backs の回答履歴

大変お世話になります。 単回帰について教えてください。 単回帰のxに性別を入れてyとの関係をみることはできないのでしょうか？（StatFlexという統計ソフトを使用しています） 具体的には被験者の性別をx、サイトカインの血中濃度をyとして、単回帰を施行したいのですが、データベース型にサイトカインの値と、性別（M　or　F）を入力しても、統計>多変量解析>2変量統計で進んでいくと、X軸y軸共に選択肢に性別があがってきません。ダミー変数にしてみてもかわりませんでした。 また同様に病期1，2，3，4についても、選択肢に上がってこないのですが、 xには性・カテゴリーなどは使用できないのでしょうか？連続変数でないといけないのでしょうか？ 統計不慣れなもので、常識内の質問であったらお許しください。

4段階で行った（0:最悪、1:悪、2:良、3:最良）評価結果の検定方法で迷っています。 ある本に「名目尺度および順序尺度は、ノンパラメトリック検定を用いる」との記載がありました。 標本の正規性が確認できたとしても、ノンパラメトリック検定を用いるべきということでしょうか？ また、正規性が確認できなかったとしても、頑健性に基づき、Welchのt-検定を行う方法もあると 思うのですが、それも不適切ということでしょうか？？ 教えて下さい。 よろしくお願いします。

心理学でカイ２乗のノンパラメトリック検定分析をしたのですが、結果の書き方が分かりません。 どれも有意差が認められるものでしたが、普通なら「AよりBのほうがCの割合が有意に大きいことが示された」ですがこの場合はどう書けばいいのでしょうか？ 観測度数と期待度数と残差や検定統計量は出ています。

大変お世話になります。 単回帰について教えてください。 単回帰のxに性別を入れてyとの関係をみることはできないのでしょうか？（StatFlexという統計ソフトを使用しています） 具体的には被験者の性別をx、サイトカインの血中濃度をyとして、単回帰を施行したいのですが、データベース型にサイトカインの値と、性別（M　or　F）を入力しても、統計>多変量解析>2変量統計で進んでいくと、X軸y軸共に選択肢に性別があがってきません。ダミー変数にしてみてもかわりませんでした。 また同様に病期1，2，3，4についても、選択肢に上がってこないのですが、 xには性・カテゴリーなどは使用できないのでしょうか？連続変数でないといけないのでしょうか？ 統計不慣れなもので、常識内の質問であったらお許しください。

問題　目的関数をy、説明変数を他の二つとして重回帰分析を行え。 この問題をRで実行し、※は自分がつけた補足です。 以下は間違ったことを言っていないか見てほしいです。 よろしくお願いします。 > condo<- read.table("clipboard",header=TRUE)　※Excel上で範囲指定したデータを読み込む > condo x1 x2 y 1 12 4 22 2 12 3 24 3 11 3 21 4 7 1 19 5 8 3 19 6 9 2 22 7 14 5 24 8 11 4 23 > attach(condo) > lm1<- lm(y~.,data =condo) 　※ｙを目的変数、他のすべての変数を説明変数として線形重回帰分析を実行 > summary(lm1)　※実行結果の要約 Call: lm(formula = y ~ ., data = condo) Residuals:　※残差の８数要約 1 2 3 4 5 6 7 8 -0.7477 0.6682 -1.3259 -0.4708 -0.3084 1.1016 -0.1752 1.2582 Coefficients:　※係数の最小二乗推定値と対応ｔ値など Estimate Std. Error t value Pr(>|t|) (Intercept) 13.0140 2.1917 5.938 0.00193 **　※β_0 x1 1.0058 0.3465 2.903 0.03369 * ※β_1 x2 -0.5841 0.6478 -0.902 0.40854 ※β_2 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 1.087 on 5 degrees of freedom Multiple R-squared: 0.7852, Adjusted R-squared: 0.6992　※寄与率、自由度調整済み寄与率 F-statistic: 9.137 on 2 and 5 DF, p-value: 0.02139 最後の行は、母集団において、得られた回帰式 y= β_0+ β_1 x_1+ β_2 x_2+ ε_i が全くあてにならないという仮説(H0: β_1= β_2= 0 )を分散分析で検証している。検定統計量 F=S_R・(n-p-1)/ S_e・p ( n：標本数、p：説明変数の数、S_R：回帰による平方和、S_e：残差平方和 ) が自由度(p,n-p-1)のF分布に従うことを用いている。上記では、p値が0.02139と極めて小さいので、有意水準0.05で仮説H0は棄却され、母集団においてもこの式はあてになるという結論に至る。 ・・回答よろしくお願いします。

問題　高校生22名の物理の学力yと、物理の興味x_1、数学の学力x_2、知能偏差値x_3との関係を調べたデータ(100点満点で点数化)(22record.xls)に関して、yのx_1,x_2,x_3に対する線形重回帰分析を行え。 以下は、この問題について、R上で実行した結果と、※は自分が補足した部分です。これについて、間違ったことを言っていないか見てほしいです。 よろしくお願いします。 > record<- read.table("clipboard",header=TRUE)　※Excel上で範囲指定したデータを読み込む > record y x_1 x_2 x_3 1 43 35 50 55 2 62 44 50 70 3 15 20 10 32 4 23 32 15 45 5 84 70 88 80 6 90 76 90 92 7 67 58 82 54 8 45 37 52 45 9 75 85 92 60 10 13 10 15 25 11 56 52 58 73 12 86 62 83 89 13 24 30 24 60 14 18 22 20 32 15 52 60 46 42 16 80 50 72 86 17 70 92 63 76 18 32 38 25 17 19 37 45 30 25 20 50 46 55 73 21 60 63 59 73 22 72 43 70 72 > lm1<- lm(y~.,data=record) 　※ｙを目的関数、他のすべての変数を説明変数として線形重回帰分析を実行 > summary(lm1)　※実行結果の要約 Call: lm(formula = y ~ ., data = record) Residuals:　※残差の5数要約 Min 1Q Median 3Q Max -8.871 -4.041 -0.737 5.087 8.921 Coefficients:　※係数の最小二乗推定値と対応ｔ値など Estimate Std. Error t value Pr(>|t|) 　 (Intercept) -1.95005 3.95936 -0.493 0.6283 　※β_0 x_1 0.17629 0.10686 1.650 0.1163 　※β_1 x_2 0.61691 0.10483 5.885 1.43e-05 ***　※β_2 x_3 0.23466 0.09315 2.519 0.0214 * 　※β_3 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 5.976 on 18 degrees of freedom Multiple R-squared: 0.9485, Adjusted R-squared: 0.94　※寄与率、自由度調整済み寄与率 F-statistic: 110.6 on 3 and 18 DF, p-value: 8.711e-12　※回帰式に関する分散分析 > slm<- step(lm1)　※変数選択実行 Start: AIC=82.25　※AIC（Akaike's Information Criterion）;赤池情報量規準 y ~ x_1 + x_2 + x_3 Df Sum of Sq RSS AIC <none> 642.83 82.25 - x_1 1 97.21 740.04 83.34　※AIC最小 - x_3 1 226.66 869.49 86.89 - x_2 1 1236.70 1879.53 103.85 上記では、AIC法による変数選択を行っている。この方法では、AICの値が小さいほど良いモデルとされる。 独立正規誤差を仮定する場合： AIC＝2p+n/2+n/2log(2πσ^2)　(p:説明変数の数、n:標本数、σ:誤差分散の不偏推定量) ・・回答よろしくお願いします。

問題　中学生23名の国語、社会、数学、理科、英語のテストの成績データに対し、R上で主成分分析を実行せよ。 以下は、この問題についてR上で実行した結果と、※は自分が補足したものです。これについて、間違ったことを言っていないか見てほしいです。 > record<-read.table("clipboard",header=TRUE)　※Excel上で範囲指定したデータを読み込む > attach(record) > cor(record)　※相関係数行列 J So M Sc E J 1.0000000 0.6584507 0.7018091 0.5575613 0.5875562 So 0.6584507 1.0000000 0.7299969 0.5186419 0.6316762 M 0.7018091 0.7299969 1.0000000 0.5841553 0.6861519 Sc 0.5575613 0.5186419 0.5841553 1.0000000 0.1581694 E 0.5875562 0.6316762 0.6861519 0.1581694 1.0000000 > record.pc<-princomp(record,cor=TRUE)　※主成分分析を実行 > summary(record.pc,loadings=TRUE)　※要約を表示 Importance of components: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Standard deviation 1.8333663 0.9205594 0.58438974 0.53087490 0.40987649　※標準偏差 Proportion of Variance 0.6722464 0.1694859 0.06830227 0.05636563 0.03359975　※分散に対する寄与率 Cumulative Proportion 0.6722464 0.8417323 0.91003462 0.96640025 1.00000000　※分散に対する累積寄与率 Loadings:　※負荷量（第１列の符号は逆） Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 J -0.470 0.801 -0.340 -0.136 So -0.476 -0.570 -0.663 M -0.498 -0.157 0.567 -0.637 Sc -0.366 0.764 0.222 0.473 E -0.413 -0.640 0.271 0.589 > record.pc$scores　※主成分得点（第１列の符号は逆） Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 [1,] 3.1167052 1.91873064 -0.83871400 1.089546316 0.47080630 [2,] -0.3534373 -0.36465137 0.23637014 0.088886431 0.40176404 [3,] -1.7374327 -0.31502988 -0.42142122 -0.213519704 0.66313826 [4,] 2.0482136 0.99571932 -0.26626371 -0.287905717 -0.32609384 [5,] -2.4780046 0.42476272 -0.53886137 0.348065492 0.01178841 [6,] 0.4515589 0.78978191 -0.82410613 -0.946674170 -0.33084616 [7,] -1.0796202 -0.18729851 0.05172686 -1.018006746 -0.08089715 [8,] -0.3208936 0.78043016 -0.85188050 -0.349434241 0.20300614 [9,] -0.7660659 -0.15184379 -0.13591157 0.179059603 -0.02711284 [10,] 0.7875685 -0.34815048 -0.71438854 0.020244171 -0.41908193 [11,] -0.8227255 -0.69943703 0.04600328 1.066671131 -0.73574783 [12,] -2.6179360 0.09915406 0.15203799 0.084791799 0.34009352 [13,] -2.0921834 0.20396311 0.31792460 0.724050456 -0.15618464 [14,] 0.8832722 0.79732795 0.75292693 -0.642132324 -0.88772451 [15,] -1.7474404 0.40030282 0.48873306 -0.310296489 0.42990499 [16,] -0.9025150 0.24674778 0.08371780 -0.330878802 -0.14212137 [17,] 3.2791963 -2.42799101 -0.17750833 0.003625541 0.42275792 [18,] -0.4456651 -0.02314190 -0.20421328 0.150554774 0.01283695 [19,] -1.5094569 -0.62043376 0.50088051 0.003922563 0.36332666 [20,] 2.1015986 -1.96268128 -0.41425625 -0.362927436 -0.06299122 [21,] -0.3412713 -0.80030873 0.26676025 0.693274422 -0.68223217 [22,] 0.4319628 0.46624772 1.32628608 -0.113553395 0.21566919 [23,] 4.1145719 0.77779954 1.16415742 0.122636322 0.31594128 ・・回答よろしくお願いします。

　ｓｐｓｓで2つの尺度でそれぞれ抽出された下位尺度(A尺度：4因子、B尺度：5因子)の相関を見たいのですが、どのような手順を踏んだらよいでしょうか。

ｔ検定と分散分析についてお聞きしたいことがございます。 ｔ検定は２群の平均値の差の平均の時に用いますが、 分散分析でも２群の平均値の差を出すことが出来ます。 これではｔ検定を用いる意味が無くなってしまうと思いますが、 ｔ検定にしか出来ないことと言うのは何かございますか？ よろしくお願いします。

重回帰分析を用いて、性別を調整した解析を行いたいのですが・・・ 結果の見方がわかりません。 男を１、女を０というダミー変数にし、解析を行っています。 それによって、得られた標準化偏回帰係数が－（－）を示しているときは、男性の方が負の影響を与えているのか・・・それとも女性に負の影響を与えているのかわかりません。 また、調整するためのダミー変数ならば、得られた数値は無視して他の独立変数の値を見ればよいのか・・・どのように解釈したらよいのかわかりません。 統計に詳しいかたがいましたら、お願いします。

今、卒論を書いています 第1章　自殺とは 第2章 　自殺の問題点 第3章　自殺問題の解決法 のような書き方をしています。ゼミの教授は１目的、２方法　３考察のような書き方をしないと受け取らないと言っています。過去の大学の卒論要旨を参考にして、先輩方もこのような書き方をしていると訴えても年配のガンコな教授なので聞いてくれません。この場合の方法とは何を書けばいいのでしょうか？友人は、アンケートをしたので○○大学の生徒100人を調査した結果～などと書くそうですが私はいわゆる論文や本を見て書く書き方です。どのように書けばいいのか教えてください。さらにその場合の考察はどのように書けばいいのですか？

散布図につける日本語について質問させてください。 Bivariate Normal Ellipse：この円の中に95％の信頼限界の点が入っていると考えられます。 Linear Fit：散布図上の点を回帰させた直線のことをしてしているものと思われます。 適切な日本語や、なるべくわかりやすい日本語に訳したいのですが、統計についてはよくわかっておらず困っています。 お力をお貸しください。

分析についてやり方が分からず困っています。 初歩的な質問で申し訳ありませんが、質問させてください。 私は、認知(2水準)×コーピング(2水準)を独立変数、抑うつ得点を従属変数として2要因分散分析を行おうと思っています。 しかし、分析のマニュアル本を見ても、2要因の分散分析は被験者間計画か混合計画しか載っていません。 そこで、2要因の分散分析(対応ある×対応ある)の分析の仕方について教えていただけると助かります。 よろしくお願いいたします。

心理学を学ぼうと考えていますが、いろいろな心理学があり どれが私の覚えたい心理学なのかがわかりません。 （間抜けな質問で申し訳ありません・・・。） 私が学びたいのは２点あります・・・。 【人の仕草や表情によって相手の心理状態を理解する】 【心理戦で相手に勝つ方法】 これは、心理学ではなく、読心術と呼ばれるものなのでしょうか？ それとも、洞察力でしょうか？ 間違ったカテゴリで質問していたのなら申し訳ありません。 そこで、どなたか上記２点を学ぶことができるような本がありましたら 紹介していただけないでしょうか？（洞察力、心理学でも構いません。 上記２点を満たすものであれば） よろしくお願いします。

２８人中　はい：4人　いいえ：22人　分からない：２人 この比率の差の優位さを求めたいのですが、なんせ、統計学なんかみたことも聞いたこともなくこの意味すら分からない状態です＾＾； 誰かお助けください！

統計学に関してはあまり知識が無いのですがよろしくお願いいたします。 あるデータ（体表面積、修正体表面積、体重）に相関があるかどうかを調べたいのですが、その過程にはどの様な検定を行っていったら良いか分からないので教えて下さい。 行いたいことは、下記の2点です。 １．体表面積と体重、修正体表面積と体重のグラフの相関を検定（おそらく対数関数を示すと思います） ２．体表面積と体重、修正体表面積と体重の対数回帰式か対数近似式をだす ３．性別による体表面積と体重、修正体表面積と体重の対数回帰式の差を検定 調べてみたところ、 １．は、Spearmanの順位相関係数を用いて検定 ２．は、エクセルで近似曲線式をだす ３．は、共分散分析法で検定 で考えていますが、間違っていますでしょうか？ また、エクセルで行うことは可能でしょうか？ 宜しくお願いします。

SPSSで４×４の名義尺度のカイ二乗検定を行ったところ、Pearsonのカイ二乗検定で５％水準で有意差が出たと出力されました。 そこで質問です。 １．この結果は４×４のデータのどこかの組み合わせに差があるということを表している、と解釈していいのでしょうか？ ２．差があるとすれば、どれとどれのデータの間の差なのか知りたいので、分散分析のように多重比較をする方法があるのでしょうか？ ご指導お願いします。

心理学専攻の学生です。 現在、２要因混合計画の分散分析をANOVA4で行っています。 分析の結果、要因間の交互作用が有意であり、単純主効果の検定に移りました。 単純主効果の論文記載について、自由度はどこの値を参照したら良いでしょうか？ 例えば、下記のような出力が得られたとき、 『ｂ2におけるAの単純主効果が有意であった（F(2,441)= 0.0106 ）。』 という記述の自由度の記載、『(2,441)』は正しいでしょうか？ 同様に、『a1におけるBの単純主効果が有意であった（F(2,294)= 37.733）。』 の自由度の記載、『(2,294)』は正しいでしょうか？ 素人で申し訳ございませんが、どなたかご教授いただけたら幸いです。

観察者バイアスについて、イマイチわかりません。 簡単な例を教えていただけませんか？よろしくお願いします

以下のような20個のデータ（テストの点数）があります。 57, 82, 62, 53, 70, 69, 71, 68, 67, 72, 53, 75, 83, 69, 73, 70,66, 54, 54, 59 このデータの歪度をSPSSで算出すると、-0.01とほぼゼロに近い値だったので正規分布かなと思っていました。そこでヒストグラムを書いてみたら、全然正規分布とはほど遠い分布になっていました。 どうしてでしょうか？