Enviar búsqueda
Cargar
Rによるノンパラメトリック検定と効果量の出し方
•
2 recomendaciones
•
12,395 vistas
H
Hikaru GOTO
Seguir
Kobe.R 第24回の発表スライドです。
Leer menos
Leer más
Datos y análisis
Denunciar
Compartir
Denunciar
Compartir
1 de 30
Descargar ahora
Descargar para leer sin conexión
Recomendados
ベイズ推論とシミュレーション法の基礎
ベイズ推論とシミュレーション法の基礎
Tomoshige Nakamura
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
takehikoihayashi
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
Rで架空データの発生
Rで架空データの発生
Makoto Hirakawa
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
takehikoihayashi
心理学における「再現性」の問題とBayes Factor
心理学における「再現性」の問題とBayes Factor
Shushi Namba
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例
Sayuri Shimizu
Recomendados
ベイズ推論とシミュレーション法の基礎
ベイズ推論とシミュレーション法の基礎
Tomoshige Nakamura
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
takehikoihayashi
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
Rで架空データの発生
Rで架空データの発生
Makoto Hirakawa
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
takehikoihayashi
心理学における「再現性」の問題とBayes Factor
心理学における「再現性」の問題とBayes Factor
Shushi Namba
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例
Sayuri Shimizu
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
Ken'ichi Matsui
Prophet入門【R編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
hoxo_m
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
Hiroyuki Muto
英語での論文執筆の基礎② 方法・結果・考察・結論
英語での論文執筆の基礎② 方法・結果・考察・結論
Yasuyuki Okumura
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Indeedなう 予選B 解説
Indeedなう 予選B 解説
AtCoder Inc.
スパース推定法による統計モデリング(入門)
スパース推定法による統計モデリング(入門)
Hidetoshi Matsui
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
daiki hojo
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
Haruka Ozaki
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Makoto Hirakawa
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Shota Yasui
Rcppのすすめ
Rcppのすすめ
Masaki Tsuda
ベルヌーイ分布からベータ分布までを関係づける
ベルヌーイ分布からベータ分布までを関係づける
itoyan110
DID, Synthetic Control, CausalImpact
DID, Synthetic Control, CausalImpact
Yusuke Kaneko
Web解析と意思決定20130311 太田
Web解析と意思決定20130311 太田
博三 太田
110613 ブームリサーチご案内資料
110613 ブームリサーチご案内資料
Kohei Yoneda
Más contenido relacionado
La actualidad más candente
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
Ken'ichi Matsui
Prophet入門【R編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
hoxo_m
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
Hiroyuki Muto
英語での論文執筆の基礎② 方法・結果・考察・結論
英語での論文執筆の基礎② 方法・結果・考察・結論
Yasuyuki Okumura
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Indeedなう 予選B 解説
Indeedなう 予選B 解説
AtCoder Inc.
スパース推定法による統計モデリング(入門)
スパース推定法による統計モデリング(入門)
Hidetoshi Matsui
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
daiki hojo
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
Haruka Ozaki
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Makoto Hirakawa
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Shota Yasui
Rcppのすすめ
Rcppのすすめ
Masaki Tsuda
ベルヌーイ分布からベータ分布までを関係づける
ベルヌーイ分布からベータ分布までを関係づける
itoyan110
DID, Synthetic Control, CausalImpact
DID, Synthetic Control, CausalImpact
Yusuke Kaneko
La actualidad más candente
(20)
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
Prophet入門【R編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
英語での論文執筆の基礎② 方法・結果・考察・結論
英語での論文執筆の基礎② 方法・結果・考察・結論
Stan超初心者入門
Stan超初心者入門
Indeedなう 予選B 解説
Indeedなう 予選B 解説
スパース推定法による統計モデリング(入門)
スパース推定法による統計モデリング(入門)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
2 3.GLMの基礎
2 3.GLMの基礎
Stanコードの書き方 中級編
Stanコードの書き方 中級編
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
重回帰分析で交互作用効果
重回帰分析で交互作用効果
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
Stanの便利な事後処理関数
Stanの便利な事後処理関数
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Rcppのすすめ
Rcppのすすめ
ベルヌーイ分布からベータ分布までを関係づける
ベルヌーイ分布からベータ分布までを関係づける
DID, Synthetic Control, CausalImpact
DID, Synthetic Control, CausalImpact
Similar a Rによるノンパラメトリック検定と効果量の出し方
Web解析と意思決定20130311 太田
Web解析と意思決定20130311 太田
博三 太田
110613 ブームリサーチご案内資料
110613 ブームリサーチご案内資料
Kohei Yoneda
110613 ブームリサーチご案内資料
110613 ブームリサーチご案内資料
Kohei Yoneda
Report 東京チカラめし(3回目)
Report 東京チカラめし(3回目)
聞く技術研究所|株式会社ドゥ・ハウス
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Shigeru Kishikawa
Marketing 04 客観的に状況を把握する市場調査
Marketing 04 客観的に状況を把握する市場調査
Meiji University / 明治大学
Report 130411 2
Report 130411 2
聞く技術研究所|株式会社ドゥ・ハウス
121101 ブームリサーチ ご案内資料
121101 ブームリサーチ ご案内資料
Tribal Media House ,Inc.
おしゃスタat銀座
おしゃスタat銀座
Issei Kurahashi
順序データでもベイズモデリング
順序データでもベイズモデリング
. .
Report 130116
Report 130116
聞く技術研究所|株式会社ドゥ・ハウス
クチコミ&クロスメディア分析エンジン「ブームリサーチ」
クチコミ&クロスメディア分析エンジン「ブームリサーチ」
kuro
データ分析サービス 営業パンフ
データ分析サービス 営業パンフ
Engagement First inc.
聞く技術研究所|東京チカラめし継続調査第2回
聞く技術研究所|東京チカラめし継続調査第2回
聞く技術研究所|株式会社ドゥ・ハウス
日本人就労者の英語使用頻度:ウェブ調査( 2021 年)の統計的補正による推計
日本人就労者の英語使用頻度:ウェブ調査( 2021 年)の統計的補正による推計
Takunori Terasawa
日本人就労者の英語使用頻度 ウェブ調査( 2021 年)の統計的補正による推計
日本人就労者の英語使用頻度 ウェブ調査( 2021 年)の統計的補正による推計
Takunori Terasawa
日本人就労者の英語使用頻度:ウェブ調査( 2021 年)の統計的補正による推計
日本人就労者の英語使用頻度:ウェブ調査( 2021 年)の統計的補正による推計
Takunori Terasawa
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
KSK Analytics Inc.
2022年度卒業時成⻑実感調査 結果報告 - 上智大学
2022年度卒業時成⻑実感調査 結果報告 - 上智大学
IROfficeSophiaUniver
Similar a Rによるノンパラメトリック検定と効果量の出し方
(20)
Web解析と意思決定20130311 太田
Web解析と意思決定20130311 太田
110613 ブームリサーチご案内資料
110613 ブームリサーチご案内資料
110613 ブームリサーチご案内資料
110613 ブームリサーチご案内資料
Report 東京チカラめし(3回目)
Report 東京チカラめし(3回目)
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Marketing 04 客観的に状況を把握する市場調査
Marketing 04 客観的に状況を把握する市場調査
Report 130411 2
Report 130411 2
121101 ブームリサーチ ご案内資料
121101 ブームリサーチ ご案内資料
おしゃスタat銀座
おしゃスタat銀座
順序データでもベイズモデリング
順序データでもベイズモデリング
Report 130116
Report 130116
クチコミ&クロスメディア分析エンジン「ブームリサーチ」
クチコミ&クロスメディア分析エンジン「ブームリサーチ」
データ分析サービス 営業パンフ
データ分析サービス 営業パンフ
聞く技術研究所|東京チカラめし継続調査第2回
聞く技術研究所|東京チカラめし継続調査第2回
日本人就労者の英語使用頻度:ウェブ調査( 2021 年)の統計的補正による推計
日本人就労者の英語使用頻度:ウェブ調査( 2021 年)の統計的補正による推計
日本人就労者の英語使用頻度 ウェブ調査( 2021 年)の統計的補正による推計
日本人就労者の英語使用頻度 ウェブ調査( 2021 年)の統計的補正による推計
日本人就労者の英語使用頻度:ウェブ調査( 2021 年)の統計的補正による推計
日本人就労者の英語使用頻度:ウェブ調査( 2021 年)の統計的補正による推計
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
2022年度卒業時成⻑実感調査 結果報告 - 上智大学
2022年度卒業時成⻑実感調査 結果報告 - 上智大学
Más de Hikaru GOTO
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
Hikaru GOTO
価値共創の促進に意味はあるか? 第6回知識共創フォーラム発表@金沢
価値共創の促進に意味はあるか? 第6回知識共創フォーラム発表@金沢
Hikaru GOTO
Kobe.R 第22回 初心者向け「正規線形モデルから一般化線形混合モデルまで」
Kobe.R 第22回 初心者向け「正規線形モデルから一般化線形混合モデルまで」
Hikaru GOTO
ggvis入門 2015年8月30日 Kobe.R 発表スライド
ggvis入門 2015年8月30日 Kobe.R 発表スライド
Hikaru GOTO
専門職学位論文の口頭審査用スライド
専門職学位論文の口頭審査用スライド
Hikaru GOTO
製造業のサービス化について サービス・マーケティング最終回発表
製造業のサービス化について サービス・マーケティング最終回発表
Hikaru GOTO
サービス研究の系譜
サービス研究の系譜
Hikaru GOTO
【文献レビュー】ヘルスケア業界での消費者価値共創モデル
【文献レビュー】ヘルスケア業界での消費者価値共創モデル
Hikaru GOTO
【英語文献レビュー】価値と価値共創について ~サービスシステムとサービスロジック~
【英語文献レビュー】価値と価値共創について ~サービスシステムとサービスロジック~
Hikaru GOTO
企業戦略論 第8週の発表スライド
企業戦略論 第8週の発表スライド
Hikaru GOTO
ケーズデンキの販管費比率が低い本当の理由
ケーズデンキの販管費比率が低い本当の理由
Hikaru GOTO
ケーズデンキ VRIOフレームワークによる財務資本の強み分析
ケーズデンキ VRIOフレームワークによる財務資本の強み分析
Hikaru GOTO
ケーズデンキの企業行動とパフォーマンス ~サービス差別化戦略の成功~
ケーズデンキの企業行動とパフォーマンス ~サービス差別化戦略の成功~
Hikaru GOTO
ケーズホールディングス 経営の特徴「がんばらない経営」
ケーズホールディングス 経営の特徴「がんばらない経営」
Hikaru GOTO
『予想どおりに不合理』9章「扉を開けておく」
『予想どおりに不合理』9章「扉を開けておく」
Hikaru GOTO
『予想どおりに不合理』4章「社会規範のコスト」
『予想どおりに不合理』4章「社会規範のコスト」
Hikaru GOTO
Más de Hikaru GOTO
(16)
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
価値共創の促進に意味はあるか? 第6回知識共創フォーラム発表@金沢
価値共創の促進に意味はあるか? 第6回知識共創フォーラム発表@金沢
Kobe.R 第22回 初心者向け「正規線形モデルから一般化線形混合モデルまで」
Kobe.R 第22回 初心者向け「正規線形モデルから一般化線形混合モデルまで」
ggvis入門 2015年8月30日 Kobe.R 発表スライド
ggvis入門 2015年8月30日 Kobe.R 発表スライド
専門職学位論文の口頭審査用スライド
専門職学位論文の口頭審査用スライド
製造業のサービス化について サービス・マーケティング最終回発表
製造業のサービス化について サービス・マーケティング最終回発表
サービス研究の系譜
サービス研究の系譜
【文献レビュー】ヘルスケア業界での消費者価値共創モデル
【文献レビュー】ヘルスケア業界での消費者価値共創モデル
【英語文献レビュー】価値と価値共創について ~サービスシステムとサービスロジック~
【英語文献レビュー】価値と価値共創について ~サービスシステムとサービスロジック~
企業戦略論 第8週の発表スライド
企業戦略論 第8週の発表スライド
ケーズデンキの販管費比率が低い本当の理由
ケーズデンキの販管費比率が低い本当の理由
ケーズデンキ VRIOフレームワークによる財務資本の強み分析
ケーズデンキ VRIOフレームワークによる財務資本の強み分析
ケーズデンキの企業行動とパフォーマンス ~サービス差別化戦略の成功~
ケーズデンキの企業行動とパフォーマンス ~サービス差別化戦略の成功~
ケーズホールディングス 経営の特徴「がんばらない経営」
ケーズホールディングス 経営の特徴「がんばらない経営」
『予想どおりに不合理』9章「扉を開けておく」
『予想どおりに不合理』9章「扉を開けておく」
『予想どおりに不合理』4章「社会規範のコスト」
『予想どおりに不合理』4章「社会規範のコスト」
Rによるノンパラメトリック検定と効果量の出し方
1.
R によるノンパラ検定と効果量の出し方 五島 光 @hikaru1122 2016 年
3 月 5 日
2.
自己紹介 オモテの顔:歯科医院専門経営コンサルタント いつもコンサルタントになりたい方を募集中です。 ウラの顔:JAIST 知識科学研究科 博士後期課程(東京社会人 コース) サービス・マーケティング、消費者行動 価値の共創(Co-creation
of Value) サービスによる社会的厚生の研究(Transformative Service Research) R 歴は 1 年半。統計分析歴も 1 年半。 最近 Mac 買いました。でも、使うのは 1 週間に 1 度だけ です。
3.
研究がニッチ、マイナー。
4.
ブログやってます。最近、サボり気味。
5.
メインテーマ 有意差が出たと単純に喜ばず、効果量も見てみよう!
6.
発表の流れ 1. 顧客満足度のデータ 2. ノンパラメトリック検定のおさらい 3.
ノンパラメトリック検定の効果量を 2 つ
7.
本日のネタ本
8.
顧客満足度データ 順序カテゴリカル変数(とても悪い1~とてもよい7) 500 人 kyousou は
exametrica を使って出した「共創レベル」 head(d, 5) ## gender riyuu qol wom kyousou ## 1 0 0 5 5 4 ## 2 0 0 6 6 2 ## 3 0 0 4 4 1 ## 4 0 0 5 5 2 ## 5 0 0 4 6 4
9.
ノンパラメトリック検定のおさらい 2 つの名義尺度 ×
順序尺度 ウィルコクソンの順位和検定(マン・ホイットニーの U 検定) wilcox.test() 3 つ以上の名義尺度 × 順序尺度 クラスカル・ウォリス検定 kruskal.test() 順序尺度 × 順序尺度 線形連関の検定 lbl_test() {coin} 藤井良宜『カテゴリカルデータ解析』(2010)
10.
性別と共創レベルは関連があるか? クロス表はこちら。 xtabs(~ gender +
kyousou, data = d) ## kyousou ## gender 1 2 3 4 5 6 7 ## 0 35 28 28 39 32 25 21 ## 1 35 37 48 44 42 39 47 5%水準で検定。有意差は見られなかった。 wilcox.test(kyousou ~ gender, data = d) ## ## Wilcoxon rank sum test with continuity correction ## ## data: kyousou by gender ## W = 27532, p-value = 0.07198
11.
来院理由(治療 or 定期検診)と共創レベルは関連があ るか? クロス表はこちら。 xtabs(~
riyuu + kyousou, data = d) ## kyousou ## riyuu 1 2 3 4 5 6 7 ## 0 44 41 40 46 36 29 39 ## 1 22 22 32 33 37 34 28 5%水準で検定。有意差が認められた。 wilcox.test(kyousou ~ riyuu, data = d) ## ## Wilcoxon rank sum test with continuity correction ## ## data: kyousou by riyuu
12.
共創レベルと QOL 向上は関連があるか? クロス表はこちら。 xtabs(~
kyousou + qol, data = d) ## qol ## kyousou 1 2 3 4 5 6 7 ## 1 0 4 9 47 9 1 0 ## 2 1 4 8 28 14 10 0 ## 3 4 0 7 41 17 6 1 ## 4 2 1 3 15 41 18 3 ## 5 0 2 2 20 26 20 4 ## 6 0 1 0 8 13 31 11 ## 7 3 0 1 8 5 12 39 5%水準で検定。有意差が認められた。 library(coin) lbl_test(ordered(qol) ~ ordered(kyousou), data = d)
13.
共創レベルとクチコミ意図は関連があるか? クロス表はこちら。 xtabs(~ kyousou +
wom, data = d) ## wom ## kyousou 1 2 3 4 5 6 7 ## 1 1 2 10 43 12 0 2 ## 2 2 4 5 22 20 11 1 ## 3 2 1 8 27 22 10 6 ## 4 0 3 1 15 40 19 5 ## 5 0 2 1 18 16 28 9 ## 6 0 1 1 7 7 30 18 ## 7 4 0 1 7 1 9 46 5%水準で検定。有意差が認められた。 lbl_test(ordered(wom) ~ ordered(kyousou), data = d)
14.
分析結果 来院理由と共創レベル、共創レベルと QOL &クチコミ意図 の分析は有意差があった。 よかった!
…の? 有意差があっても、大したことないかもしれない…。
15.
効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」
16.
効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」
17.
効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」 大久保・岡田『伝えるための心理統計』44 ページ
18.
効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」 大久保・岡田『伝えるための心理統計』44 ページ ウィルコクソンの順位和検定には、Cliff の
d
19.
効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」 大久保・岡田『伝えるための心理統計』44 ページ ウィルコクソンの順位和検定には、Cliff の
d 線形連関の検定には、順序相関係数
20.
効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」 大久保・岡田『伝えるための心理統計』44 ページ ウィルコクソンの順位和検定には、Cliff の
d 線形連関の検定には、順序相関係数 0.2 は小さく、0.5 は中くらいで、0.8 は大きい
21.
効果量 「効果量は…帰無仮説が正しくない程度を量的に表す指標」 「独立変数と従属変数の区別のない場合には、効果量は変数 間の関係の大きさを表す」 大久保・岡田『伝えるための心理統計』44 ページ ウィルコクソンの順位和検定には、Cliff の
d 線形連関の検定には、順序相関係数 0.2 は小さく、0.5 は中くらいで、0.8 は大きい 0.1 は小さく、0.3 で中、0.5 で大きいという文献もあり。
22.
来院理由と共創レベルの分析の効果量 Cliff の d orddom
{orddom} を使う。 library(orddom) riyuu0 <- subset(d, riyuu == 0, select = kyousou) riyuu1 <- subset(d, riyuu == 1, select = kyousou) orddom(riyuu0$kyousou, riyuu1$kyousou)
23.
たくさん出力があるけど、落ち着いて。 delta を見る。 ## ordinal
metric ## var1_X "group 1 (x)" "group 1 (x)" ## var2_Y "group 2 (y)" "group 2 (y)" ## type_title "indep" "indep" ## n in X "275" "275" ## n in Y "208" "208" ## N #Y>X "27786" "27786" ## N #Y=X "8078" "8078" ## N #Y<X "21336" "21336" ## PS X>Y "0.373006993006993" "0.444629004025406" ## PS Y>X "0.485769230769231" "0.555370995974594" ## A X>Y "0.443618881118881" "0.443618881118881" ## A Y>X "0.556381118881119" "0.556381118881119" ## delta "0.112762237762238" "0.382325174825174" ## 1-alpha "95" "95" ## CI low "0.0101591026267808" "0.0302267862546508"
24.
共創レベルと QOL 向上およびクチコミ意図の効果量 順序相関係数 効果量は中だった。 cor(d$wom,
d$kyousou, method = "spearman") ## [1] 0.5403846 cor(d$qol, d$kyousou, method = "spearman") ## [1] 0.563659
25.
まとめ 来院理由と共創レベルには有意な関連があるが、効果量はほ とんどない。
26.
まとめ 来院理由と共創レベルには有意な関連があるが、効果量はほ とんどない。 クチコミ意図および QOL 向上と共創レベルには有意な関連 があって、効果量も大きい。
27.
まとめ 来院理由と共創レベルには有意な関連があるが、効果量はほ とんどない。 クチコミ意図および QOL 向上と共創レベルには有意な関連 があって、効果量も大きい。 だいたいの効果量はパッケージで楽に計算できる。
28.
Take-home message 有意差が出すだけでなく、その有意差にどれくらいのインパ クトがあるのかも重要。
29.
Take-home message 有意差が出すだけでなく、その有意差にどれくらいのインパ クトがあるのかも重要。 スライドやデータはいつものとおりブログにアップします。
30.
Take-home message 有意差が出すだけでなく、その有意差にどれくらいのインパ クトがあるのかも重要。 スライドやデータはいつものとおりブログにアップします。 @hikaru1122
Descargar ahora