Enviar pesquisa
Carregar
Tokyo r30 anova_part2
•
6 gostaram
•
9,668 visualizações
Takashi Minoda
Seguir
TokyoR
Leia menos
Leia mais
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 27
Recomendados
TokyoR#31 初心者セッション
TokyoR#31 初心者セッション
TokorosawaYoshio
第32回Tokyo.R#初心者セッション
第32回Tokyo.R#初心者セッション
宏喜 佐野
母集団と標本
母集団と標本
Daisuke Ichikawa
Tokyor15mod
Tokyor15mod
Daisuke Ichikawa
ggplot2 に入門してみた
ggplot2 に入門してみた
Hidekazu Tanaka
R-study-tokyo02
R-study-tokyo02
Yohei Sato
Rによるやさしい統計学 第16章 : 因子分析
Rによるやさしい統計学 第16章 : 因子分析
Hidekazu Tanaka
Abテストと検定
Abテストと検定
Teruki Shinohara
Recomendados
TokyoR#31 初心者セッション
TokyoR#31 初心者セッション
TokorosawaYoshio
第32回Tokyo.R#初心者セッション
第32回Tokyo.R#初心者セッション
宏喜 佐野
母集団と標本
母集団と標本
Daisuke Ichikawa
Tokyor15mod
Tokyor15mod
Daisuke Ichikawa
ggplot2 に入門してみた
ggplot2 に入門してみた
Hidekazu Tanaka
R-study-tokyo02
R-study-tokyo02
Yohei Sato
Rによるやさしい統計学 第16章 : 因子分析
Rによるやさしい統計学 第16章 : 因子分析
Hidekazu Tanaka
Abテストと検定
Abテストと検定
Teruki Shinohara
rzmq
rzmq
Masayuki Isobe
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
Nagi Teramo
中の人が語る seekR.jp の裏側
中の人が語る seekR.jp の裏側
Takekatsu Hiramura
第31回TokyoR LT資料
第31回TokyoR LT資料
tetsuro ito
R による文書分類入門
R による文書分類入門
Takeshi Arabiki
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
宏喜 佐野
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
Takanori Ogata
RとPythonによるデータ解析入門
RとPythonによるデータ解析入門
Atsushi Hayakawa
Introduction r (R入門)
Introduction r (R入門)
Takashi Minoda
RStudioでRをはじめよう(R for Beginner using RStudio)
RStudioでRをはじめよう(R for Beginner using RStudio)
Takashi Minoda
RからGoogle Cloud Vision API を利用する
RからGoogle Cloud Vision API を利用する
Takashi Minoda
TokyoR:RMarkdownでレポート作成
TokyoR:RMarkdownでレポート作成
Takashi Minoda
Rとデータベース 第61回 Tokyo.R
Rとデータベース 第61回 Tokyo.R
Takashi Minoda
Tokyo r50 beginner_2
Tokyo r50 beginner_2
Takashi Minoda
Tokyo r49 beginner
Tokyo r49 beginner
Takashi Minoda
Tokyo r47 beginner
Tokyo r47 beginner
Takashi Minoda
Tokyo r47 beginner_2
Tokyo r47 beginner_2
Takashi Minoda
Tokyo r45 beginner_2
Tokyo r45 beginner_2
Takashi Minoda
Tokyo r39 beginner
Tokyo r39 beginner
Takashi Minoda
Tokyo r38
Tokyo r38
Takashi Minoda
Tokyo r33 beginner
Tokyo r33 beginner
Takashi Minoda
Mais conteúdo relacionado
Destaque
rzmq
rzmq
Masayuki Isobe
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
Nagi Teramo
中の人が語る seekR.jp の裏側
中の人が語る seekR.jp の裏側
Takekatsu Hiramura
第31回TokyoR LT資料
第31回TokyoR LT資料
tetsuro ito
R による文書分類入門
R による文書分類入門
Takeshi Arabiki
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
宏喜 佐野
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
Takanori Ogata
RとPythonによるデータ解析入門
RとPythonによるデータ解析入門
Atsushi Hayakawa
Destaque
(9)
rzmq
rzmq
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
中の人が語る seekR.jp の裏側
中の人が語る seekR.jp の裏側
第31回TokyoR LT資料
第31回TokyoR LT資料
R による文書分類入門
R による文書分類入門
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
RとPythonによるデータ解析入門
RとPythonによるデータ解析入門
Mais de Takashi Minoda
Introduction r (R入門)
Introduction r (R入門)
Takashi Minoda
RStudioでRをはじめよう(R for Beginner using RStudio)
RStudioでRをはじめよう(R for Beginner using RStudio)
Takashi Minoda
RからGoogle Cloud Vision API を利用する
RからGoogle Cloud Vision API を利用する
Takashi Minoda
TokyoR:RMarkdownでレポート作成
TokyoR:RMarkdownでレポート作成
Takashi Minoda
Rとデータベース 第61回 Tokyo.R
Rとデータベース 第61回 Tokyo.R
Takashi Minoda
Tokyo r50 beginner_2
Tokyo r50 beginner_2
Takashi Minoda
Tokyo r49 beginner
Tokyo r49 beginner
Takashi Minoda
Tokyo r47 beginner
Tokyo r47 beginner
Takashi Minoda
Tokyo r47 beginner_2
Tokyo r47 beginner_2
Takashi Minoda
Tokyo r45 beginner_2
Tokyo r45 beginner_2
Takashi Minoda
Tokyo r39 beginner
Tokyo r39 beginner
Takashi Minoda
Tokyo r38
Tokyo r38
Takashi Minoda
Tokyo r33 beginner
Tokyo r33 beginner
Takashi Minoda
Tokyo r30 anova
Tokyo r30 anova
Takashi Minoda
Tokyo r30 beginner
Tokyo r30 beginner
Takashi Minoda
Tokyo r28 1
Tokyo r28 1
Takashi Minoda
Tokyo r27
Tokyo r27
Takashi Minoda
Tokyo r24 r_graph_tutorial
Tokyo r24 r_graph_tutorial
Takashi Minoda
Tokyo r21 修正版
Tokyo r21 修正版
Takashi Minoda
Tokyo r21 2
Tokyo r21 2
Takashi Minoda
Mais de Takashi Minoda
(20)
Introduction r (R入門)
Introduction r (R入門)
RStudioでRをはじめよう(R for Beginner using RStudio)
RStudioでRをはじめよう(R for Beginner using RStudio)
RからGoogle Cloud Vision API を利用する
RからGoogle Cloud Vision API を利用する
TokyoR:RMarkdownでレポート作成
TokyoR:RMarkdownでレポート作成
Rとデータベース 第61回 Tokyo.R
Rとデータベース 第61回 Tokyo.R
Tokyo r50 beginner_2
Tokyo r50 beginner_2
Tokyo r49 beginner
Tokyo r49 beginner
Tokyo r47 beginner
Tokyo r47 beginner
Tokyo r47 beginner_2
Tokyo r47 beginner_2
Tokyo r45 beginner_2
Tokyo r45 beginner_2
Tokyo r39 beginner
Tokyo r39 beginner
Tokyo r38
Tokyo r38
Tokyo r33 beginner
Tokyo r33 beginner
Tokyo r30 anova
Tokyo r30 anova
Tokyo r30 beginner
Tokyo r30 beginner
Tokyo r28 1
Tokyo r28 1
Tokyo r27
Tokyo r27
Tokyo r24 r_graph_tutorial
Tokyo r24 r_graph_tutorial
Tokyo r21 修正版
Tokyo r21 修正版
Tokyo r21 2
Tokyo r21 2
Tokyo r30 anova_part2
1.
Rによるやさしい統計学 分散分析 (後半の後半) TOKYO.R #31 簑田 高志
2.
目次 1.自己紹介 2.前回のおさらい 3.二元配置分散分析(二要因とも対応あり) 4.二元配置分散分析(一要因のみ対応あり) 5.まとめ ※ スクリーンショットや機能等はMac版となります。 基本的にはWindowsも同じものがあるはずです。
3.
目次【前回】 1.自己紹介 2.分散分析(おさらい) 3.二元配置分散分析(対応なし) 4.二元配置分散分析(二要因とも対応あり) 5.二元配置分散分析(一要因のみ対応あり) 6.まとめ ※ スクリーンショットや機能等はMac版となります。 基本的にはWindowsも同じものがあるはずです。
4.
目次【前回】 1.自己紹介 2.分散分析(おさらい) 3.二元配置分散分析(対応なし) 4.二元配置分散分析(二要因とも対応あり) 5.二元配置分散分析(一要因のみ対応あり) 6.まとめ ※ スクリーンショットや機能等はMac版となります。 基本的にはWindowsも同じものがあるはずです。 今回はここ↓から
5.
目次 1.自己紹介 2.前回のおさらい 3.二元配置分散分析(二要因とも対応あり) 4.二元配置分散分析(一要因のみ対応あり) 5.まとめ ※ スクリーンショットや機能等はMac版となります。 基本的にはWindowsも同じものがあるはずです。
6.
• 名前 :簑田
高志 • Twitter :aad34210 • ブログ :http://pracmper.blogspot.com/ • 仕事 :ビジネスアナリスト • R歴 :3年程度 自己紹介
7.
目次 1.自己紹介 2.前回のおさらい 3.二元配置分散分析(二要因とも対応あり) 4.二元配置分散分析(一要因のみ対応あり) 5.まとめ ※ スクリーンショットや機能等はMac版となります。 基本的にはWindowsも同じものがあるはずです。
8.
分散分析【前回】 • 分散分析 3つ以上の平均値を比較するための統計的方法 2つの平均値を比較する方法は「t検定」 テキスト160p~から • Rにおける関数
oneway.test aov anova
9.
二元配置分散分析(対応なし)【前回】 うちのミネラルウォーター商品って、銘柄ごとに温度が違えば、 おいしさって違うのかな。おーい、ちょっとしらべてくれー はいはい、了解しましたっ と。 データのフォーマットはこれでよさそうだな。 これで分析にかけてみよう。
10.
二元配置分散分析(対応なし)【前回】 • 主効果:それぞれの要因ごとの効果 “温度の違い”(冷蔵か常温に違いがある) •
交互作用効果:2つ以上の要因が組み合わされ た場合に生じる効果。単純に2つの要因の足し 算ではない 温度が冷たい場合、5点押し上げる ビビッテルは温度が低いと美味しくない → 単純な足し算ではない 主効果 交互作用効果
11.
二元配置分散分析(対応なし)【前回】 • まとめ 1.主効果と交互作用効果 2.仮説の立て方 3.aov関数 4.Interaction.plot 5.交互作用が起こっているグラフの見方
12.
交互作用があって、温度によって差がありそうだってことはわ かった げ・・・ でもさー、もしかして評価した人のバイアスってかかってな い?? そこも評価してみてよー
13.
目次(前回) 1.自己紹介 2.分散分析(おさらい) 3.二元配置分散分析(対応なし) 4.二元配置分散分析(二要因とも対応あり) 5.二元配置分散分析(一要因のみ対応あり) 6.まとめ やるかもね ↑いまココ
14.
目次 1.自己紹介 2.前回のおさらい 3.二元配置分散分析(二要因とも対応あり) 4.二元配置分散分析(一要因のみ対応あり) 5.まとめ ※ スクリーンショットや機能等はMac版となります。 基本的にはWindowsも同じものがあるはずです。
15.
二元配置分散分析(二要因とも対応あり) 課題:自社商品は銘柄ごとに温度が変わると 美味しさがかわるのか? ヒトごとに評価をし てもらった。 このデータを使って、温度(冷蔵庫、常温)や銘柄の違いによっ 美味しさの評定の母平均は異なるといえるか?
16.
二元配置分散分析(二要因とも対応あり) • 実際に分析 1. 帰無仮説と対立仮説の設定 •
これまでの検定と同じように1つの仮説では無く、「主効果」、「交 互作用効果の設定が必要 • 要因A(温度)の主効果 − 帰無仮説:温度が違っても美味しさの得点の母平均は等しい − 対立仮説:温度の違いによって美味しさ得点の母平均は異なる • 要因B(銘柄)の主効果 − 帰無仮説:銘柄が違ってもおいしさ得点の母平均は等しい − 対立仮説:銘柄の違いによって、母平均は異なる • 要因Aと要因Bの交互作用効果 − 帰無仮説:温度と銘柄の組み合わせに相性の良し悪しはない − 対立仮説:温度と銘柄の組み合わせに相性の良し悪しがある 2. 有意水準 • 5%
17.
二元配置分散分析(二要因とも対応あり) • Rで分析 #データの準備 set.seed(256) #乱数の再現 taste_points
<- as.integer(runif(30 , min = 1 , max = 20)) #温度 temp <- factor(c(rep("refrige", 15), rep("normal_temp",15))) #ボトル名 bottle_name <- factor(rep(c(rep("evian", 5), rep("volvic",5) , rep("vittel",5)),2)) #人の名前 name <- factor(rep(c("村松","川崎","井口","松中","城島"),6))
18.
• Rで分析 summary(aov(taste_points~temp*bottle_name +Error(name+name:temp+name:bottle_name+name:temp:bottle_name))) 温度、銘柄の主効果には違 いがなく、交互作用効果に 違いが見られる。 (5%水準で有意) 二元配置分散分析(二要因とも対応あり)
19.
目次 1.自己紹介 2.前回のおさらい 3.二元配置分散分析(二要因とも対応あり) 4.二元配置分散分析(一要因のみ対応あり) 5.まとめ ※ スクリーンショットや機能等はMac版となります。 基本的にはWindowsも同じものがあるはずです。
20.
二元配置分散分析(一要因のみ対応あり) 前回のアンケートでは、一人に6本の水を評 価してもらった。 しかし、6本の水を飲むのは大変だ! というご意見があったため、一人3本の水を 飲んで
もらうことにした。 (・ω・´#)<ノミスギジャ
21.
二元配置分散分析(一要因のみ対応あり) こうして再度アンケートを取ったデータが以 下。 A1:冷蔵庫
A2:常温 評定者1 B1:イカア ン B2 :ボスビッ ク B3:ビビッ テル 評定者2 B1:イカア ン B2 :ボスビッ ク B3:ビビッ テル 村松 1 6 8 斎藤 3 1 10 川崎 4 1 2 和田 7 6 6 井口 2 2 8 寺原 10 1 4 松中 8 9 5 杉内 9 9 10 城島 10 10 3 新垣 6 7 1 合計10人の肩にそれぞれ3種類の水を飲んで もらい、評点をつけてもらった。
22.
• Rで分析 #データの準備 set.seed(256) #乱数の再現 taste_points
<- as.integer(runif(30 , min = 1 , max = 20)) #温度 temp <- factor(c(rep("refrige", 15), rep("normal_temp",15))) #ボトル名 bottle_name <- factor(rep(c(rep("evian", 5), rep("volvic",5) , rep("vittel",5)),2)) #人の名前 name1 <- rep(c("村松","川崎","井口","松中","城島"),6) name2 <- rep(c("斎藤","和田","寺原","杉内","新垣"),6) total_name <- factor(c(name1 , name2)) 二元配置分散分析(一要因のみ対応あり)
23.
• Rで分析 summary(aov(taste_points~temp*bottle_name +Error(total_name:temp+total_name:temp:bottle_name))) 二元配置分散分析(一要因のみ対応あり) • ちょっと引数が足りなくないか? •
+Error(name+name:temp+name:bottle_name+name:temp:bottle_name))) • 前回は人と人×温度、人×銘柄、人×温度×銘柄と3種類指定したのに なぜ2種類で済んでいるのか?
24.
• Rで分析 二元配置分散分析(一要因のみ対応あり) A1:冷蔵庫 A2:常温 評定者1 B1:イカア ン B2
:ボスビッ ク B3:ビビッ テル 評定者2 B1:イカア ン B2 :ボスビッ ク B3:ビビッ テル 村松 1 6 8 斎藤 3 1 10 川崎 4 1 2 和田 7 6 6 井口 2 2 8 寺原 10 1 4 松中 8 9 5 杉内 9 9 10 城島 10 10 3 新垣 6 7 1 • 各評価者は同じ温度で3種類の銘柄を飲んでいます。つまり、人に対 して一貫して評価が高かったり、低かったする個人差の要因が現れ ます。 • 個人差の要因である評定者と温度の違いの要因を表す温度がかかる 組みあわせだけ指定します。 ⇛ でも、2要因とも対応ありの指定方法でも同じ結果が得られます。
25.
• Rで分析 summary(aov(taste_points~temp*bottle_name +Error(total_name:temp+total_name:temp:bottle_name))) 二元配置分散分析(一要因のみ対応あり) 人、温度、銘柄による違い はなかった。 (温度・銘柄による違いは 5%に近い値)
26.
二元配置分散分析 • まとめ 1.二要因とも対応ありは+Error()で 要因の組合せを指定。 2.一要因のみ対応ありは、組合せを考え ることで、+Errorsの内容を減らせる。 (1.のやり方でも同じ結果)
27.
ご静聴ありがとうございました