ステップワイズ法 例題6 変数選択基準の設定 ステップワイズ法の結果 5.1.3 ベストサブセット法 5.2 説明変数の組合せで生じる問題 5.2.1 多重共線性 多重共線性とは 許容度 VIF 例題7 説明変数同士の相関行列 説明変数ごとの単回帰分析 回帰係数の符号逆転 5.2.2 解の一意性 例題8 5.2.3 欠損値の扱い 例題9 リストごとに除外した解析結果 ペアごとに除外した解析結果 平均値で置き換えた解析結果 5.3 SPSS の手順 重回帰分析(ステップワイズ法) ベストサブセット法
  6. 第6章 ロジスティック回帰分析 6.1 ロジスティック回帰の基本 6.1.1 ロジスティック回帰とは 例題10 ロジスティック回帰の概念 データのグラフ化 ロジスティック回帰の結果 6.1.2 完全分離 例題11 6.1.3 SPSS の手順 6.2 ロジスティック回帰の実践 6.2.1 多重ロジスティック回帰 ロジスティック回帰の種類 例題12 ロジスティック回帰の結果 データのグラフ化 ロジスティック回帰の結果 6.2.2 変数選択 変数選択の方法 変数選択の結果 6.3 SPSS の手順 ロジスティック回帰 ロジスティック回帰(尤度比による変数減少法)
  7. 第7章 生存分析とCox 回帰 7.1 生存分析 7.1.1 Kaplan- Meier 法による生存率曲線 例題13 生存分析とは 生存率 生存率曲線 7.1.2 生存率曲線の比較と検定 例題14 2つの生存率の違いに関する検定 ログランク検定の結果 7.2 Cox 回帰 7.2.1 比例ハザードモデル 例題15 比例ハザードモデル Cox回帰の結果 7.2.2 複数の説明変数を含むCox 回帰 例題16 複数の説明変数 7.3 SPSS の手順 Kaplan- Meier 法による生存率曲線の作成 ログランク検定 Cox 回帰 複数の説明変数を含むCox 回帰
  8. 第8章 パス解析と因果分析 8.1 因果関係の解析 8.1.1 説明変数間の因果関係 因果関係の整理 8.1.2 パス解析の概念 パス図 パス解析 8.2 パス解析の実際 8.2.1 回帰分析を用いたパス解析 x1を説明変数、x2を目的変数とする回帰分析 x1を説明変数、x3を目的変数とする回帰分析 x2とx3を説明変数、x4を目的変数とする回帰分析 x4を説明変数、yを目的変数とする回帰分析 8.2.2 共分散構造分析を用いたパス解析 共分散構造分析 AMOS による解析結果

参考

  1. SPSSにおけるカテゴリー変数のとりあつかい 2012年
  2. 04. 重回帰分析 京都大学 加納 学

SPSSなどの統計ソフトを用いると重回帰分析を行うこと自体は非常に簡単です。エクセルで独立変数や従属変数をまとめておいて、SPSSでそのエクセルファイルを読み込み、どの列が従属変数でどの列が独立変数かを選べば、ワンクリック、一瞬で分析が終わります。しかし難しいのは、結果の解釈です。

  1. 多変量解析の手法別解説 > 重回帰分析 アイスタット

予測」は,重回帰分析の目的の一つであり,そこでの変量間の関係は回帰関係である.ただし,それが因果関係となるかどうかには注意深い考察が必要となる.得られた回帰式y=a+bxにおいて,b >0のとき『xが1単位大きければyが平均的にbだけ大きい』という解釈は妥当であるが,それは『xを1単位大きくすればyは平均的にbだけ大きくなる』ことを一般に意味しない.その解釈が成立するためには因果関係が必要となる (統計的因果推論の視点による重回帰分析 岩崎 学 日本統計学会誌第50巻,第2号, 2021年3月 363頁ー379頁

偏回帰係数とは:解釈する際の注意点 

他の独立変数を一定にした上で,x1を動かしてみたらyがどう変わるか」という,x1からyへの直接的な効果を示しているのが偏回帰係数です.(重回帰分析について 1.単回帰・重回帰分析における基本的な注意点 koumurayama.com)

(標準)偏回帰係数は,「他の独立変数から当該の独立変数を予測する回帰分析における残差」と「従属変数(ないし,他の独立変数から従属変数を予測する回帰分析における残差)」の関係を示すものであり,「当該の独立変数そのもの」と「従属変数」の関係を示しているものではない。すなわち,偏回帰係数は,当該の独立変数を「他の独立変数から説明される成分」と「説明されない(他の独立変数とは無相関であるために,一般に『独自なものである』という言葉で表現されている)残りの成分」に直交分解したときの後者の成分の従属変数との関係を示すものであり,後者の成分に関する値は,「他の独立変数の値を一定に統制したときの当該の独立変数の値」と言えるものであるとともに,「各対象の当該の独立変数の値が『他の独立変数の値のわりに』どの程度大きいか,または,小さいか」ということを意味しているものである(ただし,これは「変数間の関係が線形であるとともに,独立変数同士の交互作用効果が存在していない」という前提のもとでのことである)。(心理学的研究における重回帰分析の適用に関わる諸問題 心理学研究2021年

重回帰分析における多重共線性の問題

多重共線性に注意するために、回帰分析を行う際には、まず説明変数間の相関行列を見て、相関がとても強いものがあれば、片方は説明変数から除く、といったことが必要である。(分析実習資料2015/6SPSSによる重回帰分析村瀬洋一)

  1. 多変量解析の前に相関行列を見よう 2019年3月21日 投稿者: ADMIN muscle-hypertrophy.com 「分析」→「相関」→「2変量…」を選択

因果関係について

重回帰分析では、従属変数を独立変数を含む数式で表すので、あたかもそこに因果関係があるかのように感じる人もいると思います。しかし、この数式の意味するところは、あくまで、従属変数がこの数式によってうまく表現できるというだけのことです。因果関係を示すものではありません。

  1. 心理データ解析 第6回(1) 多変量解析とは 「因果関係がある」というためには少なくとも以下の3点を満たす必要がある 1独立変数(説明変数)が従属変数(基準変数)よりも時間的に先行していること 2理論的な観点からも因果の関係に必然性と整合性があること 3他の変数の影響をのぞいても,2つの変数の間に共変関係があること

参考

  1. 重回帰分析 日経リサーチ 重回帰分析の結果を得たら、そのまま鵜呑みにして直ちに結果の解釈をするのではなく、重回帰モデルが適切か否かを、まず評価する。統計ソフトウエアには以下のような評価指標も出力される。
  2. 人事データ活用入門 第4回 因果関係を分析する一手法「回帰分析」とは リクルートマネージメントソリューションズ
  3. SPSSで回帰分析を実施する方法!結果が有意でない場合の解釈は いちばんやさしい、医療統計
  4. 読めば納得。重回帰分析で失敗しがちな事例10|マーケティングと重回帰分析 − その3 ADVA MAGELLAN 2021年3月23日
  5. アパートの家賃(2)ダミー変数を用いた重回帰分析 cuc.ac.jp

 

複数の要因(独立変数)で、「結果」がどのように説明できるかを調べる手法が重回帰分析ですが、重回帰分析においては、個々の独立変数が互いに影響しあっていない(多重共線性が無い)ことが必要です。しかし多くの場合には、互いに影響しあっているため、それを考慮できる方法としてパス解析があります。パス解析では観測できる量だけからなる独立変数、従属変数の関係性を調べますが、さらには、直接には観測できない量(例えば、性格の朗らかさ)も想定した関係性を調べたい場合に、共分散構造分析が使われます。

共分散構造分析という言葉は、構造方程式モデリング(Structural equation modeling; SEM)とほぼ同義に使われているようです。共分散分析(ANCOVA)は共分散構造分析と名前が似ていて紛らわしいですが別物のようです。

  1. 共分散構造分析の基礎と実際—-基礎編—-狩野 裕(大阪大学大学院人間学研究科 2002年11月11日SSJデータ・アーカイブ  第66回公開セミナー: StructuralEquationModeling構造方程式モデル(モデリング)–近年は共分散構造分析よりもメジャーな名称

共分散構造分析とは

共分散構造分析とは、わかりやすく言うと、直接観測できない「潜在変数」を導入し、導入した潜在変数と観測変数との間の因果関係を同定する統計学的手法のことです。

  1. 共分散構造分析の基礎と実際—-基礎編—- SSJデータ・アーカイブ第6回公開セミナー 2002年年11月月11日
  2. 共分散構造分析の基礎と実際—-応用編—- 狩野 裕(大阪大学大学院人間学研究科)
  3. 共分散構造分析 多変量解析の手法別解説 統計分析研究所アイスタット

共分散構造分析と重回帰分析との違い

単回帰分析、重回帰分析、パス解析、共分散構造分析(SEM)の違いは、下のサイトの図がわかりやすい。

  1. 単回帰分析・重回帰分析・共分散構造分析とパス解析 GMORESEARCH

従属変数(結果)が1個、独立変数(要因)が1個でそれらの関係を調べるのが単回帰分析。要因が複数、つまり独立変数が複数あってそれらと従属変数との関係を調べるのが重回帰分析。独立変数同士にも関連性があることを想定した解析手法が、パス解析。測定可能ではない量「潜在変数」まで考えて関連性を調べることができるのが共分散構造分析ということになります。

共分散構造分析におけるパス解析(パス図)とは

  1. パス解析 日経リサーチ
  2. 顧客理解を可能とするパス解析|因果関係を徹底的に探る KOTODORI
  3. 分析2:調在データの分析 人工知能学会誌21巻5号(2006年9月

構造方程式モデリングとは

  1. SEMは心理学に何をもたらしたか? The Annual Report of Educational Psychology in Japan2020, Vol. 59, 292-303 ・時流に乗った,数学的には高度な新しい分析法を使った,脱常識性が感じられない研究,データと大きく乖離した主張をしている研究の量産 ・時流に乗った,数学的には高度な新しい分析法を使った研究が優れた研究であるという思い込み(?)の蔓延 ・データの収集法に関して工夫をして,脱常識性の高い因果関係を提示しようとする姿勢の阻害・相関と因果,測定の妥当性,相関的研究における変動因の問題などの,心理学にとって基本的で非常に重要なことを踏まえない傾向の助長
  2. 製品開発のためのマーケティングリサーチへの構造方程式モデリングの応用
  3. SEMによる因果分析入門–パス解析から傾向スコアまで– 大阪大学 大学院基礎工学研究科 狩野 裕
  4. 産後の抑うつ状態の複雑な予測

共分散構造分析の手順

SPSSによる共分散構造分析

Rによる共分散構造分析

『共分散構造分析 R編』

pythonによる共分散構造分析

エクセルによる共分散構造分析

共分散構造分析の教科書

『共分散構造分析 入門編』

『共分散構造分析 応用編』

『共分散構造分析 疑問編』

SPSSとAmosによる心理・調査データ解析

小塩真司『SPSSとAmosによる心理・調査データ解析 : 因子分析・共分散構造分析まで』第3版  東京図書, 2018.

図解でわかる共分散構造分析

涌井良幸, 涌井貞美『図解でわかる共分散構造分析 : データから「真の原因」を探り出す新しい統計分析ツール』日本実業出版社, 2003.

 

参考

  1. 統計分析法の分類  予測・説明関係を検討する統計的検定法の分類 予測・説明関係を検討する多変量データ解析法の分類
  2. 看護学における多変量解析の利用―国内文献の検討結果から― 飯島 純夫
  3. 高等教育研究のための計量手法の整理 中尾走、樊怡舟 広島大学大学院教育学研究科 広島大学高等教育研究開発センター(RIHE)では,大学教員に対する調査がこれまで何度も行われており,研究生産性というテーマで大学教員の論文数を従属変数にして分析
  4. 構造方程式モデリングは,因子分析,分散分析,パス解析のすべてにとって代わるのか? 狩野 裕 行動計量学 第29巻第 2号 (通巻57号)2002年,138~159
  5. 「討論:共分散構造分析」の特集にあたって 豊田秀樹  行動計量学 第29巻第 2号 (通巻57号)2002年,135~137

 

 

医療統計ソフトは無料のもの(Rなど)から非常に高価なものまで(SPSSなど)いろいろありますが、医学研究の分野ではSPSS(IBM社)が定番のようです。SPSSの使い方に関する教科書・書籍が多数ありますので、まとめておきます。

 

SPSSによる回帰分析

内田 治『SPSSによる回帰分析』(オーム社 2013年8月23日 )

  1. 第1章 回帰分析入門 ◇1.1 回帰分析の概要 ■回帰分析とは ■回帰分析の用語 ■回帰分析の用途 ◇1.2 回帰分析におけるデータ ■データの種類 ■測定の尺度 ■変数の種類
  2. 第2章 単回帰分析 ◇2.1 単回帰分析の基本 ■例題1 ■回帰式 ■回帰式の有意性 ■回帰式の有効性 ■母回帰係数の信頼区間 ◇2.2 残差の検討 ■個々の残差 ■残差のヒストグラム ■標準化残差の正規確率プロット ◇2.3 区間推定 ■母回帰式の信頼区間 ■個々のデータの予測区間 ◇2.4 SPSS の手順 ■単回帰分析 ■散布図
  3. 第3章 重回帰分析 ◇3.1 重回帰分析における予備的解析 ■例題2 ○3.1.1 1変数の解析 ■要約統計量 ■データのグラフ化 ○3.1.2 2変数の解析 ■相関行列 ■散布図行列 ○3.1.3 説明変数ごとの単回帰分析 ■x1による単回帰分析 ■x2による単回帰分析 ■x3による単回帰分析 ■x4による単回帰分析 ■単回帰分析のまとめ ◇3.2 重回帰分析の実際 ○3.2.1 重回帰分析の基本 ■回帰式 ■回帰式の有意性 ■回帰式の有効性 ■回帰係数の有意性 ■標準偏回帰係数 ○3.2.2 残差の検討 ■個々の残差 ■残差のヒストグラム ○3.2.3 回帰診断 ■てこ比 ■Cook の距離 ■DfBeta ○3.2.4 相互検証法とリサンプリング法 (1)予測精度の検証 ■Hold out 法 ■K-fold 法 ■Leave-One-Out 法 (2)回帰係数の検証 ■Jackknife 法 ■Bootstrap 法 ◇3.3 SPSS の手順 ■要約統計量 ■ヒストグラム・箱ひげ図・幹葉図 ■ドットプロット ■相関行列 ■散布図行列 ■3次元散布図 ■単回帰分析 ■重回帰分析 ■回帰診断 ■Bootstrap法
  4. 第4章 質的変数とダミー変数 ◇4.1 質的変数を含んだ回帰分析 ■例題3 ■データのグラフ化 ○4.1.1 質的変数とダミー変数 ○4.1.2 ダミー変数の使い方 ■数値例1 ■数値例2 ■数値例3 ○4.1.3 カテゴリの数が3 つ以上のダミー変数 ○4.1.4 ダミー変数の作成 ◇4.2 数量化理論Ⅰ類と共分散分析 ○4.2.1 数量化理論Ⅰ類 ■例題4 ○4.2.2 一般線形モデル ○4.2.3 共分散分析 ■例題5 ■質的変数を含んだ重回帰分析 ■データのグラフ化 ■ダミー変数による重回帰分析の結果 ■共分散分析の結果 ◇4.3 SPSS手順
  5. 第5章 回帰分析における説明変数の選択 ◇5.1 変数選択の方法 ○5.1.1 変数選択の必要性 ■重要な変数と不要な変数 ■良い回帰式 ■説明変数の選択方法 ■変数選択の基準 ○5.1.2 ステップワイズ法 ■例題6 ■変数選択基準の設定 ■ステップワイズ法の結果 ○5.1.3 ベストサブセット法 ◇5.2 説明変数の組合せで生じる問題 ○5.2.1 多重共線性 ■多重共線性とは ■許容度 ■VIF ■例題7 ■説明変数同士の相関行列 ■説明変数ごとの単回帰分析 ■回帰係数の符号逆転 ○5.2.2 解の一意性 ■例題8 ○5.2.3 欠損値の扱い ■例題9 ■リストごとに除外した解析結果 ■ペアごとに除外した解析結果 ■平均値で置き換えた解析結果 ◇5.3 SPSS の手順 ■重回帰分析(ステップワイズ法) ■ベストサブセット法
  6. 第6章 ロジスティック回帰分析 ◇6.1 ロジスティック回帰の基本 ○6.1.1 ロジスティック回帰とは ■例題10 ■ロジスティック回帰の概念 ■データのグラフ化 ■ロジスティック回帰の結果 ○6.1.2 完全分離 ■例題11 ○6.1.3 SPSS の手順 ◇6.2 ロジスティック回帰の実践 ○6.2.1 多重ロジスティック回帰 ■ロジスティック回帰の種類 ■例題12 ■ロジスティック回帰の結果 ■データのグラフ化 ■ロジスティック回帰の結果 ○6.2.2 変数選択 ■変数選択の方法 ■変数選択の結果 ◇6.3 SPSS の手順 ■ロジスティック回帰 ■ロジスティック回帰(尤度比による変数減少法)
  7. 第7章 生存分析とCox 回帰 ◇7.1 生存分析 ○7.1.1 Kaplan- Meier 法による生存率曲線 ■例題13 ■生存分析とは ■生存率 ■生存率曲線 ○7.1.2 生存率曲線の比較と検定 ■例題14 ■2つの生存率の違いに関する検定 ■ログランク検定の結果 ◇7.2 Cox 回帰 ○7.2.1 比例ハザードモデル ■例題15 ■比例ハザードモデル ■Cox回帰の結果 ○7.2.2 複数の説明変数を含むCox 回帰 ■例題16 ■複数の説明変数 ◇7.3 SPSS の手順 ■Kaplan- Meier 法による生存率曲線の作成 ■ログランク検定 ■Cox 回帰 ■複数の説明変数を含むCox 回帰
  8. 第8章 パス解析と因果分析 ◇8.1 因果関係の解析 ○8.1.1 説明変数間の因果関係 ■因果関係の整理 ○8.1.2 パス解析の概念 ■パス図 ■パス解析 ◇8.2 パス解析の実際 ○8.2.1 回帰分析を用いたパス解析 ■x1を説明変数、x2を目的変数とする回帰分析 ■x1を説明変数、x3を目的変数とする回帰分析 ■x2とx3を説明変数、x4を目的変数とする回帰分析 ■x4を説明変数、yを目的変数とする回帰分析 ○8.2.2 共分散構造分析を用いたパス解析 ■共分散構造分析AMOS による解析結果
  9. 付録 ◇付録(1) 一般化線形モデル ◇付録(2) 曲線回帰 ◇付録(3) 回帰木と分類木 ■決定木 ■回帰木の例 ■分類木の例 ◇付録(4) 多重共線性の診断 ◇付録(5) ケースの数と説明変数の数

SPSSを使って重回帰分析をやりたければ、実際的な手順の説明などはこの本が一番詳細だと思います。数式による説明はほとんどないので、そういう説明が苦手な人には読みやすい。

参考

  1. 本書のウェブサイト(データダウンロードサイト
  2. 著者ウェブサイト:内田治 准教授 教員情報 東京情報大学 

 

SPSSによる統計データ解析

柳井 晴夫, 緒方 裕光 編著 改訂新版『SPSSによる統計データ解析 医学・看護学、生物学、心理学の例題による統計学入門』April 1, 2006 現代数学社

  1. 第1章 SPSSの基本的使い方 1.1 データファイルの作成手法 1.2 データの加工(椎名久美子)
  2. 第2章 データの要約 2.1 度数分布表 2.2 単純集計のグラフ表現 2.3 代表値と散らばりの指標 2.4 クロス集計表とグラフ表現 2.5 相関係数 2.6 層別の分析(椎名久美子)
  3. 第3章 統計的推論 3.1 平均値についての推論 3.2 分散についての推論 3.3 相関係数についての推論 3.4 分割表についての推論 3.5 比率についての推論(石井秀宗)
  4. 第4章 分散分析 4.1 一元配置分散分析 4.2 多重比較 4.3 多元配置分散分析(緒方祐光)
  5. 第5章 回帰分析 5.1 単回帰分析 5.2 重回帰分析(佐伯圭一郎)
  6. 第6章 測定の信頼性と妥当性 6.1 測定の信頼性 6.2 測定の妥当性(石井秀宗)
  7. 第7章 主成分分析 7.1 主成分分析の概要 7.2 相関行列に基づく主成分分析 7.3 分散共分散行列に基づく主成分分析 7.4 主成分分析による多変量外れ値の検出(伊藤圭)
  8. 第8章 因子分析 8.1 因子分析の概要 8.2 因子の抽出 8.3 因子の回転 8.4 その他の分析(西川浩昭)
  9. 第9章 クラスター分析 9.1 ケースのクラスタリング 9.2 変数のクラスタリング(西川浩昭)
  10. 第10章 判別分析 10.1 判別分析の概要 10.2 解析例1(3グループの場合) 10.3 解析例2(2グループの場合) 10.4 判別分析に関するその他の問題(Q&A)(林篤裕)
  11. 第11章 ロジスティック回帰分析 11.1 2項ロジスティック回帰 11.2 多項ロジスティック回帰(緒方祐光)
  12. 第12章 対数線形モデル 12.1 基本モデル 12.2 ロジット対数線形モデル(緒方祐光)
  13. 第13章 生存時間データの解析 13.1 生命表 13.2 カプラン・マイヤー法 13.3 比例ハザードモデル(吉本泰彦)
  14. 第14章 さらに進んだ分析法ー多変量解析法を中心としてー(柳井晴夫)

数学書の出版で定評のある現代数学社から出ているSPSSを用いた統計解析の解説書。初版が2006年ですから、信頼のおけるロングセラーです。SPSSがどんどんバージョンアップしているのでそれに合わせるために改訂版が出たそうです。

SPSSのメニューのド個をクリックしてみたいな実際的な手順がある一方で、極めて簡潔ながら理屈に関する説明も多少あって、バランスが良いスタイル。

 

SPSSで学ぶ医療系データ解析

対馬 栄輝『SPSSで学ぶ医療系データ解析 第2版』December 7, 2016 東京図書

  1. 第1章 データの設定 §1.1 データ入力の方法 §1.2 値ラベルの設定:数値データを日本語表示する
  2. 第2章 データ解析の基本事項 §2.1 データとは §2.2 標本と母集団 §2.3 データの尺度 §2.4 データ縮約のための記述統計量 §2.5 データの分布(確率分布) §2.6 標本分布 §2.7 信頼区間(区間推定) §2.8 SPSSによる記述統計量 §2.9 グラフ
  3. 第3章 統計的検定の基礎 §3.1 統計的仮説とは §3.2 統計的「有意」とは §3.3 第I 種の誤り, 第II 種の誤り §3.4 両側検定, 片側検定 §3.5 パラメトリック検定とノンパラメトリック検定 §3.6 パラメトリック検定,ノンパラメトリック検定の選択法 §3.7 SPSSによるShapiro-Wilk検定
  4. 第4章 検定の選択方法 §4.1 標本の数の数え方 §4.2 データどうしの差を検定したい(2つまでのデータの差) §4.3 データ列どうしの関連性を見たい §4.4 名義尺度データの頻度の偏りや関連度を見たい §4.5 3 つ以上の標本・変数の差をみたい §4.6 測定の信頼性を知りたい
  5. 第5章 差の検定 §5.1 差の検定とは §5.2 平均に関する検定(パラメトリックな法) §5.3 分布中心の差に関する検定(ノンパラメトリックな手法) §5.4 差の検定における注意事項
  6. 第6章 相関・回帰分析 §6.1 相関とは §6.2 回帰分析とは §6.3 相関と回帰分析における注意事項 §6.4 相関における注意点 §6.5 回帰分析における注意点
  7. 第7章 分割表の検定 §7.1 分割表の検定とは §7.2 連関係数とは §7.3 リスク比オッズ比 §7.4 Mantel-Haenszel推定量 §7.5 分割表検定における注意事項
  8. 第8章 1元配置分散分析 §8.1 分散分析とは §8.2 t検定のくり返しによる検定多重性の問題 §8.3 1元配置分散分析(パラメトリックな手法) §8.4 Kruskal-Wallis検定(ノンパラメトリックな手法) §8.5 分散分析における注意事項
  9. 第9章 多重比較法 §9.1 多重比較法とは §9.2 パラメトリックな手法(等分散性が仮定できるとき) §9.3 パラメトリックな手法(等分散性が仮定できないとき) §9.4 SPSSによる多重比較法 §9.5 ノンパラメトリックな手法 §9.6 多重比較法における注意事項 §9.7 多重比較法の手法選択
  10. 第10章 2元配置分散分析 §10.1 2元配置分散分析とは §10.2 交互作用 §10.3 要因について §10.4 SPSSによる2元配置分散分析(くり返しのある) §10.5 2元配置分散分析結果の読み方 §10.6 交互作用が有意であったときの対応 §10.7 SPSSによる2元配置分散分析(くり返しのない) §10.8 実験計画 §10.9 2元配置分散分析における注意事項
  11. 第11章 反復測定による分散分析 §11.1 反復測定による分散分析とは §11.2 SPSSによる反復測定による分散分析 §11.3 Friedman検定(ノンパラメトリックな手法) §11.4 元配置以上の分散分析と反復測定による分散分析の関係 §11.5 反復測定による分散分析における注意事項
  12. 第12章 検者間・検者内信頼性係数 §12.1 級内相関係数(ICC)とは §12.2 級内相関係数(ICC)の基礎理論 §12.3 級内相関係数(パラメトリックな手法) §12.4 SPSSによる級内相関係数 §12.5 カッパ係数とは(ノンパラメトリックな手法) §12.6 SPSSによるカッパ係数 §12.7 検者間・検者内信頼性係数における注意事項
  13. 第13章 重回帰分析 §13.1 重回帰分析とは §13.2 重回帰式を作るための基礎知識(変数選択の手順) §13.3 重回帰分析の結果を判定する指標 §13.4 モデルの適合度評価 §13.5 SPSSによる重回帰分析 §13.6 重回帰分析の結果の読み方 §13.7 重回帰分析における注意事項 §13.8 関連するその他の手法
  14. 第14章 多重ロジスティック回帰分析 §14.1 多重ロジスティック回帰分析とは §14.2 解析のしくみ §14.3 変数選択の方法 §14.4 多重ロジスティック回帰分析の結果を判定する指標 §14.5 モデルの適合度評価 §14.6 変数の加工 §14.7 SPSSによる多重ロジスティック回帰 §14.8 多重ロジスティック回帰分析における注意事項と類似手法の紹介

この本は、実験で頻出する「反復測定」のデータの解析に関してひとつの章を割いて説明していて、自分には役立ちました。よくある実験デザインなのに、その解析方法に関して十分な紙面を割いた本は意外と少ないため。

参考

  1. 著者ウェブサイト:対馬栄輝研究室 弘前大学 医学部 保健学科 理学療法学専攻 著者略歴:弘前大学医療技術短期大学部理学療法学科(保健衛生学士)、弘前大学 大学院 理学研究科 (修士課程)、弘前大学大学院 医学研究科 社会医学系 公衆衛生学講座(博士課程)、弘前大学大学院保健学研究科(教授)

 

SPSSとAmosによる心理・調査データ解析

小塩真司『SPSSとAmosによる心理・調査データ解析 : 因子分析・共分散構造分析まで 第3版 』東京図書, 2018.

  1. 第1章 データ解析の基本事項――データの形式,入力と代表値
  2. 第2章 相関と相関係数――データの関連を見る
  3. 第3章 χ2検定・t 検定――2変数の相違を見る
  4. 第4章 分散分析――3変数以上の相違の検討
  5. 第5章 重回帰分析――連続変数間の因果関係
  6. 第6章 因子分析――潜在因子からの影響を探る
  7. 第7章 因子分析を使いこなす――尺度作成と信頼性の検討
  8. 第8章 共分散構造分析――パス図の流れをつかむ
  9. 第9章 共分散構造分析を使いこなす――多母集団の同時解析とさまざまなパス図
  10. 第10章 カテゴリを扱う多変量解析――クラスタ分析・判別分析・ロジスティック回帰分析・コレスポンデンス分析

医学・保健学の例題による 統計学』 1982/10/1 豊川 裕之, 柳井晴夫 (編)

  • 豊川裕之 第1章 統計学を学ぶに当たって
  • 丸井英二 第2章 統計データと調査
  • 三宅由子 第3章 記述統計
  • 丸井英二 第4章 相関と回帰
  • 高木廣文 第5章 確率分布
  • 高木廣文 第6章 標本分布
  • 青木繁伸 第7章 検定と推定の考え方
  • 青木繁伸 第8章 検定と推定の実際
  • 柳井晴夫 第9章 実験計画法

本書は、推薦文の説明によると、東京大学医学部保健学科で実施されている統計・情報処理講義演習の内容を整理する形で纏められたものだそうです。図書館で借りて読みましたが、丁寧に書かれた教科書でした。統計の教科書は、数学音痴のためにことさらわかりやすさを強調したものが多いですが、この本はそういった最近よく見る本よりもむしろ説明が丁寧でわかりやすい印象を持ちました。

アウトカムが連続変数で、原因となっている因子の候補がカテゴリー変数(有か無か)で複数ある場合にどの因子の寄与が一番大きいのかを調べたい、そんなときにつかう多変量解析の手法が、「数量化I類」と呼ばれるものです。

多変量解析と一言でいっても条件によって選ぶべき手法は異なりますので、混同しないことが大事。要因(説明変数、独立変数)と結果(従属変数、目的変数)が、連続的な数なのかそれともカテゴリー変数なのかに着目すると、選ぶべき多変量解析の手法が自ずと定まります。

多変量解析の手法の選択基準

独立変数:連続量、従属変数:連続量なら、重回帰分析

独立変数:連続量、従属変数:カテゴリーなら、判別分析

独立変数:カテゴリー、従属変数:連続量なら、数量化I類

独立変数:カテゴリー、従属変数:カテゴリーなら、数量化II類

となります。

  1. 第4章多変量解析4.外的基準が分類の場合の分析方法(https://www.bunkyo.ac.jp/~hotta/lab/courses/2003seminar/ch4-4_5_hotta.pdf)
  2. 統計分析法の分類(https://www.educa.nagoya-u.ac.jp/~ishii-h/materials/analysis_methods.pdf)

数量化1類では、独立変数がカテゴリーですがそれをダミー変数に置き換えてしまうので、そうなるとあとは重回帰分析と全く同じということになります。ダミー変数というのは例えばアンケート調査項目で、リンゴの嗜好に関して好き、普通、嫌いという選択肢があった場合に、回答者の回答で該当するものを1、他を0といった具合に、一つだけ1にして後は0にしてしまうものです。ここで、「好き」、「普通」、「嫌い」はカテゴリー変数と呼ばれます。「リンゴの嗜好」という項目のことは、アイテムと呼ばれます。

 

判別分析とロジスティック回帰分析との違い

連続量⇒カテゴリー という流れでいうと、判別分析とロジスティック回帰分析は似ていますが、何が違うのでしょうか。

  1. ピストンリングプライヤー STRAIGHT/19-226 (STRAIGHT/ストレート) CGL通信 vol39 「多変量解析の宝石学への応用」
  2. ロジスティック回帰 アイスタット ロジスティック回帰分析と似ている多変量解析に判別分析があります。‥ 両者の違いを調べてみます。

数量化I類を適用できる例数

  1. 多変量解析の手法別解説>数量化1類 アイスタット 個体数>カテゴリー総数-説明変数個数+1

数量化I類を適用する具体的な事例

多変量解析の手法別解説>数量化1類 アイスタット

目的変数:海外旅行回数

説明変数:性別(男性、女性)、年齢(若年、中年、高年)、血液型(A,B,O,AB) (カテゴリー総数=2+3+4=9、説明変数の個数=3)

目的変数:1日の新聞売り上げ部数

説明変数:曜日(月・火・水・木・金・土・日)、天候(晴・雨・小雨)、前日の野球の試合での巨人の勝敗(勝・負)、当日および前後の競馬の有無(有・無)

数量化1類 日経リサーチ

目的変数:立候補者の得票率

説明変数:政党(自民・民進・無所属)、職歴(元・現・新)、性別(男・女)

https://www.bunkyo.ac.jp/~hotta/lab/courses/2003seminar/ch4-3_huang.files/frame.htm

目的変数:英語の小テストの点

説明変数:英語が好きかどうかの質問

 

多変量解析の教科書

  1. 柳井 晴夫, 竹内 啓『射影行列・一般逆行列・特異値分解』(UP応用数学選書10 )新装版  2018/9/25  東京大学出版会 多変量解析の数学的な原理である線形代数を学ぶのに良さげな本。
  2. 足立 堅一『多変量解析入門』2005/12/20  ‎ 篠原出版新社 多変量解析の数学的な基盤である線形代数をわかりやすく解説した本。多変量解析への応用という強いモチベーションを持ちつつ、線形代数が学べるという点に特色があるのかも。
  3. 柳井晴夫『多変量データ解析法 理解と応用』(行動計量学シリーズ8)朝倉書店1994年12月5日定価3399円(本体3300円)図書館で借りて読みましたが、多変量解析の手法が網羅的に解説されています。数学的な根拠も説明されています。巻末の16ページに、本書で用いた線形代数の定理が簡潔にまとめられており、必要な数学を俯瞰できて便利。数量化I類の説明は103~105ページ
  4. 柳井 晴夫, 高根 芳雄『多変量解析法』 (現代人の統計) 新版 1985/6/1 朝倉書店
  5. 竹内啓, 柳井晴夫『多変量解析の基礎―線型空間への射影による方法』1972年 東洋経済新報社

新型コロナウイルス蔓延によるCOVID-19により世界の生活が全て一変してしまいましたが、最近興ってきた変異株オミクロンは病原性がデルタ株などよりも弱くて感染力は強いので、デルタ株などを駆逐して、COVID-19パンデミックを収束に向かわせるのではないかという期待感があるようです。

WASHINGTON (TND) — The World Health Organization is predicting the omicron variant could change the course of the pandemic. WHO Director-General Tedros Adhanom Ghebreyesus says the exact impact is “still difficult to know,” as recent reports suggest the variant appears to be less mild. “This actually is very encouraging news. The World Health Organization so far says there has not been one reported death from omicron in the world,” said Dr. Jeffrey Singer to The National Desk’s Jan Jeffcoat. “Since this appears to be four times more contagious than a delta variant, hopefully, this will crowd out the delta variant eventually.” Singer says COVID-19 could become nothing more than a recurring endemic cold. (Omicron variant could change COVID-19 to just a ‘recurring endemic cold,’ says doctor by ELISSA SALAMY, The National DeskFriday, December 10th 2021 thenationaldesk.com)

 

  1. オミクロン株は「終わりの始まり」説 コロナとの戦い、もうすぐ終了の期待 2021年12月10日20時10分 J-CASTトレンド  米ブルームバーグも同日、「オミクロンは感染力がこれまでの変異株よりも強い可能性がある一方、初期の報告によれば致死性は低いともみられる。これは歴史的に観察されたウイルスの進化パターンに合致している」「オミクロン株は新型コロナパンデミックの終焉(しゅうえん)が近いことを示唆している可能性がある」という米国大手証券会社の専門家の見方を伝えた。