Enviar pesquisa
Carregar
2013 11 jacet-kansai-ws
•
2 gostaram
•
6,326 visualizações
Mizumoto Atsushi
Seguir
Vista de apresentação de diapositivos
Denunciar
Compartilhar
Vista de apresentação de diapositivos
Denunciar
Compartilhar
1 de 58
Baixar agora
Baixar para ler offline
Recomendados
NaITE#14 メトリクス解析(データ解析)の初歩
NaITE#14 メトリクス解析(データ解析)の初歩
Asako Yanuki
20151017 大図研発表資料
20151017 大図研発表資料
makikosueda
神戸大学への人事交流
神戸大学への人事交流
大学図書館問題研究会大阪地域グループ / The Japan Academic Librarians' Association, Osaka Branch
判別分析を用いた4年ストレート卒業の決定要因に関する探索的研究
判別分析を用いた4年ストレート卒業の決定要因に関する探索的研究
Shinnji Matsumiya
千葉大学情報検索演習2017 第01回授業
千葉大学情報検索演習2017 第01回授業
Kosetsu IKEDA
Microsoft excel のグラフ描画機能を用いた初学者向け統計学習教材開発の試み
Microsoft excel のグラフ描画機能を用いた初学者向け統計学習教材開発の試み
Yutaka Makabe
職員が語るIR:大学の多様性をもっと大切にしてはどうか?
職員が語るIR:大学の多様性をもっと大切にしてはどうか?
Shinnji Matsumiya
研究会をひとりでも多くに届ける: ライブ中継や資料共有の方法
研究会をひとりでも多くに届ける: ライブ中継や資料共有の方法
Ken Urano
Recomendados
NaITE#14 メトリクス解析(データ解析)の初歩
NaITE#14 メトリクス解析(データ解析)の初歩
Asako Yanuki
20151017 大図研発表資料
20151017 大図研発表資料
makikosueda
神戸大学への人事交流
神戸大学への人事交流
大学図書館問題研究会大阪地域グループ / The Japan Academic Librarians' Association, Osaka Branch
判別分析を用いた4年ストレート卒業の決定要因に関する探索的研究
判別分析を用いた4年ストレート卒業の決定要因に関する探索的研究
Shinnji Matsumiya
千葉大学情報検索演習2017 第01回授業
千葉大学情報検索演習2017 第01回授業
Kosetsu IKEDA
Microsoft excel のグラフ描画機能を用いた初学者向け統計学習教材開発の試み
Microsoft excel のグラフ描画機能を用いた初学者向け統計学習教材開発の試み
Yutaka Makabe
職員が語るIR:大学の多様性をもっと大切にしてはどうか?
職員が語るIR:大学の多様性をもっと大切にしてはどうか?
Shinnji Matsumiya
研究会をひとりでも多くに届ける: ライブ中継や資料共有の方法
研究会をひとりでも多くに届ける: ライブ中継や資料共有の方法
Ken Urano
量的データの分析・報告で気をつけたいこと
量的データの分析・報告で気をつけたいこと
Mizumoto Atsushi
ゲームで身につけるプログラミング的思考力
ゲームで身につけるプログラミング的思考力
Yoshiaki Nakano
Let中部2012シンポスライド
Let中部2012シンポスライド
Mizumoto Atsushi
LET2015 National Conference Seminar
LET2015 National Conference Seminar
Mizumoto Atsushi
Rを使ったコンピュータ適応型テスト構築の試み
Rを使ったコンピュータ適応型テスト構築の試み
Mizumoto Atsushi
JSSS2014 Symposium (Atsushi Mizumoto)
JSSS2014 Symposium (Atsushi Mizumoto)
Mizumoto Atsushi
ご清聴ありがとうございました で、質疑応答に入るのはやめましょう(白)
ご清聴ありがとうございました で、質疑応答に入るのはやめましょう(白)
Yoshiaki Nakano
2015-1003 英語コーパス学会ワークショップ使用スライド
2015-1003 英語コーパス学会ワークショップ使用スライド
Mizumoto Atsushi
2013全国英語教育学会WS公開用スライド
2013全国英語教育学会WS公開用スライド
Mizumoto Atsushi
コーパス分析ツールの選択肢の一つとしての CasualConc - 2015 英語コーパス学会@愛知大学名古屋キャンパス
コーパス分析ツールの選択肢の一つとしての CasualConc - 2015 英語コーパス学会@愛知大学名古屋キャンパス
yasuimao
SappoRo.R #3 LT: Shiny by RStudio
SappoRo.R #3 LT: Shiny by RStudio
Mizumoto Atsushi
2012-1110「マルチレベルモデルのはなし」(censored)
2012-1110「マルチレベルモデルのはなし」(censored)
Mizumoto Atsushi
有意性と効果量について しっかり考えてみよう
有意性と効果量について しっかり考えてみよう
Ken Urano
Ibis: すごい pandas ⼤規模データ分析もらっくらく #summerDS
Ibis: すごい pandas ⼤規模データ分析もらっくらく #summerDS
Cloudera Japan
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
Mais conteúdo relacionado
Destaque
量的データの分析・報告で気をつけたいこと
量的データの分析・報告で気をつけたいこと
Mizumoto Atsushi
ゲームで身につけるプログラミング的思考力
ゲームで身につけるプログラミング的思考力
Yoshiaki Nakano
Let中部2012シンポスライド
Let中部2012シンポスライド
Mizumoto Atsushi
LET2015 National Conference Seminar
LET2015 National Conference Seminar
Mizumoto Atsushi
Rを使ったコンピュータ適応型テスト構築の試み
Rを使ったコンピュータ適応型テスト構築の試み
Mizumoto Atsushi
JSSS2014 Symposium (Atsushi Mizumoto)
JSSS2014 Symposium (Atsushi Mizumoto)
Mizumoto Atsushi
ご清聴ありがとうございました で、質疑応答に入るのはやめましょう(白)
ご清聴ありがとうございました で、質疑応答に入るのはやめましょう(白)
Yoshiaki Nakano
2015-1003 英語コーパス学会ワークショップ使用スライド
2015-1003 英語コーパス学会ワークショップ使用スライド
Mizumoto Atsushi
2013全国英語教育学会WS公開用スライド
2013全国英語教育学会WS公開用スライド
Mizumoto Atsushi
コーパス分析ツールの選択肢の一つとしての CasualConc - 2015 英語コーパス学会@愛知大学名古屋キャンパス
コーパス分析ツールの選択肢の一つとしての CasualConc - 2015 英語コーパス学会@愛知大学名古屋キャンパス
yasuimao
SappoRo.R #3 LT: Shiny by RStudio
SappoRo.R #3 LT: Shiny by RStudio
Mizumoto Atsushi
2012-1110「マルチレベルモデルのはなし」(censored)
2012-1110「マルチレベルモデルのはなし」(censored)
Mizumoto Atsushi
有意性と効果量について しっかり考えてみよう
有意性と効果量について しっかり考えてみよう
Ken Urano
Ibis: すごい pandas ⼤規模データ分析もらっくらく #summerDS
Ibis: すごい pandas ⼤規模データ分析もらっくらく #summerDS
Cloudera Japan
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
Destaque
(15)
量的データの分析・報告で気をつけたいこと
量的データの分析・報告で気をつけたいこと
ゲームで身につけるプログラミング的思考力
ゲームで身につけるプログラミング的思考力
Let中部2012シンポスライド
Let中部2012シンポスライド
LET2015 National Conference Seminar
LET2015 National Conference Seminar
Rを使ったコンピュータ適応型テスト構築の試み
Rを使ったコンピュータ適応型テスト構築の試み
JSSS2014 Symposium (Atsushi Mizumoto)
JSSS2014 Symposium (Atsushi Mizumoto)
ご清聴ありがとうございました で、質疑応答に入るのはやめましょう(白)
ご清聴ありがとうございました で、質疑応答に入るのはやめましょう(白)
2015-1003 英語コーパス学会ワークショップ使用スライド
2015-1003 英語コーパス学会ワークショップ使用スライド
2013全国英語教育学会WS公開用スライド
2013全国英語教育学会WS公開用スライド
コーパス分析ツールの選択肢の一つとしての CasualConc - 2015 英語コーパス学会@愛知大学名古屋キャンパス
コーパス分析ツールの選択肢の一つとしての CasualConc - 2015 英語コーパス学会@愛知大学名古屋キャンパス
SappoRo.R #3 LT: Shiny by RStudio
SappoRo.R #3 LT: Shiny by RStudio
2012-1110「マルチレベルモデルのはなし」(censored)
2012-1110「マルチレベルモデルのはなし」(censored)
有意性と効果量について しっかり考えてみよう
有意性と効果量について しっかり考えてみよう
Ibis: すごい pandas ⼤規模データ分析もらっくらく #summerDS
Ibis: すごい pandas ⼤規模データ分析もらっくらく #summerDS
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
2013 11 jacet-kansai-ws
1.
2013年度大学英語教育学会 (JACET)関西支部秋季大会 企画ワークショップ1 2013/11/09@神戸市外国語大学 Excel を使った t
検定 水本 篤(関西大学)
2.
説明スライドとデータ http://mizumot.com/lablog
3.
竹内・水本(2012)
4.
http://mizumot.com/handbook
5.
•『外国語教育研究ハンドブック』の 内容に基づき,Excelで基本的な分析 と図表作成方法の紹介。 •Excelでカバーできない内容は, オンラインプログラムの紹介。 •効果量,検定力分析の紹介。
6.
外国語教育研究の立ち位置 (柳瀬, 2006を一部改変) 竹内・水本 (2012,
p. 8)
7.
2010年の状況
8.
341 量 質 13 水本・浦野(2013) ミックス 31 ARELEは量的研究が その他 28 0 50 82.5% 100 150 200 250 掲載本数(理論研究37本以外計413本) 300 350
9.
•どのようなデータをどのよう に分析するか知らなければ, データ収集もできない。 •データ収集,論文執筆前に 知っておこう。
10.
WSの目標 •記述統計を Excel で計算できるよう になる。 •t
検定を Excel で計算できるように なる。 •効果量(effect size)を知る。
11.
記述統計 (descriptive statistics) • 平均値(mean:
M) • 標準偏差(standard deviation: SD)
12.
よくある表
13.
演習1 記述統計 (descriptive statistics) • 標準偏差 • 平均値(mean: M) (standard
deviation: SD) <実行方法説明> http://mizumot.com/handbook/?page_id=96
14.
15.
平均30点,標準偏差10点
16.
2.8 平均2.8点,標準偏差1.2点
17.
グラフも描いてみましょう http://langtest.jp:3838/bs/ or http://spark.rstudio.com/mizumot88/bs/
18.
t 検定 (t-test) • 対応のない
t 検定 • 対応のある t 検定
19.
対応のない t 検定 2つのグループの平均点を 比べたいような場合
20.
対応のある t 検定 同じ学習者が2回 テストを受けて, その平均点を比べたい ような場合。
21.
推測統計
22.
t 検定(対応なし) 2つのグループの点数の相違が「母集団 (population)においても見られるか?」と いう推測をおこなう。 <前提条件> 1. 標本の無作為抽出(→注意)
2. 各グループの母集団の分布が正規分布(正規性) 3. 2つの母集団の分散が等しいこと(等分散性)
23.
t 検定のロジック • 2つのグループには「差がない」と仮定 •
2つのグループの人数,平均値,標準偏差から t 値を算出 • 2つのグループから得られる自由度を持った t 分布から確率を算出 • 「差がない」確率が p < .05 なら有意差あり
24.
t 検定のロジック • 2つのグループには「差がない」と仮定 •
2つのグループの人数,平均値,標準偏差から t 値を算出 • 2つのグループから得られる自由度を持った t 分布から確率を算出 • 「差がない」確率が p < .05 なら有意差あり
25.
t値 等分散の仮定が満たされる場合 ※人数,平均値,分散(標準偏差の2乗) しか入っていないことに注目!
26.
t 検定のロジック • 2つのグループには「差がない」と仮定 •
2つのグループの人数,平均値,標準偏差から t 値を算出 • 2つのグループから得られる自由度を持った t 分布から確率を算出 • 「差がない」確率が p < .05 なら有意差あり
27.
自由度(degree of freedom:
df) • 群1: 女子 44 人 • 群2: 男子 48 人 自由度 (44−1)+(48−1)= 90
28.
自由度のイメージ 4 1 10 7 2 3 5 6 9 8
29.
自由度のイメージ 10 1 2 3 4 5 6 7 8 9
30.
自由度のイメージ 4 1 10 7 2 3 5 6 9 8
31.
自由度のイメージ 6 1 2 3 4 5 7 8 9 10
32.
0.0 0.1 0.2 dt(x, 90) df =
90 -3 -2 -1 0 1 2 3 0.3 0.4
33.
0.4 2つのグループから得られる自由度を持った 0.1 0.2 df = 90 0.0 dt(x,
90) 0.3 t 分布から確率を算出 -3 -2 -1 0 1 2 3
34.
Learning by doing
stats http://langtest.jp:3838/tut/ or http://spark.rstudio.com/mizumot88/tut/
35.
演習2 t 検定 •男女それぞれに平均値と 標準偏差を求める。 •男女の平均値に差があるかを検定。 (母集団でも差は見られるか?) <実行方法説明> http://mizumot.com/handbook/?page_id=144
36.
結果の見方・報告 p < .05(0.05以下) •
p < .05 であれば統計的に有意な差あり。 • p > .05 であれば統計的に有意な差なし。 • 書き方 t (90) = 0.09, p = .93
37.
正規性が仮定できない場合 2つのクラスの点数を比べるような (対応のない)場合 →マンホイットニーのU検定 同じ学習者がテストを2回受けたような (対応のある)場合 →ウィルコクスンの符号付順位和検定
38.
一番楽な方法 http://langtest.jp
39.
効果量 (effect size)
40.
p < .001 p
値は「差がない」確率
41.
p 値は「差がない」確率 5% p =
.03(3%) p < .05(0.05以下) 95% p < .05 であれば統計的に有意な差あり
42.
p < .05(0.05以下) 統計的に有意な差
43.
44.
45.
N = 400 p
= .46 (p < .05) たったの 2点差!
46.
効果量(Effect Size) • 統計的検定の問題点 -
サンプルサイズが影響。 - 有意差あり・なしのみの判断。 - p 値は実質的な差を示さない。
47.
• 効果量(Effect Size) -
サンプルサイズに影響されない。 - 効果の大小を示す。 - 実質的な差を確認できる。 • APA 6th では報告が「不可欠」
48.
M = 30 SD
= 10
49.
M = 30 SD
= 10 M = 32 SD = 10
50.
M = 30 SD
= 10 2/10 = 0.2 M = 32 SD = 10 d = 0.2 (効果量小)
51.
M = 30 SD
= 10 5/10 = 0.5 M = 35 SD = 10 d = 0.5 (効果量中)
52.
M = 30 SD
= 10 8/10 = 0.8 M = 38 SD = 10 d = 0.8 (効果量大)
53.
効果量 d =
0.2 効果量 d = 0.2
54.
http://www.mizumot.com/stats/effectsize.xls
55.
一番楽な方法 http://langtest.jp
56.
検定力分析(power analysis) - 本当に差がある場合に,有意差を検出する ことができる力。 -
サンプルサイズは大きすぎても,小さすぎ てもダメ。 - 検定力(power)を大きくし,できるだけ 小さなサンプルサイズで検定するために, 必要なサンプルサイズを見積もる方法。
57.
G*Power3
58.
推薦書籍
Baixar agora