ides.hatenablog.com ides.hatenablog.com このポストでは、Salamandersデータに含まれるサンショウウオの観測カウントデータを題材に、モデルを段階的に拡張しながら当てはまりを比較する。具体的には、まず通常のポアソン混合モデルを当て、次にゼロ過剰を…

対応パッケージ（代表例） glmmTMB 最尤推定ベースで、ゼロ過剰（zi）項を明示的に入れられる一般化線形混合モデル（GLMM）実装である。ゼロ過剰ポアソンはもちろん、過分散（負の二項）やランダム効果まで同一の枠組みで扱いやすい。(CRAN) pscl 古典的に有…

1. ゼロ過剰ポアソン概略 ゼロ過剰ポアソン（Zero-Inflated Poisson; ZIP）モデルは、カウントデータで観測値0が不自然に多い状況を、0が二種類混在しているとみなして説明するモデルである。ここでの二種類とは、そもそも事象が起こりえない、あるいは参加…

一言で言えば、「実験ができない状況下で、擬似的に実験環境を作り出し、真の因果関係（原因と結果）を見抜くための統計手法」である。 世の中のデータの多くは、単に「A（原因）とB（結果）」を見比べるだけでは、誤った結論を導く。なぜなら、そこには「ノ…

KMOもBartlett球面検定も、推定器（ML/MLR/WLSMV）をテストしているのではなく、入力となる相関行列（とその部分相関構造）が因子分析に向いているかを見ている指標である。したがって、WLSMVを使うなら「Pearson相関」ではなく、（潜在連続を仮定した）ポリ…

ides.hatenablog.com ides.hatenablog.com 単調性（Monotonicity）と不変項目順序（IIO）の診断 第2回では、AISP（自動項目選択）によって抽出された下位尺度を比較し、lowerbound = 0.4、かつ k ≥ 4 の尺度群を主要結果として採用した。本稿では、それらの…

Mokken尺度分析の概要 Mokken尺度分析（Mokken Scale Analysis; MSA）とは、質問紙の複数項目が同一の潜在特性（能力、傾向、症状の強さなど）に沿って「順序尺度」として機能しているかを、比較的弱い仮定のもとで点検する方法である。項目反応理論（IRT）…

WindowsマシンでPythonでの統計解析、特にベイズ推定を行うときにGPUに計算を投げる場合にはWSL2上のLinuxにAnaconda環境を構築する必要である。理由はいくつかある。 JAX/NumPyroのGPU対応はLinux前提で成熟しており再現性が高いため CUDA・cuDNN・NCCLの整…

理論はこちら ides.hatenablog.com 昔はLambda4というパッケージがあったようだが、今はアーカイブに入っていて、使えない。 github.com 現在のパッケージの中では、psychパッケージを使ってλ1～λ6を計算する方法をするのが最もよい。 Readme https://cran.r…

Guttman（1945）は古典的テスト理論に基づき、テスト得点の信頼性（真値分散／観測分散）に対する6つの下限（λ1〜λ6）を提示した。いずれも「下限」推定であり、真の信頼性を過小評価し得る。 $- Guttman L (1945). "A Basis for Analyzing Test-Retest Reli…

mirt パッケージとデータの読み込み library(mirt) data(Science) データの構造 str(Science) データ。 'data.frame': 392 obs. of 4 variables: $ Comfort: int 4 3 3 3 3 4 3 3 3 4 ... $ Work : int 4 3 2 2 4 4 2 2 3 3 ... $ Future : int 3 3 2 2 4 3 …

RI‐CLPMは従来のCLPMと比較して、個人間の安定的な違い（trait）の影響を分離できる点で優れている。 CLPMは時間的な因果関係を検証するためのモデルであるが、個人ごとの安定した水準の違いが混入するため、変数間の動的な影響が歪められる可能性がある。こ…

mtcars は、R に標準で付属しているデータセットの一つで、1974年の「Motor Trend」誌に掲載された32台の自動車に関するデータが含まれている。 データの基本情報 観測数（行）: 32台の車 変数（列）: 11個の変数 変数の説明 変数名 説明 型 単位 / 内容 mpg…

クロスレベル交互作用とは、階層データ (マルチレベルデータ) において、異なるレベルの変数間の交互作用 を指す。つまり、あるレベルの変数 (例：生徒レベル) の効果が、別のレベルの変数 (例：学校レベル) の水準によって異なる場合、クロスレベル交互作用…

例：学校と生徒の成績データ 学校ごとに生徒の数学の成績がどのように変化するかを調べたいとする。この場合、学校がレベル (グループ) であり、生徒がそのレベル内の個々の観測単位となる。 1. Within効果 (Within Effect) レベル内 (Within) での変化 に注…

1. 固定効果 (Fixed Effects) 母集団全体で共通の効果 を持つと考えられる変数。 関心があるのは、その効果の大きさや方向性 であり、異なる水準 (レベル) 間の差を推定し、比較する。 通常、固定効果の係数は、従来の回帰分析と同様に解釈される。 例: 性別…

階層線形モデル（HLM）におけるセンタリング (centering) は、モデルの解釈を容易にしたり、推定の安定性を向上させたりするために、予測変数 (説明変数) から特定の値を差し引く 操作である。 グループ平均センタリング (group-mean centering) と 全体平均…

Rで階層線形モデルを実行する。 今回は、lme4パッケージを使用して階層線形モデル (HLM)、いわゆるマルチレベルモデルを実行する。このモデルは、データが階層構造を持つ場合（例えば、生徒が学校にネストされている場合など）に、各レベルの変動を考慮して…

データの準備 data("mtcars") write.csv(mtcars, "mtcars.csv") head(mtcars) str(mtcars) 今回は2つのグループを作るため、軽い車と重い車の2値データを作成し、軽い車をGroup1、重い車をGroup2として分析を行う。 # データの読み込み data(mtcars) # wtの…

library(lavaan) # HolzingerSwineford1939 データを読み込む data(HolzingerSwineford1939) head(HolzingerSwineford1939) データはこのような感じ id sex ageyr agemo school grade x1 x2 x3 x4 x5 x6 1 1 1 13 1 Pasteur 7 3.333333 7.75 0.375 2.333333 …

データを用意 bfiを使う。NEO性格特性のN（神経症傾向）項目だけを抽出する。 データの説明はこちら ides.hatenablog.com library(psych) data(bfi) BFI_N <- bfi[, 1:5] # N項目（1～5列目）を抽出 colnames(BFI_N) <- c("N1", "N2", "N3", "N4", "N5") # …

IRTがCTTに代わって用いられる理由は、CTTにはないIRTの利点 にある。その利点とは、テストの精度向上、効率化、幅広い応用を可能にするものだ。 1. 項目特性と個人特性の分離 CTT: CTTでは、個人の能力（例：テストの得点）と項目の難易度は、同じ尺度上で…

httpgd は、R言語用のインタラクティブなグラフィックスデバイス（プロットビューア）であり、RのプロットをWebブラウザベースのインターフェイスで表示するためのパッケージである。 httpgd の特徴 Webベースのプロット表示 httpgd は、HTTPサーバーとして…

code.visualstudio.com R: Always Use Active Terminal 説明: この設定を有効にすると、新しいRターミナルを作成せずに、すでに開いているターミナルを再利用する。これにより、ターミナルが複数開くことを防ぐことができる。 推奨設定: 通常は有効にしてお…

Howard, M. C. (2016). A Review of Exploratory Factor Analysis Decisions and Overview of Current Practices: What We Are Doing and How Can We Improve? International Journal of Human-Computer Interaction, 32(1), 51–62. https://doi.org/10.1080…

Benjamini-Hochberg法の重回帰での意義 重回帰分析においてBenjamini-Hochberg法（BH法）を適用する主な意義は、多重検定問題に対処することである。重回帰分析では複数の説明変数の係数に対して同時に仮説検定を行うため、偽陽性（第一種の過誤）が増加する…

科学と証拠―統計の哲学 入門―作者:エリオット・ソーバー名古屋大学出版会Amazon Evidence and Evolution: The Logic Behind the Science作者:Sober, ElliottCambridge University PressAmazon ベイジアン主義の限界 事前確率の設定: ベイジアン主義では、事…

データの読み込み こちら(https://ides.hatenablog.com/entry/2024/06/21/235127)で使った心臓病のデータを使用する。 library(dplyr) url <- "https://archive.ics.uci.edu/ml/machine-learning-databases/heart-disease/processed.cleveland.data" column_…

Lassoの技法のひとつである安定性選択とランダム化された安定性選択があるが、これらの方法は結果がスパースになるという問題がある。 要は、選ばれる変数が少なく、とてもスリムにモデルになってしまうという問題である。 github.com link.springer.com ar5…

安定性選択(Stability Selection)について。 ides.hatenablog.com データは説明はこちら。 ides.hatenablog.com データの作成と前処理 library(dplyr) url <- "https://archive.ics.uci.edu/ml/machine-learning-databases/heart-disease/processed.clevelan…