Submit Search
Upload
Nagoya.R #15 順位相関係数の信頼区間の算出
•
3 likes
•
8,222 views
Yusaku Kawaguchi
Follow
Nagoya.R #15 LTにて使用したスライドです。Rで順位相関係数の信頼区間の算出を行うパッケージ・関数の紹介をしました。
Read less
Read more
Education
Report
Share
Report
Share
1 of 25
Download now
Download to read offline
Recommended
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
ベイズ統計入門
ベイズ統計入門
Miyoshi Yuya
StanとRでベイズ統計モデリング 1,2章
StanとRでベイズ統計モデリング 1,2章
Miki Katsuragi
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
Takashi J OZAKI
あなたの心にBridgeSampling
あなたの心にBridgeSampling
daiki hojo
距離と分類の話
距離と分類の話
考司 小杉
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
Recommended
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
ベイズ統計入門
ベイズ統計入門
Miyoshi Yuya
StanとRでベイズ統計モデリング 1,2章
StanとRでベイズ統計モデリング 1,2章
Miki Katsuragi
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
Takashi J OZAKI
あなたの心にBridgeSampling
あなたの心にBridgeSampling
daiki hojo
距離と分類の話
距離と分類の話
考司 小杉
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
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
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法
Hiroki Itô
MCMCと正規分布の推測
MCMCと正規分布の推測
Gen Fujita
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
効果測定入門 Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
aa_aa_aa
PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講
Sotetsu KOYAMADA(小山田創哲)
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
Haruka Ozaki
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
Chapter9 一歩進んだ文法(前半)
Chapter9 一歩進んだ文法(前半)
itoyan110
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
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
wada, kazumi
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
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
. .
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
多重代入法の書き方 公開用
多重代入法の書き方 公開用
Koichiro Gibo
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
エッセイライティング中のライティング方略とポーズ
エッセイライティング中のライティング方略とポーズ
Yusaku Kawaguchi
外国語教育研究における尺度の構成と妥当性検証
外国語教育研究における尺度の構成と妥当性検証
Yusaku Kawaguchi
More Related Content
What's hot
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
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法
Hiroki Itô
MCMCと正規分布の推測
MCMCと正規分布の推測
Gen Fujita
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
効果測定入門 Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
aa_aa_aa
PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講
Sotetsu KOYAMADA(小山田創哲)
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
Haruka Ozaki
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
Chapter9 一歩進んだ文法(前半)
Chapter9 一歩進んだ文法(前半)
itoyan110
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
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
wada, kazumi
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
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
. .
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
多重代入法の書き方 公開用
多重代入法の書き方 公開用
Koichiro Gibo
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
What's hot
(20)
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)
Stanの便利な事後処理関数
Stanの便利な事後処理関数
Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法
MCMCと正規分布の推測
MCMCと正規分布の推測
Stanコードの書き方 中級編
Stanコードの書き方 中級編
効果測定入門 Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
Chapter9 一歩進んだ文法(前半)
Chapter9 一歩進んだ文法(前半)
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Stanでガウス過程
Stanでガウス過程
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
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
階層ベイズとWAIC
階層ベイズとWAIC
多重代入法の書き方 公開用
多重代入法の書き方 公開用
社会心理学とGlmm
社会心理学とGlmm
潜在クラス分析
潜在クラス分析
Viewers also liked
エッセイライティング中のライティング方略とポーズ
エッセイライティング中のライティング方略とポーズ
Yusaku Kawaguchi
外国語教育研究における尺度の構成と妥当性検証
外国語教育研究における尺度の構成と妥当性検証
Yusaku Kawaguchi
Nagoya.R #16 いろいろできるぞinstallrパッケージ
Nagoya.R #16 いろいろできるぞinstallrパッケージ
Yusaku Kawaguchi
学習者のライティング方略は現実のライティングプロセスに反映されるか
学習者のライティング方略は現実のライティングプロセスに反映されるか
Yusaku Kawaguchi
外国語における文法的慎重性と性格特性
外国語における文法的慎重性と性格特性
Yusaku Kawaguchi
2015LETシンポジウム 時系列指標とライティング方略
2015LETシンポジウム 時系列指標とライティング方略
WritingMaetriX
YamadaiR(Categorical Factor Analysis)
YamadaiR(Categorical Factor Analysis)
考司 小杉
反応時間データにおける語彙特性効果から見る語彙の即時的運用能力:語長・頻度・親密度・心像性に着目した予備的検討
反応時間データにおける語彙特性効果から見る語彙の即時的運用能力:語長・頻度・親密度・心像性に着目した予備的検討
Yusaku Kawaguchi
Rで項目反応理論、テキストマイニング、Rの研修やってますという三題噺(33rd #TokyoR)
Rで項目反応理論、テキストマイニング、Rの研修やってますという三題噺(33rd #TokyoR)
Kenta Tanaka
エッセイライティングにおける増加語数の時系列推移傾向はエッセイ評価を予測するか―線形回帰モデルおよびポアソン分布へのフィッティングを用いて―
エッセイライティングにおける増加語数の時系列推移傾向はエッセイ評価を予測するか―線形回帰モデルおよびポアソン分布へのフィッティングを用いて―
Yusaku Kawaguchi
媒介分析について
媒介分析について
Hiroshi Shimizu
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
Hiroshi Shimizu
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
Hiroki Itô
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
Takeshi Mikami
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
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
Viewers also liked
(16)
エッセイライティング中のライティング方略とポーズ
エッセイライティング中のライティング方略とポーズ
外国語教育研究における尺度の構成と妥当性検証
外国語教育研究における尺度の構成と妥当性検証
Nagoya.R #16 いろいろできるぞinstallrパッケージ
Nagoya.R #16 いろいろできるぞinstallrパッケージ
学習者のライティング方略は現実のライティングプロセスに反映されるか
学習者のライティング方略は現実のライティングプロセスに反映されるか
外国語における文法的慎重性と性格特性
外国語における文法的慎重性と性格特性
2015LETシンポジウム 時系列指標とライティング方略
2015LETシンポジウム 時系列指標とライティング方略
YamadaiR(Categorical Factor Analysis)
YamadaiR(Categorical Factor Analysis)
反応時間データにおける語彙特性効果から見る語彙の即時的運用能力:語長・頻度・親密度・心像性に着目した予備的検討
反応時間データにおける語彙特性効果から見る語彙の即時的運用能力:語長・頻度・親密度・心像性に着目した予備的検討
Rで項目反応理論、テキストマイニング、Rの研修やってますという三題噺(33rd #TokyoR)
Rで項目反応理論、テキストマイニング、Rの研修やってますという三題噺(33rd #TokyoR)
エッセイライティングにおける増加語数の時系列推移傾向はエッセイ評価を予測するか―線形回帰モデルおよびポアソン分布へのフィッティングを用いて―
エッセイライティングにおける増加語数の時系列推移傾向はエッセイ評価を予測するか―線形回帰モデルおよびポアソン分布へのフィッティングを用いて―
媒介分析について
媒介分析について
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
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
More from Yusaku Kawaguchi
外国語教育研究におけるRを用いた統計処理入門
外国語教育研究におけるRを用いた統計処理入門
Yusaku Kawaguchi
Rを用いた外国語教育データの整理・要約
Rを用いた外国語教育データの整理・要約
Yusaku Kawaguchi
学習者の英語ライティング方略 使用傾向の操作化―ポーズの位置に着目した予備的検討― 配布資料
学習者の英語ライティング方略 使用傾向の操作化―ポーズの位置に着目した予備的検討― 配布資料
Yusaku Kawaguchi
学習者の英語ライティング方略使用傾向の操作化―ポーズの位置に着目した予備的検討―
学習者の英語ライティング方略使用傾向の操作化―ポーズの位置に着目した予備的検討―
Yusaku Kawaguchi
エッセイライティング中のライティング方略とポーズ 配布資料
エッセイライティング中のライティング方略とポーズ 配布資料
Yusaku Kawaguchi
Nagoya.R #14 入門者講習
Nagoya.R #14 入門者講習
Yusaku Kawaguchi
Validation of the computer assisted language learning attitude scale: Focusin...
Validation of the computer assisted language learning attitude scale: Focusin...
Yusaku Kawaguchi
Nagoya.R #12 非線形の相関関係を検出する指標の算出
Nagoya.R #12 非線形の相関関係を検出する指標の算出
Yusaku Kawaguchi
Nagoya.R #12 Rprofile作成のススメ
Nagoya.R #12 Rprofile作成のススメ
Yusaku Kawaguchi
Nagoya.R #12 入門者講習
Nagoya.R #12 入門者講習
Yusaku Kawaguchi
校種間におけるコンピュータ支援語学学習態度の変容:中学生・高校生・大学生を対象とした多母集団の同時分析を用いて
校種間におけるコンピュータ支援語学学習態度の変容:中学生・高校生・大学生を対象とした多母集団の同時分析を用いて
Yusaku Kawaguchi
新しいコンピュータ支援語学学習態度尺度作成の試み:英語を学習する大学生を対象として
新しいコンピュータ支援語学学習態度尺度作成の試み:英語を学習する大学生を対象として
Yusaku Kawaguchi
WritingMaetriXと表計算ソフトを用いたライティングプロセスの分析方法
WritingMaetriXと表計算ソフトを用いたライティングプロセスの分析方法
Yusaku Kawaguchi
Nagoya.R #11 入門者講習
Nagoya.R #11 入門者講習
Yusaku Kawaguchi
反応時間データにおける語彙特性効果から見る語彙の即時的運用能力:語長・頻度・親密度・心像性に着目した予備的検討 配布資料
反応時間データにおける語彙特性効果から見る語彙の即時的運用能力:語長・頻度・親密度・心像性に着目した予備的検討 配布資料
Yusaku Kawaguchi
More from Yusaku Kawaguchi
(15)
外国語教育研究におけるRを用いた統計処理入門
外国語教育研究におけるRを用いた統計処理入門
Rを用いた外国語教育データの整理・要約
Rを用いた外国語教育データの整理・要約
学習者の英語ライティング方略 使用傾向の操作化―ポーズの位置に着目した予備的検討― 配布資料
学習者の英語ライティング方略 使用傾向の操作化―ポーズの位置に着目した予備的検討― 配布資料
学習者の英語ライティング方略使用傾向の操作化―ポーズの位置に着目した予備的検討―
学習者の英語ライティング方略使用傾向の操作化―ポーズの位置に着目した予備的検討―
エッセイライティング中のライティング方略とポーズ 配布資料
エッセイライティング中のライティング方略とポーズ 配布資料
Nagoya.R #14 入門者講習
Nagoya.R #14 入門者講習
Validation of the computer assisted language learning attitude scale: Focusin...
Validation of the computer assisted language learning attitude scale: Focusin...
Nagoya.R #12 非線形の相関関係を検出する指標の算出
Nagoya.R #12 非線形の相関関係を検出する指標の算出
Nagoya.R #12 Rprofile作成のススメ
Nagoya.R #12 Rprofile作成のススメ
Nagoya.R #12 入門者講習
Nagoya.R #12 入門者講習
校種間におけるコンピュータ支援語学学習態度の変容:中学生・高校生・大学生を対象とした多母集団の同時分析を用いて
校種間におけるコンピュータ支援語学学習態度の変容:中学生・高校生・大学生を対象とした多母集団の同時分析を用いて
新しいコンピュータ支援語学学習態度尺度作成の試み:英語を学習する大学生を対象として
新しいコンピュータ支援語学学習態度尺度作成の試み:英語を学習する大学生を対象として
WritingMaetriXと表計算ソフトを用いたライティングプロセスの分析方法
WritingMaetriXと表計算ソフトを用いたライティングプロセスの分析方法
Nagoya.R #11 入門者講習
Nagoya.R #11 入門者講習
反応時間データにおける語彙特性効果から見る語彙の即時的運用能力:語長・頻度・親密度・心像性に着目した予備的検討 配布資料
反応時間データにおける語彙特性効果から見る語彙の即時的運用能力:語長・頻度・親密度・心像性に着目した予備的検討 配布資料
Recently uploaded
My Inspire High Award 2024「老いることは不幸なこと?」
My Inspire High Award 2024「老いることは不幸なこと?」
inspirehighstaff03
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
inspirehighstaff03
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
inspirehighstaff03
My Inspire High Award 2024 「孤独は敵なのか?」
My Inspire High Award 2024 「孤独は敵なのか?」
inspirehighstaff03
My Inspire High Award 2024 「AIと仲良くなるには?」
My Inspire High Award 2024 「AIと仲良くなるには?」
inspirehighstaff03
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
Ken Fukui
My Inspire High Award 2024 「正義って存在するの?」
My Inspire High Award 2024 「正義って存在するの?」
inspirehighstaff03
What I did before opening my business..pdf
What I did before opening my business..pdf
oganekyokoi
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
inspirehighstaff03
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
Ken Fukui
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
Ken Fukui
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
inspirehighstaff03
My Inspire High Award 2024 「家族とは何か」
My Inspire High Award 2024 「家族とは何か」
inspirehighstaff03
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
inspirehighstaff03
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
inspirehighstaff03
Establishment and operation of medical corporations.pdf
Establishment and operation of medical corporations.pdf
oganekyokoi
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
yukisuga3
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
inspirehighstaff03
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
ssusere0a682
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
inspirehighstaff03
Recently uploaded
(20)
My Inspire High Award 2024「老いることは不幸なこと?」
My Inspire High Award 2024「老いることは不幸なこと?」
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
My Inspire High Award 2024 「孤独は敵なのか?」
My Inspire High Award 2024 「孤独は敵なのか?」
My Inspire High Award 2024 「AIと仲良くなるには?」
My Inspire High Award 2024 「AIと仲良くなるには?」
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
My Inspire High Award 2024 「正義って存在するの?」
My Inspire High Award 2024 「正義って存在するの?」
What I did before opening my business..pdf
What I did before opening my business..pdf
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
My Inspire High Award 2024 「家族とは何か」
My Inspire High Award 2024 「家族とは何か」
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
Establishment and operation of medical corporations.pdf
Establishment and operation of medical corporations.pdf
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
Nagoya.R #15 順位相関係数の信頼区間の算出
1.
順位相関係数の 信頼区間の算出
2.
川口 勇作 @kwsk3939 y.kawaguchi@nagoya-u.jp Nagoya.R #15
Lightning Talk 2016/3/27
3.
はじめに • 私が普段扱うデータ –質問紙などの順序尺度データ –正規性のないデータ • そのデータでやること –相関関係をみる
4.
cor.test 関数 • 以下の分析を行う –無相関検定 –信頼区間の算出 –相関係数の算出
5.
cor.test 関数 • methodオプションにて相関係数の種 類を指定 –“pearson”:ピアソンの積率相関係数 –“spearman”:スピアマンの順位相関係数 –“kendall":ケンドールの順位相関係数 –指定がない場合は
“pearson” > cor.test(dat[,1], dat[,2], method="spearman")
6.
> cor.test(dat[,1], dat[,2],
method="pearson") Pearson's product-moment correlation data: dat[, 1] and dat[, 2] t = 4.2334, df = 17, p-value = 0.0005598 alternative hypothesis: true correlation is not equal to 0 95 percent confidence interval: 0.3886164 0.8832042 sample estimates: cor 0.7163759 ピアソンの場合
7.
> cor.test(dat[,1], dat[,2],
method="spearman") Spearman's rank correlation rho data: dat[, 1] and dat[, 2] S = 393.5528, p-value = 0.002348 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.6547782 スピアマンの場合
8.
> cor.test(dat[,1], dat[,2],
method="spearman") Spearman's rank correlation rho data: dat[, 1] and dat[, 2] S = 393.5528, p-value = 0.002348 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.6547782 信頼区間がどこかにいってしまった スピアマンの場合
9.
cor.test 関数 • 95%信頼区間が算出されるのは、ピ アソンの積率相関係数の場合のみ –順位相関係数を指定した場合は、95%信 頼区間を算出してくれない •
順位相関を使う場合、信頼区間はど うやって出せばよいのか
10.
langtest • http://langtest.jp/shiny/cor/ • すごく簡単 •
Fisherの z変換を使用して、95%信頼 区間を算出
11.
DescTools パッケージ • SpearmanRho
関数を使用する –使用方法は、以下のとおり –引数 • データ2つ • 信頼水準(今回は95%) > SpearmanRho(dat[,1],dat[,2],conf.level=0.95)
12.
やってみた • こんな感じ –先述の方法の結果とも一致しました > library(DescTools) 警告メッセージ: パッケージ
‘DescTools’ はバージョン 3.1.3 の R の下で造 られました > SpearmanRho(dat[,1],dat[,2],conf.level=0.95) rho lwr.ci ups.ci 0.6544704 0.2983596 0.8506335
13.
RVAideMemoireパッケージ • 長い名前のパッケージ • spearman.ci
関数を使用する –ブートストラップ法を用いて信頼区間 の計算を行う
14.
RVAideMemoireパッケージ • spearman.ci 関数を使用する –使用方法は、以下のとおり –引数 •
データ2つ • 抽出回数 • 信頼水準(今回は95%) > spearman.ci(dat[,1], dat[,2], nrep=1000, conf.level=0.95)
15.
> library(RVAideMemoire) *** Package
RVAideMemoire v 0.9-51 *** > spearman.ci(dat[,1], dat[,2], nrep=1000, conf.level=0.9 5) Spearman's rank correlation data: dat[, 1] and dat[, 2] 1000 replicates 95 percent confidence interval: 0.1940142 0.9193015 sample estimates: rho 0.6547782 やってみた
16.
NSM3 パッケージ • これはケンドールの場合のみ •
kendall.ci 関数を使用する –2種類の計算方法が用意されている • 漸近解析 • ブートストラップ法 –計算方法が違うため、langtestの結果と は一致しない
17.
NSM3 パッケージ • kendall.ci
関数を使用する –漸近解析を用いる場合 –bootstrapオプションをFalseにする > library(NSM3) > kendall.ci(dat[,1], dat[,2], alpha=0.05, bootstrap=F) 1 – alpha = 0.95 two-sided CI for tau: 0.187, 0.867
18.
NSM3 パッケージ • kendall.ci
関数を使用する –ブートストラップを用いる場合 –bootstrapオプションをTrueにして、Bオ プションで抽出回数を設定 > library(NSM3) > kendall.ci(dat[,1], dat[,2], alpha=0.05, bootstrap=T, B=1000) 1 – alpha = 0.95 two-sided CI for tau: 0.109, 0.838
19.
ちなみに
20.
21.
cor.test 関数 • cor.test
関数を使いつつ、順位相関係 数の信頼区間を算出する方法 • rank 関数を用いてデータを順位デー タに変換し、ピアソンの積率相関を 算出する > cor.test(rank(dat[,1]), rank(dat[,2]))
22.
> cor.test(rank(dat[,1]), rank(dat[,2]),
method="pea rson") Pearson's product-moment correlation data: rank(dat[, 1]) and rank(dat[, 2]) t = 3.6724, df = 18, p-value = 0.001742 alternative hypothesis: true correlation is not equal to 0 95 percent confidence interval: 0.2983596 0.8506335 sample estimates: cor 0.6544704 やってみた 表示はピアソンになっているが、相関係数はス ピアマンで算出した場合と一致 信頼区間が出てきた
23.
比較 下限 上限 cor.test +
rank 0.298 0.851 langtest 0.298 0.851 DescTools 0.298 0.851 RVAideMemoire 0.194 0.919 ブートストラップを用いる RVAideMemoire以外は、結果が一致
24.
• スピアマンの順位相関の場合 –cor.test 関数とrank関数の組み合わせが 一番簡単(ただしlangtestを除く) –ブートストラップ法を使うなら、 RVAideMemoire
パッケージ(少し範囲が 大きめに出る?) • ケンドールの順位相関の場合 –langtest 、もしくはNSM3パッケージを 使う まとめ
25.
おしまい
Download now