2013年8月10～11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 1-8交互作用 交互作用に関する解説です。

1. 交互作用
1
１日目－第８講
名前：馬場真哉
所属：北大水産 修士課程2年
Webサイト： logics of blue で検索

2. 2
正規線形モデルの理解のために
統計の基本とt検定
分散分析(ANOVA)
回帰分析と分散分析
PB検定と確率分布
変数選択とAIC
ラスト！！
Type II ANOVA、交互作用

3. 3
交互作用って？
 交互作用がない時
気温が1度上がると、ビールが100本追加で売れる
 交互作用がある時
晴れの日）
気温が1度上がると、ビールが150本追加で売れる
雨の日）
気温が1度上がると、売れるビールが50本減る
気温と天気が
交互に影響を与え合っている

4. 4
実演

5. 5
交互作用の解釈
＞ model.beer$coef
(Intercept) temperature weatherrain temperature:weatherrain
-6.423869 9.020507 241.73962 -13.844963
気温が1度上がると、利益は9増える？

6. 5 10 15 20 25 30 35
-1000100200300400
お天気別ビールによる利益
気温
ビールによる利益
fine
rain
気温
交互作用の解釈
気温が1度増で
利益は9増？

7. 7
交互作用の解釈
＞ model.beer$coef
(Intercept) temperature weatherrain temperature:weatherrain
-6.423869 9.020507 241.73962 -13.844963
主効果の数字は解釈に使わない！！
じゃあどうすればよい？

8. 8
交互作用の解釈
＞ model.beer$coef
(Intercept) temperature weatherrain temperature:weatherrain
-6.423869 9.020507 241.73962 -13.844963
気温と天気の交互作用があるなら、
両方合わせて考察する
晴れの時！
-6.423869 ＋ 気温 × 9.020507
雨の時！
-6.423869 ＋ 241.73962
＋ 気温 × （9.020507 -13.844963）

9. 9
色々な交互作用
今回の例
定量データ ： 選択肢（カテゴリデータ）の交互作用
選択肢毎に、異なる切片と傾きを持つ回帰モデル
（共分散分析ともいう：死語）
ほかにも・・・
カテゴリデータ ： カテゴリデータの交互作用
定量データ ： 定量データ の交互作用

10. 10
パターン②
カテゴリデータ ： カテゴリデータの交互作用
色々な交互作用
施策Aを実行 → 未実施に比べ売り上げ ＋５
施策Bを実行 → 未実施に比べ売り上げ ＋３
施策A、Bを同時に実行 → 未実施に比べ売り上げ ＋５０

11. 11
パターン②
カテゴリデータ ： カテゴリデータの交互作用
色々な交互作用
＞ model.Categorｙ$coef
(Intercept) 施策A実施 施策B実施 交互作用
A B C D
施策A 施策B 結果
未実施 未実施 A
実施 未実施 A ＋ B
未実施 実施 A ＋ C
実施 実施 A ＋ B ＋ C ＋ D

12. 12
パターン③
定量データ ： 定量データ の交互作用
色々な交互作用
湿度３０％ → 気温の傾きは５
湿度６０％ → 気温の傾きは１２
＞ model.numeric$coef
(Intercept) 気温 湿度 気温：湿度
A B C D

13. 13
パターン③
定量データ ： 定量データ の交互作用
色々な交互作用
＞ model.numeric$coef
(Intercept) 気温 湿度 気温：湿度
A B C D
利益
＝ A ＋ B×気温 ＋ C×湿度 ＋ D×気温×湿度
質問どうぞ！
＝ A ＋（B ＋ D×湿度）×気温 ＋ C×湿度