-
R で傾向検定を行う方法
傾向検定は、サンプルデータで観察された、平均値や割合が、だんだんに大きくなる、だんだんに小さくなるという傾向が、母集団でもその通りか検定するもの。 Rでどのようにやるかまとめてみた。 単変量の傾向検定：コクラン・アーミテージ検定 回答の選択... -
R でコレスポンデンス分析を実施する方法
コレスポンデンス分析（対応分析）とは、人の属性の類似性(もしくは対応)を図に表す分析。 結果を見るといろいろと解釈したくなる、面白い分析。 R では、caというパッケージで分析可能。 コレスポンデンス分析のパッケージ ca をインストールして準備する... -
R でギブスサンプリングを実施する方法
ギブスサンプリング（ギブス法）を R で実施する方法。 初期値を与えて、何度もサンプリングしていると、だんだんに形になってくる。 ギブスサンプリング用のデータの用意 heikinという名前のデータを入力する。 heikin <- c(6.0,10.0,7.6,3.5,1.4,2.5,... -
R で割合の区間推定を行う方法
R で母比率（母集団における割合）の区間推定を行う方法。 母比率の信頼区間（Agresti & Coull の方法） sを、success 分子（該当数）とする。 nを、number 分母（サンプルサイズ）とする。 Functionは以下の通りだ。 bohiritu.conf <- funct... -
R で診断検査の感度・特異度を統合するメタアナリシス
診断検査を統合する方法 感度・特異度のメタアナリシス 感度・特異度のメタアナリシスとは 診断検査の性能を見るのに、感度・特異度は欠かせない。 病気ありをきちんと診断できる割合が感度。 病気なしをきちんと病気なしと除外できる割合が特異度。 必要... -
R で ROC 曲線の比較に必要なサンプル数を平均値・標準偏差を用いて計算する方法
ROC 曲線の比較に必要なサンプルサイズの計算方法の紹介 検査値の平均値と標準偏差を用いる方法 ROC 曲線の比較に必要なサンプル数計算の準備 R で ROC 曲線の比較に必要なサンプルサイズ計算をするための準備。 まず、pROC パッケージをインストールする... -
R で ROC 曲線の比較に必要なサンプル数を偽陽性率・陽性率・AUC を用いて計算する方法
ROC 曲線の比較に必要なサンプル数 サンプルサイズを計算する方法 ROC 曲線の比較に必要なサンプル数を計算するために必要な数値 ROC 曲線を比較したい検査値を、検査値 1、検査値 2 とする。 まず、先行研究から、以下の数値を読み取る。 False positive ... -
R で ROC 曲線分析に必要なサンプル数を計算する方法
ROC曲線分析をしたいが、何人のデータを集めたらいいかわからない。 こんなときどうするか？ ROC 曲線分析に必要なサンプル数の計算を R で行う準備 まずpROCパッケージをインストールする。 インストールは一回でOK。 install.packages("pROC") 毎回呼び... -
R で ROC 曲線を書く方法
ROC 曲線を R で書く方法をわかりやすく解説 ROC 曲線とは？ ROC曲線は、病気の診断のための検査を分析するために使われる。 真実の分類と、真実の分類を見分ける検査結果を使って、どのレベルより上だと病気とするか？を決める分析ツール。 胃がんや大腸... -
SPSS で Kruskal-Wallis 検定 の Post-hoc test ステップワイズのステップダウンを実行する方法
Post-hoc test をSPSSで実施する方法 例えば、5 件法の回答の 3 群をKruskal-Wallisで検定した後の多重比較方法 Kruskal-Wallis検定の Post-hoc testをSPSSで実施する方法 3 つのグループに対して、まったく当てはまらない～非常に当てはまるの 5 段階の選...
