統計関係の英語翻訳について

Gait velocity, while less powerful an indicator of gait instability than stride variability [3],
is commonly used to characterize dynamic gait kinematics.
Descriptive data (mean ± SD) across walking conditions were calculated.
Two 2 × 2 mixed model analyses of variance (ANOVAs) having one between-subjects factor
(group: younger and older subjects) and one within-subjects factor (condition: normal and dual task walking)
were conducted to analyze differences in mean gait velocity and variability in stride velocity (α = 0.05).
Post hoc t-tests with the Bonferroni-adjusted α were conducted when necessary to identify the comparisons
that were statistically significant.

って文章があるのですが、

一方でストライドの変動性よりも歩行の不安定性の指標として強力でない歩行速度は、通常、動的な運動学的歩行を特徴付けるために使われる。
歩行条件下において記述的なデータ(平均±標準偏差)が計算された
被験者間の要因(グループ:若者・高齢の被験者)と被験者内の要因(条件:通常と二重課題歩行)がある2×2の混合モデルの分散分析は
歩行速度の平均とストライド速度の変動性の違いの分析へ導く。
比較を確認する必要がある時、・・・統計学的に有意があると導かれた。


くらいしか訳せなくて、意味があまりつかめておりません。
もし分かる方おりましたら教えて下さい。

このQ&Aに関連する最新のQ&A

A 回答 (2件)

門外です。

回答者がいませんでしたので、参考にでもなればと思い挑戦してみました。

Gait velocity, while less powerful an indicator of gait instability than stride variability is commonly used to characterize dynamic gait kinematics.
歩行速度は、大したものであるとは言えないが、歩幅のバラ付き以上に歩行の不安定性を指標として、力学上の歩行運動学を特徴付けるために一般的に使われる。

Descriptive data (mean ± SD) across walking conditions were calculated.
歩行条件下において記述的なデータ(平均±標準偏差)が計算された

Two 2 × 2 mixed model analyses of variance (ANOVAs) having one between-subjects factor (group: younger and older subjects) and one within-subjects factor (condition: normal and dual task walking) were conducted to analyze differences in mean gait velocity and variability in stride velocity (α = 0.05).
二組を2×2とした混合モデルの分散分析は、1組の被験者間因子(グループ:若者と高齢の被験者)と、もう一組の被験者内(条件:通常と二重課題歩行)が、中間の歩行速度と歩幅速度におけるバラつき(α = 0.05)の 違いを分析するために実施された。

Post hoc t-tests with the Bonferroni-adjusted α were conducted when necessary to identify the comparisons that were statistically significant.
T-テストの事後で、満足に値する有意義な比較を特定しないといけない場合は、ボンフェローニの調整値αが導入された。
    • good
    • 0
この回答へのお礼

ありがとうございます!

お礼日時:2009/05/28 14:57

> Gait velocity, while less powerful an indicator of gait instability than stride variability [3], is commonly used to characterize dynamic gait kinematics.



Gait velocity is commonly used to characterize dynamic gait kinematics. が本文。ここに挿入句
while less powerful an indicator of gait instability than stride variability = while an indicator of gait instability is less powerful than stride variability がはさまっている格好。

歩行の不安定性を示す指標は歩幅の変動より弱い指標ではあるが、歩行速度は一般的に動的歩行運動を記述するために用いられる。

> Descriptive data (mean ± SD) across walking conditions were calculated.
様々な歩行条件においての、平均とばらつきを表す正規分布データが計算された。

*mean±SDが示そうとしているのは、母集団の平均とばらつきであり、この時データは正規分布していなければ意味が無い。なのでこういう訳にしてみました。ちょっと意訳です。

> Two 2 × 2 mixed model analyses of variance (ANOVAs) having one between-subjects factor (group: younger and older subjects) and one within-subjects factor (condition: normal and dual task walking) were conducted to analyze differences in mean gait velocity and variability in stride velocity (α => 0.05).

2X2混合モデルにおいて、被験者グループ間の変動(若年者と老年者ではどう違うか)と、被験者内の変動(同じ被験者でも通常歩行と二重課題歩行ではどう違うか)を示す分散分析を、平均歩行速度の違いと平均ストライド速度の違いを分析するために1回ずつ(計2回)行った。(危険率を5%とした)

*被験者グループ間の変動:これを「群間変動」と言う。
*被験者内の変動:これを「群内変動」と言う。
*そもそも分散分析という検定法は多群を比較して平均値に差があるかどうかを見るものである。その際、群間変動と郡内変動の比を検定するものなのである。
この文は「2X2混合モデルにおいて、歩行速度とストライド速度の分散分析を行った」と言えばすむ話なのにずいぶん余計なことを書いている。

> Post hoc t-tests with the Bonferroni-adjusted α were conducted when necessary to identify the comparisons that were statistically significant.

どの比較に有意差があるか特定する必要がある場合(どの群とどの群の間に有意差があるのか知りたい場合)は、ボンフェリーニ法により有意差水準αを補正した多重比較(ポストホックテスト)が行われた。

*ボンフェリーニ補正をした多重比較は、そういうときに行うものなので、これまた当たり前の事を書いているに過ぎない。

どっちにしても、統計における検定の意味を理解していないとなんだかわからないんじゃないか。
結局何が書いてあるかというと、
1.若年被験者と高齢の被験者を集めて
2.全員に、通常歩行と二重課題歩行という2種類の歩き方で歩いてもらい
3.歩行速度とストライド速度のデータを取った。
4.2X2混合モデル=4群(若者X普通、若者X二重、老人X普通、老人X二重)の正規分布データが得られた。
5.これを比較するために分散分析をしたよ。
6.どこに有意差があるか知るためにポストホックテストしたよ。
    • good
    • 0
この回答へのお礼

ありがとうございます!

お礼日時:2009/05/28 14:56

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


人気Q&Aランキング

おすすめ情報