ラベル 素人統計学 の投稿を表示しています。 すべての投稿を表示
ラベル 素人統計学 の投稿を表示しています。 すべての投稿を表示

2017年8月25日金曜日

無料統計ソフト HAD 

 研究者にとって、統計ソフトは必須です。





 大学では、spssが主となっていますが、ここですごいソフトに出会えました。spssと同じ、それ以上と言われている無料統計ソフトでその名称はHADです。












 社会心理学の清水先生が作成され、バージョンアップも常にしているようです。統計の素人の私でも非常に使いやすいので、少しだけ紹介したいと思います。












 

 左の図は、まずデータセットに必要な画面です。

 データはでたらめな数字を入れています。例えば、運動をすることで学校の成績がどのように変わるかを検定してみました。








  右図はデータセット完了後の図です。
 見た目もやさしく、ワンボタンでできる図となっていますね。





 
 

 分析をクリックすると、このような図がでてきて、さまざまな分析方法が一発で視覚的に表れます。













 平均の差の検定、つまり対応のあるt検定をやってみました。

 このデータの場合は、有意差があることがわかります。またグラフも自動的に作成してくれます。










 箱ひげ図は、ノンパラメトリックの際に用いるのが望ましいといわれていますが、素人の私にとっては、箱ひげ図は全体像が見えやすくてすきですね。

 箱ひげ図のところにクリックするだけで、左記のような図を作ってくれます。











 以上簡単ですが、HADを紹介させて頂きました。spssもすごいと思いますが、無料ソフトであることから、家でも、どこでも、いつでもできるというのも魅力だと思います。














 また、共分散構造分析(SEM)を用いる場合、spssに加え、Amosも必要になりますが、HADの場合、これ単体で対応が可能となっています。



















 ライセンスがありますので、学会発表や論文等には、必ず下記の引用文献として、載せておくことが必要です。

清水裕士 (2016 ). フリーの統計分析ソフトHAD:機能の紹介と統計学習・教育,研究実践における利用方法の提案  メディア・情報・コミュニケーション研究, 1, 59-73.

2016年6月15日水曜日

素人統計学 ~相関係数~

 この図では、とてもきれいな直線図となっています(こんな例はないと思いますが)。










 Xの変化に対して、YもXと同じように変化していることが分かります。

 











 この理想的な直線図は相関係数として1~-1の間をとり、1や-1に近ければ近い程、相関係数の強さを表すようです。











 例えば、

「伸長Aが高くなれば体重Bも増える」

としたとき、この直線から大きくずれてしまうと(ばらつきが多い)、この仮説が正しいという信頼性は弱くなってしまいます。














 このばらつき具合のデータの捉え方・考え方は、研究の領域によって異なるようです。例えば、心理学と社会学で比べてみます。










‐1≤r≤1とした時、


心理学の場合、
  .00~±.20     ほとんど相関がない
±.20~ ±.40   弱い相関がある
±.40~ ±.70   中程度の相関がある
±.70~ ±1.00   強い相関がある







社会学の場合、
     ±. 10   弱い相関
  ±. 30   中程度の相関
  ±. 50   強い相関









 社会学の場合、心理学に比べて相関の強さを示す範囲がかなり広いんですね。










 その理由として、心理学に比べ社会学は、かなり広い視野・大きな規模での分析になるということが一つ考えられているようです。


















 統計手法はもちろん、このような結果の解釈は、研究者が何を明らかにしたいかにも影響を受けるかもしれません。

 

2016年5月23日月曜日

偏差値

前回のブログでは、分散と標準偏差について述べました。

山の形をしている正規分布で、でた数字によって山の形の特徴を表しました。

今回は、学校の成績でよく使われている偏差値です。

偏差値は50が真ん中と言われていることから、山の形のど真ん中が50と想像します。

偏差値の計算式は、

まずは、Zi=個々の点数-平均点÷標準偏差

偏差値=10×Zi+50→つまり、平均点をとると、Ziが0になるので偏差値は真ん中の順位の50!!


となります。例えば、科目67点-平均点53点÷10(ここでは10)とします。これを計算すると、、、

計算すると偏差値は64となります。ちなみにZiが1.4でした。つまり、標準偏差10に対し、1.4倍!!ということになりますね。真ん中の50の+方向に14進んだ位置になりますので、この67点という成績の偏差値は64です。

 では、この偏差値平均50から+の方向に14の位置、つまり64とはどのくらいのレベルなのか。。。

 ここでブログでだした標準偏差の範囲は、1SDと呼ばれるようで、この範囲は真ん中から+面と-面両方含めて64%の割合をだすようです。つまり、真ん中から32%の位置になります。

 偏差値の場合、1SDは60、2SDは70の位置になるようです。つまり、偏差値64の数字はど真ん中から+32%以内の人たちよりも上の位置になるということになります。

 1SDが64%となるようですが、100%より64%を引くと、36%になります。つまり、真ん中より+32方向、50以下の位置が2SDの範囲となります。偏差値70を超えたら、全体のわずか2.5%内の順位になるのですね。


参考資料
東京福祉大学 心理学統計資料、 桜美林大学 心理統計学資料



2016年5月18日水曜日

分散と標準偏差 A社、B社どっちに就職する?!

8人社員がいるA社とB社があったとします(以下の数字、単位は100万)。






A社の給料として、
4、4、5、5、5、5、6、6

B社の給料として、
1、2、3、5、5、7、8、9

とします。






平均は・・・どちらも同じ!!皆さんは、どちらを就職しますか?










これを統計学で散らばり具合を分析していくのに、分散と標準偏差というものを利用するようです。











実際の方法が、まず中央値(ここでいうとAもBも5)から、個々を引いて合計し、それを人数で割り算します。これが平均からの距離、つまり偏差になります。すると、、、












答えが「0」!?












これはプラス、マイナスが存在するためだそうで、これを単純に2乗してしまえば!というものが分散の計算式になります。














これで0になることはなくなりますが、このままですと、単位(ここでは円)が2乗のままになってしまいますので、√を用いて2乗をはずします。これが標準偏差の計算式になります。














経過を省略し、結果は、、、

A社:0.71

B社:2.69

となりました。この数字がなんの意味を示しているのか素人の私にはわかりにくい。







イメージとしては、B社に比べA社の方が、正規分布という図において、幅が狭く背が高い急な傾斜をもつ山のような絵になります。












つまり、A社はB社に比べ、真ん中から近いんですね。給料をもらう人たちの差が少ない(ばらつきが少ない)。一方で、B社はA社に比べ、給料をもらう人たちの差が大きい(貧富の差が大きい?)。















私の個人的な分析では、












A社はそんなに能力の差がなくてもみんなと近い数字の給料をもらえる♪でもいくら頑張って努力しても、下の人とそんなに変わらないから、やりがいがない??















B社は最初の給料は低いけど、頑張れば皆より給料がもらえる♪でもトップになるまでの過程が大変だから、最初から幅の少ないある程度もらえるA社の方がいい??また、B社はA社に比べ、仕事の求められる量と給料があってそう・・・
















などなど。このように数字だけで答えを求めるのはむずかしいですね。結果のでた数字をどのように分析するかが求められそうです。














慣れない統計学、本当に嫌になりますが何とかくいついていきたいと思います。
 

2015年11月2日月曜日

ド素人の統計学 ~帰無仮説~

 大の苦手、つい逃避してしまう「統計学」ですが、多くのなかの一つに帰無仮説に疑問をもっていました。

 なぜ
「仮説検証したい事柄に対して否定的な仮説をわざわざ検証するのか」

です。今回は大学のゼミの仲間から分かりやすい資料を頂くことができたので、参考にしてみたいと思います。

 この文献では、肺がんの発生率と禁煙パンフレットの効果を検証したという例題が挙げられていました。肺がんには禁煙パンフレットの効果があるという分析です。

 私たちが行う研究題材は、対象者全体で行うことはまず難しいことは明らかです。したがって、

「ある一部のサンプルを通して、全体を推測する」

ということになります。

 サンプルの結果は、さまざまな要因が絡み合ってくると言われます。もしかしたら、パンフレットの意味が全く成していない可能性も考えられます。従って逆の仮説、

「禁煙パンフレットと肺がんの発生率の関係は無関係である」

という帰無仮説を否定できれば、ある一部のサンプルを通して全体を推測する可能性の広がりを示すことになります。

 なるほど、なんとなくですが、なんとなく理解できた気がします。

 実際に否定できるかどうかの判断は、p値の大きさで判断するようですが、ここの時点で頭がパニック状態となっているため、割愛しています。


 心理学の方に聞いた話ですが、統計学から得た知識は、実際の現場では2割出せたら良い方であると聞きました。ここからは、ド素人の私の考えになりますが、あくまで仮説したい事柄の否定的なもの(帰無仮説)を仮説検証することになるため、さまざまな結果がでても現場には

「皆同じように実施し、同じように結果がでる」

ということにならないのだと思われました。リハビリの世界でも、統計学的に正しい結果がでてるのであれば、みんな同じことをやればいいのに。と若いときは何度も思ったことこがあります。


 一方、ナイチンゲールは、個別性を見極めることが重要であることを述べていました。統計学を否定しているわけではありませんが、私も個別性は重要視しています。しかし、個別性を見極めるには、統計学的な見解を知ることで、より深まるものであることも確かだと思っています。

 私は研究者ではないため、専門的な統計技術を得るつもりはありませんが、多くの優秀な研究者たちの蓄積と知見は、私たち現場の人間が一番吸収しなければならないと思います。そのためには、最低限の知識が必要になると思っています。



※私の解釈は非常にあやしいです。以下の文献で実際に読んで頂けれたらと思います。
参考文献:松山 裕 統計学再入門 統計的仮設検定と効果の推定 心身医学書 Vol.53 No.7.2013