No.03362 Re: 適切な統計手法とは 【波音】 2007/05/13(Sun) 10:00
> AとBは,相関があるのか?この場合の統計手法は?
相関係数を出して,それを検定する。
> 4通りのうち,どの方法が有意に(1番)効果的であったか?この場合の統計手法は?
分散分析をして,どの方法間に差が認められるかを主張したいのなら多重比較を行う。
という手段でよいと思います。
No.03363 Re: 適切な統計手法とは 【青木繁伸】 2007/05/13(Sun) 21:51
分析結果を適切に表現することができるのも重要なこと
あなたの分析結果は以下のように表現できるのですか
就労 非就労 合計
因子A ○○ ○○ ○○
因子B ○○ ○○ ○○
合計 17 19 36
○○の部分の数値が分からないのですが?
○まるが埋まれば,比率の差の検定でも,独立性の検定でも(どっちでも同じ結果になる)
同じく,「36人に4通りの方法で就労援助を行った」上の例にならって,まず表にしてみればいかが?
分析法は,全体(4通りの方法)で差が歩かないかは独立性の検定。
そのうちのどこに違いがあるかは多重比較。
No.03365 青木 先生 【カズ】 2007/05/13(Sun) 22:44
ありがとうございます。就労 非就労 合計アドバイスに従い,表にしてみました。よろしくお願いします。
因子B○ 13 2 15
× 4 17 21
合計 17 19 36
因子A○ 9 3 12
× 8 16 24
合計 17 19 36
就労 非就労
?の方法 9 2 ・・・ 因子A○因子B○
?の方法 0 1 ・・・ 因子A○因子B×
?の方法 4 0 ・・・ 因子A×因子B○
?の方法 4 16 ・・・ 因子A×因子B×
合計 17 19 36
No.03366 Re: 適切な統計手法とは 【青木繁伸】 2007/05/13(Sun) 23:00
No.3365 の最初の二表は因子のあるなしについての集計表ですね。
2×2分割表の独立性の検定(比率の差の検定)でよいでしょう。
3番目は二因子の有無を組み合わせたものですが,この形での独立性の検定はお勧めできませんね。多変量解析をする方が良いでしょう。\2つの独立変数を用いてのロジスティック回帰分析をするとよいでしょうね。
単変量解析の結果を積み重ねても多変量解析にはなりません。
かといって,単変量解析をする必要性・意味がないとはいえません。
No.03371 青木繁伸 先生 【カズ】 2007/05/14(Mon) 21:11
カイ2乗検定 因子A
値 自由度 漸近有意確率 (両側) 正確有意確率 (両側) 正確有意確率 (片側)
Pearson のカイ2乗 16.053 1 .000
連続修正 13.454 1 .000
尤度比 17.565 1 .000
Fisher の直接法 .000 .000
線型と線型による連関 15.607 1 .000
有効なケースの数 36
a 2x2 表に対してのみ計算
b 0 セル (.0%) は期待度数が 5 未満です。最小期待度数は 7.08 です。
カイ2乗検定 因子B
値 自由度 漸近有意確率 (両側) 正確有意確率 (両側) 正確有意確率 (片側)
Pearson のカイ2乗 18.514 1 .000
連続修正 15.557 1 .000
尤度比 20.391 1 .000
Fisher の直接法 .000 .000
線型と線型による連関 18.000 1 .000
有効なケースの数 36
a 2x2 表に対してのみ計算
b 0 セル (.0%) は期待度数が 5 未満です。最小期待度数は 5.00 です。
方程式中の変数 因子A,因子B
B 標準誤差 Wald 自由度 有意確率 Exp(B) Exp(B)の95.0% 信頼区間
下限 上限
ステップ 1 因子B -7.723 44.553 .030 1 .862 .000 .000 37094705706691600000000000000000000.000
因子A 10.613 44.551 .057 1 .812 40675.265 .000 3.397035370044865E+42
定数 -4.394 1.660 7.005 1 .008 .012
a ステップ 1: 投入された変数 因子A,因子B
方程式中の変数
B 標準誤差 Wald 自由度 有意確率 Exp(B) Exp(B)の95.0% 信頼区間
下限 上限
ステップ 1 因子A 3.319 .941 12.435 1 .000 27.625 4.367 174.744
定数 -5.191 1.618 10.297 1 .001 .006
a ステップ 1: 投入された変数 因子A
方程式中の変数
B 標準誤差 Wald 自由度 有意確率 Exp(B) Exp(B)の95.0% 信頼区間
下限 上限
ステップ 1 因子B 1.792 .795 5.080 1 .024 6.000 1.263 28.498
定数 -2.890 1.402 4.251 1 .039 .056
a ステップ 1: 投入された変数 因子B
多重ロジステック回帰では,有意差がでません。単変量解析でも意味があるのでしょうか?因子Aが有意差があり,オッズが6というのが意味があると言って良いのでしょうか?
No.03374 Re: 適切な統計手法とは 【青木繁伸】 2007/05/14(Mon) 21:25
見事なまでに,フォーマットがグジャグジャですね
No.03379 Re: 適切な統計手法とは 【青木繁伸】 2007/05/15(Tue) 11:31
2×2分割表の分析結果(図をクリックすると原寸表示)
No.03380 Re: 適切な統計手法とは 【青木繁伸】 2007/05/15(Tue) 11:31
ロジスティック回帰分析の結果(図をクリックすると原寸表示)
No.03381 青木繁伸 先生 【カズ】 2007/05/15(Tue) 15:51
御迷惑をお掛けしました。
結論:就労結果に,因子A,Bは,カイ2乗検定の結果,有意に関連していた。
多重ロジステック回帰解析を行ったが,有意差は認められなかった。しかし,単変量ロジステック回帰解析を行った結果,因子A,因子Bは有意差があり,因子Aのオッズが27.6,因子Bのオッズが6.0,よって因子Aが就労結果に1番影響していると考えられた。
次に因子Aと因子Bをカイ2乗検定を行った結果,有意差が認められ,相関している。従って,因子A,因子Bの方法が,就労結果が1番よいと推測される。
このような理解でよろしいでしょうか?単変量解析の理解は,正しいのでしょうか?
因子Aと因子Bの相関は,カイ2乗で良いのでしょうか?(ピアソン,スピアマンではなく)
因子A,因子Bカイ2乗検定
値 自由度 漸近有意確率 (両側)正確有意確率 (両側)正確有意確率 (片側)
Pearson のカイ2乗 16.053 1 .000
連続修正 3.454 1 .000
尤度比 17.565 1 .000
Fisher の直接法 .000 .000
線型と線型による連関 15.607 1 .000
有効なケースの数 36
a 2x2 表に対してのみ計算
b 0 セル (.0%) は期待度数が 5 未満です。最小期待度数は 7.08 です。
No.03382 Re: 適切な統計手法とは 【青木繁伸】 2007/05/15(Tue) 16:34
因子Aと因子Bの相関が強いので,両方共にモデルに入れると結果がおかしくなるのですね。
単独で解析した場合には程度の差はあるものの,どちらも有意に従属変数を説明できると言うことになっていますね。
2×2分割表なので,因子Aと因子Bの相関係数は,カイ二乗から計算されるφ係数と同じものになります。
相 関の検定は,この場合には注釈bにあるように「最小期待度数は 7.08 です。」なので,どれを使っても良いですが,Fisher の直接法によるのがよいでしょう。(「0 セル (.0%) は期待度数が 5 未満です。」というのは,直訳ですが,5未満のセルがないということですから,Pearsonのカイ二乗検定でよいということになるのですね)。
● 「統計学関連なんでもあり」の過去ログ--- 040 の目次へジャンプ
● 「統計学関連なんでもあり」の目次へジャンプ
● 直前のページへ戻る