OCN光で最大124,800円おトク!

大学院の学生です.研究の統計処理でフリードマン検定を用いることまでは理解し行ったのですが,有意差が出た場合二元配置と同じように多重比較分析を行ってもよろしいのでしょうか.教科書読んでも多重比較までなかなか載ってなくてわかりません.よろしくお願いいたします.

このQ&Aに関連する最新のQ&A

A 回答 (2件)

質問をされてから随分と時間が経っており,ひょっとすると質問者様はお忘れかもしれませんが……



代表値の差の検定を行う道具が,間隔尺度,順序尺度,名義尺度(カテゴリ数などに条件があり)にそれぞれ用意されております.
間隔尺度であれば,複数水準の代表値(平均値)の差を「全体的に」調べる道具が「分散分析」と呼ばれる統計法です.分散分析でわかるのは「全体的」であり,詳細な分析を行いたい場合には,平均値による多重比較という道具が必要になります.

以上の「分散分析→多重比較」という使用法は,研究領域によっては認められているものもあれば,併用をすべきではないという領域があります.これはその領域のルールを調べて下さい.確かに両者は別物の道具であり,同一データに対して使うのは「検定の多重性」という問題がありますが,この「検定の多重性」はよくよく考えてみるとかなり奥が深い問題なので,ひとまずはその領域のルールに従うことが実践的でしょう.

それはともかく.
順序尺度版にも「分散分析」や「(平均値の)多重比較」に相当する道具があります.分散分析に相当する道具は,対応なしの場合はクラスカル・ウォリス検定,対応ありの場合はフリードマン検定です.

さて,順序尺度版多重比較を行う場合は,対比較の二水準データに対してクラスカル・ウォリス検定(二水準ではマン・ホイトニー検定)なりフリードマン検定(二水準では符号検定)を行うことになりますが,ここで得られた統計量及び確率が重要となります.

さて,フリードマン検定の下位検定として多重比較を行う場合にはどうすればよいでしょうか? 例えば,a1,a2,a3であれば,(a1,a2),(a1,a3),(a2,a3)のペアデータに対して符号検定を行い,「符号検定の統計量及び確率」を求めます.

Bonferroni法を行うのであれば,比較ペアが「3」なので,全体の有意水準を「0.05」とすれば,「0.05÷3」を「調整された有意水準(名義水準)」を各ペアの有意性検定で使います.

あるいは,Scheffe法を使いたいのであれば,得られた「統計量」を「変数の数-1」で割り,その「新統計量」を自由度(変数の数-1,∞)のF分布を使って検定を行います.ただし,χ2分布を使う場合には,上記の方法ではなく,「変数の数-1」で【割らない】本来の「統計量」を,自由度「変数の数-1」のχ2分布を使って下さい.

また,Steel-Dwass法(間隔尺度データにおけるTukey HSD法に相当)の場合は,「Student化された範囲Q分布の表」を使います.この表にはステップ数,自由度という二つの数値が重要となりますが,ステップ数は「変数の数」,自由度は「∞」として表を利用して下さい.ここで得られた棄却臨界値と統計量を比べて,統計量>棄却値となったペアを有意差ありと判断します.

他にも多くの計算法がありますが,ここで解説するには面倒なので,多重比較の専門書を参考にして下さい.
    • good
    • 1
この回答へのお礼

丁寧に教えていただきありがとうございました!勉強します!

お礼日時:2005/09/30 16:07

> 二元配置と同じように多重比較分析を行ってもよろしいのでしょうか.



一般に多重比較という場合は 1 因子多群の比較になると思いますので、二元配置→多重比較というふうにはならないように思いますが…。それに、Fisher の protected LSD 法や Scheffe の方法のようにそれ自身に分散分析の手続きが含まれる場合を除き、分散分析と多重比較は全く別の方法ですので、分散分析→多重比較という考えはそもそも誤っています(そこで既に検定の多重性が生じます)。群間の差をみたいなら初めから多重比較を行ってください。

多重比較をなさりたいなら、Friedman 検定云々とは関わらず、なさって構わないと思います。ただ、Friedman 検定をなさったということはパラメトリック検定が適切ではないと判断されてのことかと思いますので、多重比較もノンパラメトリックな方法でないと分析の整合性がとれませんね。しかしノンパラメトリックな多重比較となると結構厄介なことになると思いますので、少々保守的になるのを覚悟の上でノンパラで対比較をして Bonferroni の方法を使うのが現実的かと思いますが…。
    • good
    • 5
この回答へのお礼

ありがとうございます.ノンパラの多重比較はソフトもなく(あるのでしょうか)難しそうです.また,ボンフェロー二はわかるのですが,ノンパラの対比較はどのようにすればよいのでしょうか.よろしくおねがいいたします.

お礼日時:2005/09/01 09:06

このQ&Aに関連する人気のQ&A

お探しのQ&Aが見つからない時は、教えて!gooで質問しましょう!

このQ&Aを見た人はこんなQ&Aも見ています

このQ&Aを見た人が検索しているワード

このQ&Aと関連する良く見られている質問

Qエクセル STDEVとSTDEVPの違い

エクセルの統計関数で標準偏差を求める時、STDEVとSTDEVPがあります。両者の違いが良くわかりません。
宜しかったら、恐縮ですが、以下の具体例で、『噛み砕いて』教えて下さい。
(例)
セルA1~A13に1~13の数字を入力、平均値=7、STDEVでは3.89444、STDEVPでは3.741657となります。
また、平均値7と各数字の差を取り、それを2乗し、総和を取る(182)、これをデータの個数13で割る(14)、この平方根を取ると3.741657となります。
では、STDEVとSTDEVPの違いは何なのでしょうか?統計のことは疎く、お手数ですが、サルにもわかるようご教授頂きたく、お願い致します。

Aベストアンサー

データが母集団そのものからとったか、標本データかで違います。また母集団そのものだったとしても(例えばクラス全員というような)、その背景にさらならる母集団(例えば学年全体)を想定して比較するような時もありますので、その場合は標本となります。
で標本データの時はSTDEVを使って、母集団の時はSTDEVPをつかうことになります。
公式の違いは分母がn-1(STDEV)かn(STDEVP)かの違いしかありません。まぁ感覚的に理解するなら、分母がn-1になるということはそれだけ結果が大きくなるわけで、つまりそれだけのりしろを多くもって推測に当たるというようなことになります。
AとBの違いがあるかないかという推測をする時、通常は標本同士の検証になるわけですので、偏差を余裕をもってわざとちょっと大きめに見るということで、それだけ確証の度合いを上げるというわけです。

Q統計結果の表記方法をご指導ください。

こんにちは。以前ご指導いただき1歩前に進むことが出来ました。ありがとうございました。たまよろしくお願い致します。
育児支援のスタッフをしております。母親を対象にした,あるアンケート結果を,5因子それぞれで,ネット上のフリーソフトを使用させていただき,『分散分析+シェフェの多重比較』を行いました。
ここからが質問ですが,内1つの因子で,バートレット検定の出力が,P=0.0123でしたので,等分散ではないということは,この因子に関しては,分散分析は使用できないということでクラスカル・ウォリス検定をすべきなのか?と思い,この因子に関してだけクラスカル・ウォリス検定を行いました。これにより,P=0.191を求め,有意な主効果がみられないということで,多重比較の必要もないと思いました。この一連の考え方で,よろしいのでしょうか?
 もし,上記の手続きでよい場合に,文章なり,表なりは,どのように,検定の混在を表現すればよいのでしょうか?私が見た限りの文献では,数個の因子の「分散分析,そして,多重比較」が,すっきりと,一つのまとまった表に表されております。
わかりにくい表現もあるかと思いますが,ご指導よろしくお願い致します。

こんにちは。以前ご指導いただき1歩前に進むことが出来ました。ありがとうございました。たまよろしくお願い致します。
育児支援のスタッフをしております。母親を対象にした,あるアンケート結果を,5因子それぞれで,ネット上のフリーソフトを使用させていただき,『分散分析+シェフェの多重比較』を行いました。
ここからが質問ですが,内1つの因子で,バートレット検定の出力が,P=0.0123でしたので,等分散ではないということは,この因子に関しては,分散分析は使用できないということでクラスカル・ウ...続きを読む

Aベストアンサー

 あまり詳しくないのですが、お答えできる範囲でお答えいたします。

 まず、「5因子で分散分析+シェフェの多重比較」というのは、5因子それぞれの得点を従属変数として分散分析を行った、と言うことを意味しているのでしょうか?そして、別のカテゴリ変数を独立変数とした分散分析をし、独立変数のカテゴリ間で多重比較を行った、と言う風に解釈してよろしいのでしょうか?
 上記に解釈でよい、と言うことにしてお話しますが、「等分散の検定」をし、等分散性が認められない場合、通常の分散分析を回避すると言うのは一つの手だと思います。そして、その代わりにノンパラメトリックのクラスカル・ウォリスの検定を行うのも、一つの手だと思います。さらに、クラスカル・ウォリス検定の結果、有意差が見られないのであれば、多重検定も行わなくて良いでしょう。
 次に表記の仕方の問題ですが、平均値やSD、統計量(F値やカイ二乗値など)と自由度、危険率など、分析の内容を知るのに必要な情報が、それぞれの分析ごとにちゃんと表記できていれば、どのような書き方でも大丈夫です。分散分析とクラスカル・ウォリス検定の混在については、なぜクラスカル・ウォリス検定をする必要があったのか、等分散の検定の結果を交えて説明すれば良いでしょう。
 はっきり言ってしまうと、オーソドックスなフォーマットと言うものはありますが、こうしなければならないという決まったフォーマットがあるわけではないので、必要な情報さえ落とさなければ、どんな書き方をしても良いのです。過去の論文などを参考に、自分で「読みやすい」「美しい」と思える論文の真似をすればよいのではないでしょうか。

 あまり詳しくないのですが、お答えできる範囲でお答えいたします。

 まず、「5因子で分散分析+シェフェの多重比較」というのは、5因子それぞれの得点を従属変数として分散分析を行った、と言うことを意味しているのでしょうか?そして、別のカテゴリ変数を独立変数とした分散分析をし、独立変数のカテゴリ間で多重比較を行った、と言う風に解釈してよろしいのでしょうか?
 上記に解釈でよい、と言うことにしてお話しますが、「等分散の検定」をし、等分散性が認められない場合、通常の分散分析を回避...続きを読む

Q3群の対応のある検定についてお願いします。

3群の対応のある検定についてお願いします。

3つの薬の差を、同一対象で調べています。
文献では多重検定ではなく、
まず3群間で比較し、差があるものだけ各群間で比較を行っているようです。色々調べて、

・間隔(血圧値・正規分布)→3群(one-way ANOVA)→2群間(paired-t)
・順序(副作用程度1.2.3段階)→3群(フリードマン検定)→2群間(ウィルコクソンの符号付順位検定)
・名義(副作用あり・なし)→3群(コクランのQ検定)→2群間(マクネマー検定)

と考えたのですが、文献で対応あるなしにかかわらず、
Wilcoxon順位和検定やCochran-Mantel-Haenszel検定、ビアソンχ二乗, Fisher exact testなどが使われていて自信がなくなりました。

上の方法でよいか、アドバイスお願いします。

Aベストアンサー

こんばんわ。

>間隔尺度でもフリードマン、ウィルコクソンが望ましいのは、
>正規性・等分散性が仮定できない時と考えて良いでしょうか。
そうですね。しかし厳密には上記のノンパラの検定は位置が異なるかを検討するものですので、本質的な不等分散は望ましくありません。外れ値に起因する数値上の不等分散なら問題ありませんが。対応のあるデータでそれほど不等分散になることもないかもしれませんね。そもそも本質的に不等分散なデータを比較していいのかという考え方もあります。

>あと、マクネマー検定で4以下の項目があるのですが、
>カイ二乗の時のFisherのように、二項検定などに変更する必要があるのでしょうか。
そうですねぇ。。各セルがいくら以下ならばexactな検定をしなければいけないという明確な基準はないかもしれませんが、二項検定のほうが無難かも知れませんね。二項検定のほうが保守的でしょうからクレームをつけられることはないと思います。

Q母平均の検定と推定・・・対応の「ある」「なし」の使い分け

母平均の推定や検定において、対応の「ある」場合と「ない」場合の使い分けが分かりません。
たとえば、ある製品の部位Aと部位Bの厚みを比べるような場合は、対応が「ある」のだと思いますが、同じ部位をメーカーの異なる2つの装置でそれぞれ測定した場合、対応は「ある」のでしょうか?「ない」のでしょうか?

Aベストアンサー

「対応のある」方法は、個々のデータに比べたい相手がはっきり決まって
いるときに使います。これは、対になったデータの差を1系列のデータと
みなして、その平均がゼロであるかどうかを検定しているのです。この方法
が使えるかどうかは、データを対にすることの「もっともらしさ」で決まり
ます。

例えば、あるダイエット法に効果があるかどうか調べるときに、20人の
人間にそのダイエット法をやってもらい、前後の体重を量るとします。
このとき、同じ人間の前後の体重差を1つのデータとして扱うことは非常に
もっともらしいでしょう。このようなとき「対応のある」検定方法を使い
ます。

「対応のない」方法は、2つのデータ系列をA、Bと呼ぶと、A全体の
平均値とB全体の平均値が同じといえるかどうかの検定です。上の
ダイエットの例をこの方法で検定することは間違いではありませんが、
ダイエット効果による体重差が、20人の体重のバラツキの中に埋もれて
しまって、検出しずらくなります。


>同じ部位をメーカーの異なる2つの装置でそれぞれ測定した場合

これは2つの測定装置の差を見たいわけですよね。全く同じ物を測った
結果を比較するのが最もいいでしょうから、「同じ物の同じ部位」を
測定したデータを対にするのはもっともらしいと言えるのではないで
しょうか。すなわち、「対応のある」方法がよさそうです。


>ある製品の部位Aと部位Bの厚みを比べるような場合は

これは、「同一物」の部位Aと部位Bが同じ厚さになっていて欲しいと
いう要件があれば、「対応のある」方法がふさわしいでしょう。いや、
そこまでは求めない、製品群全体として部位Aの平均と部位Bの平均
が同じになれば構わない、程度ならば「対応のない」方法でも差し支え
ないでしょう。

edogawaranpo さんがお書きになったように、データを取るときから
「対応」を意識しなければなりません。どれとどれが対応するか分から
なくなってしまったら、「対応のない」方法を使うしかありません。

「対応のある」方法は、個々のデータに比べたい相手がはっきり決まって
いるときに使います。これは、対になったデータの差を1系列のデータと
みなして、その平均がゼロであるかどうかを検定しているのです。この方法
が使えるかどうかは、データを対にすることの「もっともらしさ」で決まり
ます。

例えば、あるダイエット法に効果があるかどうか調べるときに、20人の
人間にそのダイエット法をやってもらい、前後の体重を量るとします。
このとき、同じ人間の前後の体重差を1つのデータとして扱う...続きを読む

Q相関係数についてくるP値とは何ですか?

相関係数についてくるP値の意味がわかりません。

r=0.90 (P<0.001)

P=0.05で相関がない

という表現は何を意味しているのでしょうか?
またMS Excelを使ってのP値の計算方法を教えてください。

よろしくお願い致します。

Aベストアンサー

pは確率(probability)のpです。全く相関のない数字を組み合わせたときにそのr値が出る確率をあらわしています。

統計・確率には100%言い切れることはまずありません。というか100%言い切れるのなら統計・確率を使う必要は有りません。
例えばサイコロを5回振って全て同じ目が出る確率は0.08%です。そんな時、そのサイコロを不良品(イカサマ?)と結論つけるとわずかに間違っている可能性が残っています。ただ、それが5%以下ならp=0.05でそのサイコロは正常ではないと結論付けます。
それが危険率です。(この場合はp=0.1%でもいいと思いますが)
相関係数においても相関の有無を結論つけるにはそのrが偶然出る確率を出すか、5%の確率ならrがどれぐらいの値が出るかを知っておく必要が有ります。

>r=0.90 (P<0.001)

相関係数は0.90と計算された。相関がないのに偶然r=0.90 となる確率は0.001以下だと言ってます。

>P=0.05で相関がない

相関がないと結論。(間違っている確率は5%以下)だと言ってます。

エクセルでの計算ですが、まず関数CORRELを使ってr値を出します。xデータがA1からA10に、yデータがB1からB10に入っているとして

r=CORREL(A1:A10,B1:B10)

次にそのr値をt値に変換します。

t=r*(n-2)^0.5/(1-r^2)^0.5

ここでnは組みデータの数です。((x1,y1),(x2,y2),・・・(xn,yn))
最後に関数TDISTで確率に変換します。両側です。

p=TDIST(t値,n-2,2)

もっと簡単な方法があるかも知れませんが、私ならこう計算します。(アドインの分析ツールを使う以外は)

pは確率(probability)のpです。全く相関のない数字を組み合わせたときにそのr値が出る確率をあらわしています。

統計・確率には100%言い切れることはまずありません。というか100%言い切れるのなら統計・確率を使う必要は有りません。
例えばサイコロを5回振って全て同じ目が出る確率は0.08%です。そんな時、そのサイコロを不良品(イカサマ?)と結論つけるとわずかに間違っている可能性が残っています。ただ、それが5%以下ならp=0.05でそのサイコロは正常ではないと結論付けます。
それが危険率です。(この場...続きを読む

Qカイ2乗検定って何??;;

タイトルのとおりですが…大学で統計の基礎な授業を一般教養で受けています。だけど知らない&説明のない言葉がいっぱぃで、全くついていけません(>_<))
「人が一番選ばなさそうな数字」を何度か投票した結果があって、その数字は無作為に選ばれてるかどうか、有意水準1%としてカイ2乗検定をして判断する、という問題があるのですが、カイ2乗検定自体、授業でちらっと言葉は使ったものの、計算の仕方、使い方の説明等はなく、まったく手がつかずにいます;;ネットでも調べてみましたが、どう使っていいのかまでは分かりませんでした。
知識の無い私でもわかるようなものがあれば教えて下さいっっ!お願いします。

Aベストアンサー

こんにちは.χ2(カイ二乗)検定を厳密に理解するには,数学的素養を持っている状態できっちりと統計学を学習する必要があるのですが,統計データを解析するための手段として統計学を「使う」のであれば,多少の原理を知っておけばよいでしょう.
以下初学者向けにかなり乱暴な説明をしています.正確な理解をしたければ,後で統計学の教科書などで独学して下さい.

χ2検定とは,χ2分布という確率分布を使ったデータ解析法と考えてもらう……のが一番なのですが,多分χ2分布って何? と思われるでしょう.χ2分布とは,二乗値に関する確率分布と考えることができるのですが,この辺もさらりと流して下さい.

例を使って説明します.今,道行く人にA,B,C,Dの四枚のカードの中から好きなもの一枚を選んでもらうとしましょう(ただし,選んでもらうだけで,あげるわけではありません.単にどのカードを選択仕方の情報を得るだけです).一人一枚だけの条件で,160人にカードを選んでもらいました.
さて,ここで考えてみて下さい.4枚のカードには大きな違いはなく,どれを選んでもかまわない.でたらめに選ぶとなれば,どのカードも1/4で,同じ確率で,選ばれるはずですよね? ならば,160人データならば,Aは何枚ほど選ばれる「はず」でしょうか? 同様に,B,C,Dは何枚選ばれる「はず」でしょうか?
……当然,A=B=C=D=40枚の「はず」ですよね? この40枚という数値はでたらめに(無作為に)選ばれたとしたらどんな数値になるかの【理論値】を意味します.

さて,上記はあくまでも理論値であり,実際のデータは異なる可能性があります.というよりはむしろ違っているのがふつうでしょう.そのような実際に観測された数値を【観測値】と呼びます.
仮に理論値と観測値が以下のようになったとします.

        A    B    C    D
(1)観測値   72   23   16   49
(2)理論値   40   40   40   40

当然のように観測値と理論値にズレが生じています.しかし現実と理論が異なるのはある意味当然なのですからぴったり一致することなどありえません.そこで,「ある程度一致しているか(ズレは許容範囲か)」を問題にすることになります.しかし,「ある程度」といわれても一体どのぐらいであれば「ある程度」と言えるのでしょうか? なかなか判断が難しいではないですか?
確かに判断が難しいです.そこで,この判断のために統計学の力を借りて判断するわけで,更に言えばこのような目的(理論値と観測値のズレが許容範囲かどうか)を検討するときに使われるデータ解析法がχ2検定なのです.

        A    B    C    D
(1)観測値   72   23   16   49
(2)理論値   40   40   40   40
(3)ズレ    +32   -17   -14   + 9
(4)ズレ二乗 1024   289   196   81
(5)(4)÷(2) 25.6  7.225  4.9  2.025

 χ2=25.6+7.225+4.9+2.025=49.25

計算過程をさらりと書いていますが,早い話が観測値と理論値のズレの大きさはいくらになるのか,を求めることになります.最終的には「49.25」というズレ値が算出されました.

さて,この「49.25」というズレ値が許容範囲かどうかの判定をするのですが,ここで,χ2分布という確率分布を使うことになります.詳細は統計学教科書を参考してもらうとして,χ2分布を使うと,○○というズレ値が(ある条件では)どのぐらい珍しいことなのか,という「珍しさの確率」を教えてくれます.
かりに「有意水準1%=1%よりも小さい確率で発生することはすごく珍しいと考える(許容範囲と考えられない)」とすれば,「珍しさ確率」が1%以内であれば「許容範囲ではない」と判断します.

以上,長々と書きました.今までの説明を読めばわかるように,χ2検定とはある理論値を想定した時,実際の観測値がその理論値とほぼ一致しているかどうかを調べるための統計解析法のことです.

χ2検定では,理論値をどのように設定するかは分析者の自由です.その設定の仕方で,χ2検定は「適合度の検定」や「独立性の検定」など異なる名称が付与されますが,本質は同じなのです.

質問者さんの場合は

> 「人が一番選ばなさそうな数字」を何度か投票した結果があって、その数字は無作為に選ばれてるかどうか、

これを理論値としてうまく設定することが鍵となるでしょう.

こんにちは.χ2(カイ二乗)検定を厳密に理解するには,数学的素養を持っている状態できっちりと統計学を学習する必要があるのですが,統計データを解析するための手段として統計学を「使う」のであれば,多少の原理を知っておけばよいでしょう.
以下初学者向けにかなり乱暴な説明をしています.正確な理解をしたければ,後で統計学の教科書などで独学して下さい.

χ2検定とは,χ2分布という確率分布を使ったデータ解析法と考えてもらう……のが一番なのですが,多分χ2分布って何? と思われるでしょう.χ2分布...続きを読む

QT検定とMann-WhitneyのU検定の使い分け

ある2郡間の平均値において、統計的に有意な差があるかどうか検定したいです。ちなみに、対応のない2郡間での検定です。

T検定を行うには、ある程度のサンプル数(20以上程度?)があった方が良く、サンプル数が少ない場合には、Mann-WhitneyのU検定を行うのが良いと聞いたのですが、それは正しいのでしょうか?
また、それが正しい場合には実際にどの程度のサンプル数しかない時にはMann-WhitneyのU検定を行った方がよろしいのでしょうか?
例えば、サンプル数が10未満の場合はどうしたらよろしいのでしょうか?

また、T検定を使用するためには、正規分布に従っている必要があるとのことですが、毎回正規分布に従っているか検定する必要があるということでしょうか?その場合には、コルモゴルフ・スミノルフ検定というものでよろしいのでしょうか?

それから、ノンパラメトリックな方法として、Wilcoxonの符号化順位検定というものもあると思いますが、これも使う候補に入るのでしょうか。

統計についてかなり無知です、よろしくお願いします。

Aベストアンサー

結局ですね、適切な検定というのは適切なp値が得られるということなんですよ。適切なp値というのは第1種の過誤と第2種の過誤をなるべく低くするようにする方法を選ぶということなのですね。

従来どおりの教科書には「事前検定をし、正規性と等分散性を仮定できたら、、、」と書いていありますが、そもそも事前検定をする必要はないというのが例のページの話なのです。どちらが正しいかというと、どちらも正しいのです。だから、ある研究者はマンホイットニーのU検定を行うべきだというかもしれませんし、私のようにいかなる場合においてもウェルチの検定を行う方がよいという者もいるということです。

ややこしく感じるかもしれませんが、もっと参考書を色々と読んで分析をしていくうちにこういった内容もしっくり来るようになると思います。

Q順位法による解析

学校の課題で、こんな実験をしました。

4種類の果物(りんご、みかん、いちご、桃)を挙げ、好きな順に順位をつけてもらう、というアンケートを作りました。
それを40人の人に答えてもらいました。

このアンケートで、果物の総合順位と果物間の差を解析したいのですが、適した方法はないでしょうか。

今のところ、順位を得点化(1位に4点、2位に3点・・・)して加算した総得点を出すことや、平均を取る、といったことを考えています。
また、検定は得点化した後に一元配置分散分析を行おうと思っています。

他にもっと適した解析、検定法があれば教えてください。お願いします m(__)m

Aベストアンサー

こんにちは.
ある品目に順位をつけてもらったデータに対する解析法に,分散分析よりももっと適した方法があります.
<フリードマンの検定>です.順位得点(順序尺度データ)を対象とした,いわゆる一元配置(対応あり)分散分析に相当します.

詳しくは,下記サイトを参照してください.

参考URL:http://aoki2.si.gunma-u.ac.jp/lecture/TwoWayANOVA/friedman.html

Qデータが正規分布しているか判断するには???

初歩的なことですが。。急いでいます。
おわかりになる方 教えてください。
サンプリングしたデータが正規分布しているかどうかを確認するにはどうすればよろしいでしょうか。
素人でも分かるように説明したいのですが。。
定性的にはヒストグラムを作り視覚的に訴える方法があると思います。今回は定量的に判断する方法を知りたいです。宜しくお願いします。

Aベストアンサー

>機械的に処理してみるとできました。
>でも理屈を理解できていません。
 とりあえず、理屈は後で勉強するとして、有意水準5%で有意差あり(有意確率が0.05以下)であれば、正規分布ではないと結論づけてお終いでいいのではないですか。
>この検定をもっと初心者でもわかりやすく解説しているサイト等ご存じありませんか。
 私が知っている限りでは、紹介したURLのサイトが最も丁寧でわかりやすいサイトでした。
>データの区間を分けるときのルール等ありますでしょうか。
 ヒストグラムを作成する場合、区間距離、度数区分数は、正規的なグラフになるように試行錯誤で行うことが多い(区間距離や度数区分数を本来の分布に則するようにいろいろ当てはめて解釈する。データ個数の不足や、データの取り方、または見かけ上の分布によりデータのばらつきが正しく反映されて見えないことがあるため)のですが、度数区分数は、機械的に、
=ROUNDUP(1+LOG10(データ個数)/LOG10(2),0):エクセル計算式
で区分数を求める方法があります。
 また、区間距離は、=ROUND((データの最高値-最低値)/(度数区分数値-1),有効桁数)で求め、区分の左端は、
=ROUNDUP(データの最低値-区間距離/2,有効桁数)
右端は=ROUNDUP(データの最高値+区間距離/2,有効桁数)
とします。
 区間がと度数区分数が出たら、その範囲にあるデータ数を数えて、ヒストグラムができます。
 
>最小側、最大側は 最小値、最大値を含んだ値としなければならないのでしょうか。
 ヒストグラム作成の処理に関しては、上記を参考にしてください。
 その前に、データの最小値と最大値が、正しくとれたデータか検討するため、棄却検定で外れ値が存在するか否かを検定し、外れ値が存在しないと結論づけられたら、正規分布の検定を行ってみてください。もし外れ値が存在する可能性があれば、そもそも、そのデータの信頼性が失われます。サンプリング手法の再検討(データの取り方に偏りがなかったか、無作為に設定してデータを取っていたか等)をして、再度データを得る必要があります。また、そもそも検定する以前に、データ数が少ないと判断が付かなくなってしまいますので、データ数は十分揃える(少なくとも20~30個)必要もあります。

>機械的に処理してみるとできました。
>でも理屈を理解できていません。
 とりあえず、理屈は後で勉強するとして、有意水準5%で有意差あり(有意確率が0.05以下)であれば、正規分布ではないと結論づけてお終いでいいのではないですか。
>この検定をもっと初心者でもわかりやすく解説しているサイト等ご存じありませんか。
 私が知っている限りでは、紹介したURLのサイトが最も丁寧でわかりやすいサイトでした。
>データの区間を分けるときのルール等ありますでしょうか。
 ヒストグラムを作成する場合、区...続きを読む

Q統計学的に信頼できるサンプル数って?

統計の「と」の字も理解していない者ですが、
よく「統計学的に信頼できるサンプル数」っていいますよね。

あれって「この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる」という決まりがあるものなのでしょうか?
また、その標本数はどのように算定され、どのような評価基準をもって客観的に信頼できると判断できるのでしょうか?
たとえば、99人の専門家が信頼できると言い、1人がまだこの数では信頼できないと言った場合は信頼できるサンプル数と言えるのでしょうか?

わかりやすく教えていただけると幸いです。

Aベストアンサー

> この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる・・・
 調べたいどの集団でも、ある一定数以上なら信頼できるというような決まりはありません。
 何かサンプルを集め、それをなんかの傾向があるかどうかという仮説を検証するために統計学的検定を行って、仮設が否定されるかされないかを調べる中で、どの検定方法を使うかで、最低限必要なサンプル数というのはあります。また、集めたサンプルを何か基準とすべき別のサンプルと比べる検定して、基準のサンプルと統計上差を出すに必要なサンプル数は、比べる検定手法により計算できるものもあります。
 最低限必要なサンプル数ということでは、例えば、ある集団から、ある条件で抽出したサンプルと、条件付けをしないで抽出したサンプル(比べるための基準となるサンプル)を比較するときに、そのサンプルの分布が正規分布(正規分布解説:身長を5cmきざみでグループ分けし、低いグループから順に並べたときに、日本人男子の身長なら170cm前後のグループの人数が最も多く、それよりも高い人のグループと低い人のグループの人数は、170cmのグループから離れるほど人数が減ってくるような集団の分布様式)でない分布形態で、しかし分布の形は双方とも同じような場合「Wilcoxon符号順位検定」という検定手法で検定することができますが、この検定手法は、サンプルデータに同じ値を含まずに最低6つのサンプル数が必要になります。それ以下では、いくらデータに差があるように見えても検定で差を検出できません。
 また、統計上差を出すのに必要なサンプル数の例では、A国とB国のそれぞれの成人男子の身長サンプルがともに正規分布、または正規分布と仮定した場合に「t検定」という検定手法で検定することができますが、このときにはその分布を差がないのにあると間違える確率と、差があるのにないと間違える確率の許容値を自分で決めた上で、そのサンプルの分布の値のばらつき具合から、計算して求めることができます。ただし、その計算は、現実に集めたそれぞれのサンプル間で生じた平均値の差や分布のばらつき具合(分散値)、どのくらいの程度で判定を間違える可能性がどこまで許されるかなどの条件から、サンプル間で差があると認められるために必要なサンプル数ですから、まったく同じデータを集めた場合でない限り、計算上算出された(差を出すために)必要なサンプル数だけサンプルデータを集めれば、差があると判定されます(すなわち、サンプルを無制限に集めることができれば、だいたい差が出るという判定となる)。よって、集めるサンプルの種類により、計算上出された(差を出すために)必要なサンプル数が現実的に妥当なものか、そうでないのかを、最終的には人間が判断することになります。

 具体的に例示してみましょう。
 ある集団からランダムに集めたデータが15,12,18,12,22,13,21,12,17,15,19、もう一方のデータが22,21,25,24,24,18,18,26,21,27,25としましょう。一見すると後者のほうが値が大きく、前者と差があるように見えます。そこで、差を検定するために、t検定を行います。結果として計算上差があり、前者と後者は計算上差がないのにあると間違えて判断する可能性の許容値(有意確率)何%の確率で差があるといえます。常識的に考えても、これだけのサンプル数で差があると計算されたのだから、差があると判断しても差し支えないだろうと判断できます。
 ちなみにこの場合の差が出るための必要サンプル数は、有意確率5%、検出力0.8とした場合に5.7299、つまりそれぞれの集団で6つ以上サンプルを集めれば、差を出せるのです。一方、サンプルが、15,12,18,12,21,20,21,25,24,19の集団と、22,21125,24,24,15,12,18,12,22の集団ではどうでしょう。有意確率5%で差があるとはいえない結果になります。この場合に、このサンプルの分布様式で拾い出して差を出すために必要なサンプル数は551.33となり、552個もサンプルを抽出しないと差が出ないことになります。この計算上の必要サンプル数がこのくらい調査しないといけないものならば、必要サンプル数以上のサンプルを集めて調べなければなりませんし、これだけの数を集める必要がない、もしくは集めることが困難な場合は差があるとはいえないという判断をすることになるかと思います。

 一方、支持率調査や視聴率調査などの場合、比べるべき基準の対象がありません。その場合は、サンプル数が少ないレベルで予備調査を行い、さらにもう少しサンプル数を増やして予備調査を行いを何回か繰り返し、それぞれの調査でサンプルの分布形やその他検討するべき指数を計算し、これ以上集計をとってもデータのばらつきや変化が許容範囲(小数点何桁レベルの誤差)に納まるようなサンプル数を算出していると考えます。テレビ視聴率調査は関東では300件のサンプル数程度と聞いていますが、調査会社ではサンプルのとり方がなるべく関東在住の家庭構成と年齢層、性別などの割合が同じになるように、また、サンプルをとる地域の人口分布が同じ割合になるようにサンプル抽出条件を整えた上で、ランダムに抽出しているため、数千万人いる関東の本当の視聴率を割合反映して出しているそうです。これはすでに必要サンプル数の割り出し方がノウハウとして知られていますが、未知の調査項目では必要サンプル数を導き出すためには試行錯誤で適切と判断できる数をひたすら調査するしかないかと思います。

> どのような評価基準をもって客観的に信頼できると判断・・・
 例えば、工場で作られるネジの直径などは、まったくばらつきなくぴったり想定した直径のネジを作ることはきわめて困難です。多少の大きさのばらつきが生じてしまいます。1mm違っても規格外品となります。工場では企画外品をなるべく出さないように、統計を取って、ネジの直径のばらつき具合を調べ、製造工程をチェックして、不良品の出る確率を下げようとします。しかし、製品をすべて調べるわけにはいきません。そこで、調べるのに最低限必要なサンプル数を調査と計算を重ねてチェックしていきます。
 一方、農場で生産されたネギの直径は、1mmくらいの差ならほぼ同じロットとして扱われます。また、農産物は年や品種の違いにより生育に差が出やすく、そもそも規格はネジに比べて相当ばらつき具合の許容範囲が広くなっています。ネジに対してネギのような検査を行っていたのでは信頼性が損なわれます。
 そもそも、統計学的検定は客観的判断基準の一指針ではあっても絶対的な評価になりません。あくまでも最終的に判断するのは人間であって、それも、サンプルの質や検証する精度によって、必要サンプルは変わるのです。

 あと、お礼の欄にあった専門家:統計学者とありましたが、統計学者が指摘できるのはあくまでもそのサンプルに対して適切な検定を使って正しい計算を行ったかだけで、たとえ適切な検定手法で導き出された結果であっても、それが妥当か否か判断することは難しいと思います。そのサンプルが、何を示し、何を解き明かし、何に利用されるかで信頼度は変化するからです。
 ただ、経験則上指標的なものはあります。正規分布を示すサンプルなら、20~30のサンプル数があれば検定上差し支えない(それ以下でも問題ない場合もある)とか、正規分布でないサンプルは最低6~8のサンプル数が必要とか、厳密さを要求される調査であれば50くらいのサンプル数が必要であろうとかです。でも、あくまでも指標です。

> この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる・・・
 調べたいどの集団でも、ある一定数以上なら信頼できるというような決まりはありません。
 何かサンプルを集め、それをなんかの傾向があるかどうかという仮説を検証するために統計学的検定を行って、仮設が否定されるかされないかを調べる中で、どの検定方法を使うかで、最低限必要なサンプル数というのはあります。また、集めたサンプルを何か基準とすべき別のサンプルと比べる検定して、基準のサンプルと統計上差を出すに必要な...続きを読む


このQ&Aを見た人がよく見るQ&A

人気Q&Aランキング