Recommended
More Related Content
What's hot
What's hot (20)
Similar to ベイズモデリングと仲良くするために
More from Shushi Namba
ベイズモデリングと仲良くするために
- 1. ベイズモデリングと 仲良くするために 広島大学大学院教育学研究科博士課程後期 難波修史 (なんばしゅうし) 心理学者のためのベイズ統計学： モデリングの実際と，モデル選択・評価 2018年6月30日 (土) 2018年度広島ベイズ塾 第三回ワークショップ
- 4. 1．はじめに
- 6. ベイズの魅力 •ベイズ統計の考え方 ― 帰無仮説検定への批判 ― 信用区間・確信 (信頼) 区間の違い •推定法としてのベイズ ― より自由なモデリングの実現 e.g., 階層モデル・認知モデル
- 7. WSで焦点を当てている点 •ベイズ統計の考え方 ― 帰無仮説検定への批判 ― 信用区間・確信 (信頼) 区間の違い •推定法としてのベイズ ― より自由なモデリングの実現 e.g., 階層モデル・認知モデル
- 9. Iowa Gambling Task (IGT: Bechara et al., 1994) • 4つのデッキ (A, B, C, D) を用意 • カードをひくと報酬と損失がFBされる • 参加者の課題：カードの選択＋報酬の最大化 各デッキの性質
- 10. 従来の指標 • 有利なデッキの選択率（Deck C, D） • 試行数でみる場合も（学習を見たい場合）
- 11. IGTの意思決定プロセス • 不利デッキ選択の可能性 (Ahn et al., 2015) 1．そもそも損失に対する感度が低い 2．損失による学習を忘れる 3．適当に選択している 有利デッキの選択率のみでは どれによる影響なのかわからない
- 12. 解決方法 • 各要因を実験者が直接操作・測定する • 認知モデルでパラメータを算出する 例：課題状の報酬が直接参加者の報酬に影響 する教示を行う (課題へのコミットメント操 作)、損失時の皮膚電位反応を測定するなど B 報酬：$100 損失：$1250 net = -1150 < 0, then, この試行での 効用関数 = -λ|(-1150)|α Feed Back 損失感受性
- 14. 自由なベイズモデリングの例
- 16. 2．どうやって学ぶべきか
- 17. 学び方 • レビュー論文・チュートリアルを読む • メインで扱うプログラム言語を選ぶ • 資料を見る・書籍を読む • 最強の学習方法を実践する
- 18. ニーズが個人の専門で違う • 様々な心理学領域 (ニーズ) の存在 因子分析が したい！ BF?っていうの 使ってみたい！ 記憶の 認知モデル がしたい！
- 19. レビューから学ぼう！
- 22. この論文のここすき
- 23. Schoot et al. 2017 のまとめ • ベイズは心理学でも流行ってきてる！！ • 基本ベイズは最高だけど「常に」というわ けでもないぞ！！ • 事前分布の情報を使ってる論文や感度分析 してるの少ないぞ！ちゃんと活用しろ！！
- 24. 激熱補足資料
- 25. ベイズの実践もっと知りたいお…
- 26. 開く！！！
- 27. 厳選リスト！！！！！
- 28. 自分のテーマの実践例知りたいお…
- 29. 厳選リストから調べるのだ！！
- 30. 各種チュートリアルが欲しいお…
- 31. 開く！！！
- 32. 出会える！！！！！
- 34. 開く！！！
- 35. やったでおい！！！！！
- 36. 学び方 • レビュー論文・チュートリアルを読む • メインで扱うプログラム言語を選ぶ • 資料を見る・書籍を読む • 最強の学習方法を実践する
- 38. おすすめ
- 39. なぜ か • なによりネット・書籍問わず資料が豊富 • 最先端の統計モデリング用のプラット フォームであるStanも使える • データ処理＋可視化・再生可能性に重要 なレポート作成のシステムなど研究活動 に重要な要素が充実している
- 40. Rはいいぞ！！資料紹介！！ ↑ 文系にこそRが 最高という資料 ↑ 再現可能性にR が素敵という資料 ↑ 心理系論文向け のRで作図資料 ※お役立ち資料、ネットの海には死ぬほどあるの で塾生中心に紹介しています。ご了承ください。
- 41. Rはいいぞ！！資料紹介！！ ↑ Rについて調べたら 何度も出会うことに なるヒンドゥー教の神 ↑ 初心者から上級者 まで、Rのお役立ち情報 を提供し続ける変態 Kazutan 枚挙に暇がねぇ！
- 42. Rでわかんないことがでてきたお…
- 45. の魅力：まとめ • 資料が豊富 • えらい人がパッケージを随時開発したり、 コード例を作成してる → 学習コストが低い • 国内・国外コミュニティが非常に活発 • 心理統計の人はRを使ってることが多い印象
- 46. Enjoy!
- 47. 学び方 • レビュー論文・チュートリアルを読む • メインで扱うプログラム言語を選ぶ • 資料を見る・書籍を読む • 最強の学習方法を実践する
- 50. Topicごとに手を動かして学ぶ https://www.rensvandeschoot.com/tutorials/ • Rens van de SchootによるStats Training
- 54. 訳本も出た！！
- 55. ベイズを教える立場としての資料
- 57. 学び方 • レビュー論文・チュートリアルを読む • メインで扱うプログラム言語を選ぶ • 資料を見る・書籍を読む • 最強の学習方法を実践する
- 58. 当り前のことを言います…
- 59. 発表する！！ 人前で
- 60. アウトプットをするのです
- 61. アウトプットを するのです！！！
- 62. なぜ発表をするべきなのか 1．人に説明するときには十分な理解が必要 となる → サーベイを通して深く学べる 2．よりわかりやすい発表をするため、先人 の作った資料を参考にする → 資料を参考に するついでに中身について学べる 3．聞く・読む人に名前をおぼえてもらえる ここの話はべつに統計に限らず研究活動全般にいえる
- 63. なぜ発表をするべきなのか 1．人に説明するときには十分な理解が必要 となる → サーベイを通して深く学べる 2．よりわかりやすい発表をするため、先人 の作った資料を参考にする → 資料を参考に するついでに中身について学べる 3．聞く・読む人に名前をおぼえてもらえる ここの話はべつに統計に限らず研究活動全般にいえる
- 64. 発表をするデメリット 多分ない。 強いて言えば．．． 1．恥ずかしい → 度胸がつく 2．間違いを指摘される → 知識を更新可能 ※内容による
- 66. Q & A Q. 自信がない…。 A. Do it !! Q. 機会がない… A. ないなら自分で作るのだ！！(発表者は自 分で3つくらい勉強会を立ち上げた。全部志 半ばで霧散した) 仲間がいないならもう ネットで積極的に発信するのだ！！！
- 67. 結論
- 68. 3．パッケージ紹介
- 70. rstan • 非常に自由なモデリングを実現できる ＝ベイズモデリングの醍醐味（いろんな制約から解 放されてデータ解析の可能性が広がる） • 学習のコツ：いきなり複雑なモデルではなく、 コインの裏表の生成メカニズム (ベルヌーイ分 布) を記述するなどシンプルなものから練習 • 日本語Stanマニュアル (訳者の方々に感謝)： https://github.com/stan-ja/stan-ja 公式HP：http://mc-stan.org/
- 73. 学習コストが低い心理学者用 ベイズパッケージ2選 • brms：線形モデルや一般化線形モデル向け • blavaan：因子分析や共分散構造分析向け 実験心理学者向け？ 社会・発達心理学者向け？
- 74. brms • たった一行でポアソン回帰＋切片変量 要因の解析ができる • 公式ドキュメント：https://cran.r- project.org/web/packages/brms/readme/REA DME.html ←このページのBlog postsがとても有用
- 75. blavaan • 本日の難波による因子分析に関する発表 ＝すべてこのパッケージから可能な解析 • 7月あたりにこのパッケージ紹介するブログを 書くかも…？ 感度分析 ロバスト因子分析 公式HP： https://faculty.missouri. edu/~merklee/blavaan/
- 77. 4．結論
- 78. 結論 • 各研究者ごとのニーズ (専門領域・何を学びたい かなど) と合致する（であろう）チュートリアル や学び方（２節）、パッケージ（３節）への ルートを紹介した。 さぁ… ベイズを する魅力 Rの便利 パッケージ 各資料に よる学習
- 79. Just
- 80. Just