心理統計スレッド

やっぱり統計ネタは「教えてクン」と
それに答える先生方のやりとりしか成立しないのか？
fprに逝け！はナシで，統計のお話しましょ．

おめえマルだろ

早稲田スレに書けば豊田さんが答えてくれるんじゃねえか？（匿名で）

俺じゃないよ．「．，」は俺だけじゃないって．
それはそうと「マル」って縮め方は「どーでもいいことだが」
スレでも出たように混乱を招くのでやめてちょーだい．
睾丸野郎でいいからさ．

「文系でもわかる」とか「数学が苦手でもわかる」とかいう系統の
心理統計の本が，ここ数年一気に増えているように思います．

西村和雄先生がいうように算数ができない大学生が増えているのか，
心理学専攻の院生や学部生が増えている分，算数がわからない院生も増えているのか，
心理学という学問に統計の占める割合が高くなっているのか．

文系でもわかる＝サルでもわかる

マルシンド先生に
『サルでもわかる心理統計道場』（通称：サルシン）
執筆希望

数学が苦手な人のための多変量解析ガイドって本ありますよね。
ああいう本って結構問題だと思うんだけどな。
学部生が読むには適当、だけど研究者を目指すものが読むのは
情けない。

研究者って、門外漢でも「まあ勉強すればわかるさ」くらいの
器量が必要でしょ。でも知的人としてのそれを放棄して、
小手先の技術に走るなんて。

アイデアが十分なら、モデルを駆使した統計手法が必ずしも
必要ないと思いますが。

＞アイデアが十分なら、モデルを駆使した統計手法が必ずしも
＞必要ないと思いますが。

それもそうだし，データをとる前にもっとよく考えて
変数を厳選し，その変数をほんとうに妥当性と信頼性の
ある方法で測定していれば，複雑な多変量解析など
使わなくても，記述統計レベルでけっこうものは言える．
いわゆる「優れた研究」に複雑な統計を使ったものは少ない．
よい実験／調査計画なら結果は頻度と比率，簡単な検定程度で
人を納得させられるもの．

>8
ま、「優れた社会科学研究」といわれる先行研究の王道だな

>8
その通りなんだよね。で、この傾向は心理学以外の人にもある。
ある学会大会で、心理学以外の分野の人が多変量解析やってたのね。
で、研究そのものは非常にシンプルないい実験で、簡単な推測統計学的検定
ですむようなもの。それに、むりやり多変量解析やってる。大学院生の研究
で指導教授もポスター発表のそばにいたので、「なぜ多変量解析したんです
か？」って訊ねたら、「単純な検定では面白くないから」。二の句が告げら
れなかったよ。
隣の人に話しかけるのにわざわざ携帯電話使ってるようなもんだ。音質も落
ちるのに。

＞10
いえてる．昔ある偉い人（笑）が「統計はデータの活き造りに近いものほど
美味」と言ってたけど，悪い素材は多変量解析とかで手をかけて料理
しなければ不味いし（料理してもまあ結局不味いけど），良い素材なら
刺身（たとえば記述統計）で食うのが一番うまい．統計技法に熟達する
暇があったら「良い素材」を集める方法，むしろ測定や尺度構成など
データ収集の技術や実験調査計画の技術を磨いた方が良い．

複雑な統計解析は、現在マーケティング業界ではやっています。
構造方程式モデルをはじめ、モデルにマイナーな確率分布をあてはめるなど。
まあ、いかに客を「煙に巻くか」の道具として。ですが。
使われている分野としては、消費者心理の測定とかですが、やたら
複雑な数式で分析しています。私を含めて。
その一端は、マーケティングサイエンス学会というマーケの学会
で窺い知ることができます。11さん、言うととおりイイ素材と、
しっかり仮説があれば、複雑なオナニー統計手法はいらないのかも
しれません。

＞10
ほんとですね。ここでも手段と目的がすり替わっている。

「実践としての統計学」東大出版、なかなかおもしろかった。
このスレとも関係しそうなので、紹介しときます。

age

『マルシンドでもわかった心理トーケー道場』（通称：マルシンド）

いや、絶対、「マル道」って略される…。
それはそうとWEB版でもいいから作ってほしいです。　＜「マル道」

とりあえず「ABOFANへの手紙」の後半がほとんど
それにあたるんじゃないの？

自分でスレ立てておいて，忙しさのあまり
忘れておりました．

ということで，一言だけ．
＞数学が苦手な人のための多変量解析ガイドって本ありますよね。
＞ああいう本って結構問題だと思うんだけどな。
＞学部生が読むには適当、だけど研究者を目指すものが読むのは
＞情けない。

ただ，ああいう本の次がないような気がします．
石村貞夫さんのSPSSの奴も常備しておりますが，
あれだと，自分がなにをやっているのかが分からないままだし，
かといっていろいろ図書館で探しても，いきなり数式出されるし．
結局わけわかんないまんまなんですよ．

＞７＆８
ただ，質問紙なんかだと，自分の作成した項目を検討するのに
因子分析なり必要な気がしますが．
一項目で検討しても，「妥当性が...」とか言われるし．
人の作った尺度は，どうも自分の考えと観点がずれているような気もするし...

なんだか，何かいているのだかわかんなくなってきました．
帰ってまずは寝ます．失礼いたしました．

わが子よ。迷える子羊よ。
あなたのお気持ちはよく分かります。
何か気の利いた言葉をかけたくても、
わたくし自身が同様の迷える子羊です。
鬱出し脳。
主よ、お許しを・・・・・・

放置あげ

>>1
ちょっと数式がでると
i) それを理解しようと努力しないでおいしいところだけ知りたがる
ii) 数学はいらないと開き直る
という人が多くて
iii) 数学の参考書でも買って勉強してみる
って人が少ないからからか

>『サルでもわかる心理統計道場』

いや，マジできぼーん
あ，もちろん
＞石村貞夫さんのSPSSの奴
みたいに，「ここをカチッっとクリック！」とか
書かれても困るかんね．

日本心理臨床学会の学会誌『心理臨床学研究』の最新号（第18巻第4号）掲載の
研究報告論文で、フォーカシング扱っているものがある。分散分析を行っている
が、データの独立性の前提を全く無視している。多分、この前提知らないに違いない。
恥ずかしいことに、abstractにも検定の数値結果を載せている（普通、abstractには
載せないよ）。指導教授や審査員は何をしているのやら。基礎・発達・社会系の学会誌
なら、間違いなくはねられるよ。これだから「日本の」臨床心理学は馬鹿にされるんだ。

憂慮あげ

＞24
臨床だけじゃないよ．心研や教心研にだってそれ並みの
統計誤用はある．ジャーナルを誰も読んでいないから
気付かれない（笑）．

wwwinfo.ncc.go.jp/jjco/fukuda1.html

医学系の雑誌だが、投稿論文に統計解析結果を載せるときのガイドライン。
結構ためになると思う。

↑URL間違ってませんか？飛べないんだけど．
wwwの後ろに.いれてもダメだった．

医学系論文よりは心理学系の論文の方が推測統計に関してはまともだよ。

そうかな。あれほどのものはあまり見ないよ。

>28
すんません。ディレクトリ一個とばしてました。
wwwinfo.ncc.go.jp/jjco/fukuda/fukuda1.html

ここの「統計学によくある落とし穴」は、知っておくべきことでしょう。

　　

>>31

ありがとう．読んできたけど，半分ぐらいわかるようなわからないような．
打つ山車脳．

ところで，因子分析と主成分分析の違いってなんですか？
私的には，因子分析は項目の背後に想定される因子の抽出，
主成分分析は項目のとりまとめだと思っているのですが，それでいいのかな．
つまり
因子分析：因子→項目
主成分分析：項目→因子
という感じ...教えてクンで申し訳ないですが，
ご教授いただければ幸いです．

みなさんは統計どの本からはじめました？
初学者にわかりやすい統計の本ってあるでしょうか？
教えていただければ幸いです．突然質問してしまってすみません．

＞33
だいたいのところは、それでいいと思いますよ。
あと、因子分析にも探索的と確認的があるので勉強してね。

主成分分析と因子分析は共通性（同じ項目・変数間の相関）に
１を置くか抽出する軸の数に応じて共通性を計算するかという
ことを除くと，計算の内容も同じです。

主成分分析は多変量がひとつの大きな合成変量にまとめられる
傾向を仮定して用いるもので，計算に投入された変量すべてを
できるだけ多く説明できる合成変量（主成分）を抽出する
ことを目的としています。主成分とは各変量をベクトルと
考えた時の合成ベクトルと考えるとわかりやすいです。
投入された多くの変量が，一定の傾向を共有している時には
主成分の固有値が大きくなり，説明できる割合も多くなります。
そういう場合には主成分への負荷量が少ない変量は，
全体の傾向からずれていることになります。多項目一次元の
尺度などを主成分分析にかけると，全体の傾向と合っている項目
（加算して良い項目）と合っていない項目（加算していけない，
除外すべき項目）を簡単に見分け，尺度の内的一貫性を検討できます。

一方，因子分析は多変量が複数の合成変量（因子）によって
説明されることを前提とした手法で，最初は主成分分析と同様に
もっとも説明力の大きい合成変量（因子）から抽出していきますが，
そのあとで，因子の軸をビジュアルに回転することで，
（主成分を示すのではなく）多変量をできるだけ簡潔に分類できる
因子を抽出しようとします。この回転の方法には直交回転，斜交回転
があり，それぞれにいくつかの手法があります。
多項目多次元の尺度を因子分析すると，多次元がひとつずつ
因子として抽出されるはずですし，そうでない場合は尺度に
仮定された次元が正確でないことになります。

まとめると
　主成分分析は多変量をひとつにまとめるもの
　因子分析は多変量をいくつかの因子に分類するもの
　計算手法は基本的に同じ，決定的な違いは因子の回転
ということになります。

>34
岩原信九郎「教育と心理のための推計学」
古くはなったが，いまでも必要なことはすべてこれに書いてある。
ていうか，これに書いてあるようなことを理解しないで
多変量解析とか共分散分析とか言ってる輩は信用できない。
記述統計と簡単な推測統計だけで人を納得させる研究を目指すべき。

>共分散分析

それもあるけど、言いたいのはたぶん京分散「構造」分析ですよね

＞38
御意。

またマルシンに戻れ

＞40
私はけっしてマルシンドなどではありません。
句読点だって違うでしょ（笑）。

＞36
難しい言葉を使って説明することは好きじゃないんで、
33のいうとおり、
主成分分析＝項目のとりまとめ
因子分析＝因子の同定
でいいんじゃない？
あと、主成分分析と因子分析の最も大きな違いは、回転よりも
主成分：項目→因子
因子分析：因子→項目
では？

>主成分：項目→因子
>因子分析：因子→項目

ここの意味がよくわかりません。
どちらも項目間の相関行列から計算を始めるわけですから
　項目→因子
だと思いますが？

もちろん確証的因子分析など最初から仮説のある因子分析では
　因子→項目
となる場合もありますが，一般の因子分析ではそうではないと思います。

さいこりょじー
って読ませたいんか？

ハンドル変えすぎ
神父はどうしたんだ
幸丸無知は

>44
きみ，西古良二ほんとに知らないの？

ご回答ありがとうございます．

実はこの質問をする前にfprの過去ログで
主成分分析＋バリマックス回転はアリか？
というような議論を見かけていたので，

＞主成分分析は多変量をひとつにまとめるもの
＞因子分析は多変量をいくつかの因子に分類するもの

というご指摘でなんとなく腑に落ちました．
私が
>主成分：項目→因子
>因子分析：因子→項目
と書いたのは，先のご指摘に照らせば，
主成分：項目を「大きな合成変量にまとめられる傾向を仮定して」
すなわち，1因子を想定して，結果多因子が抽出される．
因子分析：最初から「多次元」を想定して，その結果が得られる．
というような意味であったと思います．
＃自分でもなんとなく状態ですので，的外れかもしれませんね，もうしわけありません．

この辺．35＝42さんのご教授を期待したいです．

あと，因子分析について，「確証的」「探索的」「検証的」などなど
さまざまな種類があるようですが，
これらは因子分析の処理(具体的にはSPSSのコマンド)が違ったりするのでしょうか？
どうも，論文なんかで「確証的因子分析を行った」と書いてあっても，
研究者が事前にその因子を想定しているだけでしかないように思えるのですが．

あ，あと...と質問ばかりですね．すみません．
とりあえず，このスレで厨房が減ってもらえれば幸いです．

まともスレあげ。

まあ、因子分析にはいろいろな説があるので、おもしろいね。
さて、
＞46
＞因子分析：最初から「多次元」を想定して，その結果が得られる．
＞というような意味であったと思います
そうそう、それが因子分析だよ。
因子を想定しているかどうか、というのが主成分との大きな違い。
主成分はなんにも考えてないから、そのまま解ける。
けど、因子分析は因子を想定しないと解を求めれらない。
だから因子数の決定について議論があるんだ。固有値とかその他もろもろの議論がfprでも出てきたよね。
簡単に理解するために、あなたが示した、
＞主成分：項目→因子
＞因子分析：因子→項目
は、イイと思うよ。
つまり、「項目から因子を推定する」VS「あらかじめ因子を決定したうえで、そこに属する項目を探索する」という風に解釈すればわかりやすいと思う。

yahoo↓
西古良二と一致するページはありませんでした。

infoseek↓
西古良二の関連リンク集は見つかりませんでした。
件数：0件

google↓
西古良二に該当するページが見つかりませんでした。
キーワードに誤字、脱字がないか確認して下さい。
キーワードの数を少なくしてみて下さい。
違うキーワードを使ってみて下さい。

>49
Psyclit↓
#1 (saiko in au) and japan
ヒット数：6

↑
すばらしい，すばらしい．
何ごとも盲信せず自分で確かめてみることが科学精神の第一歩じゃ．
厨房からの脱却も意外に近いかもしれぬのう．

日替わりハンドルか

35=48さん
ありがとうございます．
＞つまり、「項目から因子を推定する」VS「あらかじめ因子を決定したうえで、そこに属する項目を探索する」という風に解釈すればわかりやすいと思う。
これで，なんかすっとしました．

ついでに調子に乗って

＞あと，因子分析について，「確証的」「探索的」「検証的」などなど
＞さまざまな種類があるようですが，
＞これらは因子分析の処理(具体的にはSPSSのコマンド)が違ったりするのでしょうか？

これについてどなたかご教授ください．
あ，あと主成分分析で直交解を求めるってのは，
先の用法から言えばやっぱりおかしいのでしょうか？

統計スレによる徹底的抗戦あげ．

っていうか、そんなこと図書館で統計の本読んだら書いてあると思うが。

せっかくなので、答えられる範囲で。

＞53
＞「探索的」「確証的」「検証的」
＞因子分析の違いについて

探索的因子分析ってのは、普通にSPSSなどの統計ソフトで出来る因子分析のこと。
確証的=検証的ってのは、同じ意味。これらはSPSSじゃできない。
というのも、これらは因子分析というより、共分散構造分析の応用例の一つ。
共分散構造分析ができるソフトを購入しないと、できないよ。

具体的なコマンドということでは、
SASだったら、proc factorでやるのが「探索的」因子分析。
proc calisでやるのが、「検証的=確証的」因子分析。

SPSSのスチューデント用(4年間)って、いくらなんでしょう？
ご存知の方いらしたらぜひ・・

>>55
の「確証的」「検証的」はウソなので、良い子は信じないように。

ごめん。私のミスリーディングでした。ゆるしてね。

ゆるす！あんたが悪いんじゃない
「確証的因子分析」吉田先生を中心とする東京理科大の統計学者派閥
「検証的因子分析」狩野先生を中心とする関西派閥
「確認的因子分析」豊田先生を中心とする関東派閥
全部いっしょじゃ！５５，あんたもえらい！
まぎらわしいから，だれか訳語を統一してくれーーー
３人ともそういうことには拘らん性格やぞ
FPRに直訴したろか

>>55さん

おありがとうございます．
うちの図書館には載ってる本なんてなかったんです．探し方が悪いのか？

＞というのも、これらは因子分析というより、共分散構造分析の応用例の一つ。

おおお，目からウロコ．そうだよなあ，因子分析ってそもそも探索的でしかないものねえ．
なっとく．

>>59
＞「確証的因子分析」吉田先生を中心とする東京理科大の統計学者派閥
＞「検証的因子分析」狩野先生を中心とする関西派閥
＞「確認的因子分析」豊田先生を中心とする関東派閥

そういうことだったのですか．
それだと○○的因子分析ってのは，要は探索的と確証的(=確認的=検証的)の2種類しかないってことですかね．

レス感謝です．

>確証的=検証的ってのは、同じ意味。これらはSPSSじゃできない。
>というのも、これらは因子分析というより、共分散構造分析の応用例の一つ。
>共分散構造分析ができるソフトを購入しないと、できないよ。

これってAMOSとか？

あげ

fprってなんでしょうか？

それじゃ、fpr（心理学の基礎メーリングリスト）の再現。
こういった質問がよく来てる。内容はちょっと変えているが。
＞どのような分析を行いたいかと申しますと、Ｅ１からＥ２７項目において
＞因子分析を行います。
＞その結果を各学年（中学、高校、大学）で同時に比較したい。
＞このプロシージャでそのような分析が可能でしょうか？
＞PROC FACTOR TARGET=JHD METHOD=PRIN ROTATE=PROCRUSTES NFACT=4 ;
＞VAR E1-E27;
＞RUN;

>>64

おいおい，それは反則だろう．
さっききたＤ大学の質問じゃん．痛いなあ．

2因子設定したつもりなのに、因子分析したら8因子出ました。
どうしたらいいのでしょう？

＞66
因子数設定が間違えているに5点。
統計パッケージ何使ってる？
まさか手計算!?

SPSSです。

2因子で検証的因子分析して
その解を評価してご覧なさい
自分の心理学的仮説を信じてガンバレ

固有値のスクリー見て
2因子に「ひじ」があれば
貴方の勝ち！論文もこれで通る
なければSPSSのデフォルトの勝ち！
残念だけど貴方の負け

66はネタだろうな。
まじめにに2因子が想定されてて、8因子も出るわけねえよ。
３、４ならともかく８じゃあな、69、70はマジで相手するとバカみるぞ。

項目数が多いと、８因子抽出されることもある。
２因子を想定しているならば、項目数は多くて１０〜１２ぐらいのはず。そうなると、８因子は抽出されることはない。
「２因子を想定」なのに、項目数が３０とかそれ以上あるならば、もう一度、項目の内容をよく考え、絞り込んでから再分析。

＞2因子に「ひじ」があれば

「ひじ」ってなんですか？

age

＞73
因子の固有値が急に小さくなるところ．

２因子にひじがある，ってのは
２因子と３因子の間で固有値が急に小さくなってるということ．
まあ「ひじ」って言い方はそれほど一般的じゃないだろうけどね．

＞75&76
ありがとう．

こいつもあげとく

統計の勉強をしていたら，こないだの自分の論文の間違いに気がついた．
ちゃんと指摘してくれよぉ＞査読者

勉強あげ。

がんばれ統計屋！あげ

有益あげ

だけど内容はなくなって久しいなああげ

ExcelのBinomdist関数にだまされました。
いや、俺が悪いんだけどね。
確率0.5で６回中４回成功、でp=0.09って表示するんだもんなぁ。

さて、私は何を間違ったでしょう？

SPSSさん、もうそろそろ「プロクラテス」回転をパッケージに組み込みませんか？

なんか、このスレッドの話は高度なので
非常に申し訳ないのですが、
心理の統計を基礎から（ｔ検定とか）学べる教材を
教えていただけないでしょうか？Webサイトでもいいです。

統計学の本は硬くて読むのが大変です。
何が大事なのかもよくわからないのです。
でも統計をマスターしたいのです。
お願いします。

「統計をマスター」したいなら統計学の本くらいは
ちゃんと読んで理解するのが最低限。

「統計の結果を読めて、必要に応じて使えるようになる」
だけでよいなら、良い入門書がいくつかあるはず。
入門書レベルのものも読みたくないなら、
あきらめるべし。

非常に実践的で、統計の専門家からみたら反則扱いかもしれないけど。

統計ソフトの「マニュアル」を読みながら、そこにある事例を自分のパソコンで再現していくのが一番の近道だったりする。
最初は、何をしているのかわからないと思う。
けれど、何度か繰り返していくと、時間が経つにつれてなんとなく理解できるようになると思う（もちろん、その間にちょこちょこと統計学を復習しながら！）。
一ヶ月やそこらで身につけるのではなく、一年計画で自分に浸透させるように少しずつ理解していく方が後々のためだと思うよ。

>>86
87,88の指摘は真っ当なので心しておくこと．
それを踏まえて，下へ逝け．

http://hyogen.edu.toyama-u.ac.jp/stat/index.html

http://www.geocities.co.jp/HeartLand-Gaien/2069/2000/221-240.html
↑管理人引継ぎで大ゲンカ(~o~)
2CH関連スレッド↓
http://mentai.2ch.net/test/read.cgi?bbs=seiji&key=981553977
http://216.218.192.139/test/read.cgi?bbs=seiji&key=981553977&ls=100
　　

>>86

「分散分析のはなし」とかの、石村貞夫　著のものが、
割とわかりやすい。
あとは、講談社ブルーバックスに幾つか統計の本がある。
「データ分析入門」とか。概念の説明がメインで、それほど数式
はでてこないので、とっつきやすい。

>>86
「数理統計学」の本なんかは確かにカタめですね。
でもあなたのような方のニーズが大きいのか、現在は「文系のための心理統計」系の本がた〜くさん出版されてますよ．
識者の方、たくさんある「文系のための心理統計」系の本で、ウソを書いていない、よさげな本があったら紹介してください．

石村夫妻にはまるのは危険かも。
「詳しい説明操作については拙著○○参考」が延々とつづく…　たくさん本を買わされます。

本家本元は、大村平

石村先生の本は、統計に対する偏見を無くすという点では良書。
ただ、あまりにユーザーフレンドリーなので、
統計ユーザーが安易に頼ってしまう危険性もある。
理論をきっちり押さえた本を併用することで、
石村先生の本をより活用できると思われる。

だから統計ネタはこのスレッド使えってば．

有益なのでage

標準誤差あげ

狂おしいほどに定期あげ

>99
思わず（笑）あげ

>>99
こちらの惨めな努力にご協力ありがとうあげ

しまった．>>100だった，の意味なしさげ

反復測定の分散分析ってなぜ下位検定しないの？意味がないって聞いたけどなぜ？あげ．

＞103
おれはしているよ

被験者内で反復してる要因の下位検定か？
ブロック数とか、試行数とか。
そこの変化に興味があれば、したらいいんじゃないの。

およっ？と思って，ソース調べたら私の誤読でした．
気づかせてくれてありがとうございますぅ＞104&105

良好スレage

春休み沈静化あげ

有益あげ

最近、fprで、統計ソフトのアルゴリズムが公開されていないことが問題視されているよね。
でも、ユーザーとしては、そんなことより方法の統一化を統計の専門家にしてほしいと思うわけ。
主成分はなぜだめなのか、バリマックスはなぜだめなのか、プロマックスだとなぜいいのか。
そして、主成分分析は査読の際に「通さない」というような心理学全体の意志の統一をしてほしいよ。
プロマックスのアルゴリズムがどうしたこうしたいう前に、主成分プラスバリマックス回転というような論文を弾劾してほしいと思う。
重箱の隅をつつくような仕事をするんじゃなく、そのほうが学会全体の進歩に寄与できると思うんだけどなぁ。

あなたの主張はユーザーとして正しい
でもさあ，彼らは，手法そのものに興味があるんだから
重箱のすみじゃあなくて　かれらにとっては真ん中
なんだよ．MLは無料なんだからユーザーにサービス
することを要求してはいけないのでは？彼らの話しの
なかにたまたまユーザーにとって有益な事があれば
めっけものくらいの気持ちでないとね

＞111さん
たしかに、そのとおりだと思う。
もちろん、MLにそんなことあまり期待してはないです（ときに有益なものがあることも確かだと思う）。
私としては、せっかく統計の専門家なのだから、例のKRみたいな討論をもっと行えばかなり有益になるのでは？と考えてしまうのです。
でも、こういったことは匿名じゃないとやりにくいので、手をつけにくい面もある。
かといって2CHもなぁ・・・。荒れると収集つかないし。
うーん、難しい。

＞主成分はなぜだめなのか、バリマックスはなぜだめなのか、プロマックスだとなぜいいのか。

こういうことをきちんと解説してくれる心理統計の本が欲しい．
石村さんの本では自分がやっている手続きが正しいのかどうかがわからずに困る．
古谷野亘さんの「数学が苦手な人のための・・・」みたいなノリで，
もうちょっと進めた話を読んでみたい．

ところで，

＞かといって2CHもなぁ・・・。荒れると収集つかないし。

いいんじゃないっすか．111さんと112さんのお二人でまず始めてください．

>＞主成分はなぜだめなのか、バリマックスはなぜだめなのか、プロマックスだとなぜいいのか。
>こういうことをきちんと解説してくれる心理統計の本が欲しい．
豊田秀樹　朝倉書店　共分散構造分析「入門偏」ｐ２８０ーｐ２８１
に数式なしてちゃんとした解説があるよ　立ち読みでOK　御参考までに

バリマックスだめなの？私は「やたらに斜交にするな」って言われたけど。

>>114 Thanks
ちょうど友達が取り寄せ中だったので，それを見せてもらいます．

>>115
私も同様．因子間の独立性を前提として直交解を求めろといわれた．

自然界に存在するすべてのことには多かれ少なかれ何らかの関係があるということを前提とし、
しかも心理変数だと、なおさら。
そこで、まず斜交解を求め、関係がないことを明らかにした上で、
初めて直交解を求めてもよい。

因子間に何にも関係がないことを前提とすることって、自然現象に反してない？

＞そこで、まず斜交解を求め、関係がないことを明らかにした上で、
＞初めて直交解を求めてもよい。

ってことは，斜交解で出てきた因子間に相関がないことを確認した上で，
再度，直交解をかけるってことなの？
俺の入っている学会誌って，みんなこの辺適当なんだけど....

>斜交解で出てきた因子間に相関がないことを確認した上で，
>再度，直交解をかけるってことなの？

ううん，斜交解で相関が低ければ　それだけで無相関を想定して
解釈を進めてOK
相関が高ければ　それを心理学的に解釈する
いづれにせよ直交解の出番なしです

ここは２ちゃんだけど　技術的なもんだいだから
やっぱり１１４の文献よみなよ

私は118じゃないけど、
＞119
勉強になった。斜交→直交っていつもやってた。114の読んでみます。

114の文献きた．今から読むあげ．

118&121

わかったわかった．
理解した(と，思われる)>>119さんその他のみなさまありがとう．

ただ，ちょっと気になったんだけど，
斜交解で因子間の相関が中程度でもある複数の因子を従属変数にしている場合，
結果の解釈が複雑になりませんか？
独立だっていうのなら，「別物だからぁ」って，個別に解釈すればいいが，
斜交解で因子間相関なくはなし，だとどう解釈していいのやら....

>122

豊田先生の本を読んでなお
湧いた疑問に答えることは
私にはできそうにありません。
fprに質問してください。
中途半端でごめんなさい。

そういうときこそ、共分散構造分析を使って下さい（私は豊田先生のファンではないが）。
方略1
従属変数がY1、Y2で相関が.50ぐらいあるときは、
Y1、Y2の誤差間に相関（共分散）を示すパス（両方向矢印ね）を引いて分析。

方略2
Y1、Y2の上に、潜在変数をおいて、Y1、Y2を下位尺度とする。

そして、解釈というか、研究目的によって違うんだけど、
個々の因子にどのような変数が影響しているかをみたいのであれば、
方略1を使えば、重回帰分析と同じ様な解釈でOK。
ただし、方略2を使えと言われる可能性は大。
因子間相関が高いのであれば、本来、そこに共通している概念が存在するはず。
ま、.40以上相関があったら、個別の検討はやめておいた方がいいと覚えておいてね。

つけたし
もちろん、それでも意味がないというわけじゃないよ。
スマートな論文にしたかったら、そういったことも考慮した方がいいのでは？ということ。

あくまでも私感ながら、
力技の解釈と言い訳ばっかり考察で述べている論文よりも、
相関があることを素直にみとめ、きっちりそこを配慮した論文の方が好感を持てます。

122です．

123さん＆124さんありがとうございました．

4月28日午後2時過ぎ
このスレは125まで沈んでおりました．

このスレを一度あげます．そして，G.W.が終わるまでに
いったい何番まで下がるでしょう？

そこで，問題です．
上記手続きでは，「G.W.が終わった時点の沈み具合」を測度としています．
この測度はいったいなにを意味するものでしょう？>>心理厨房のみなさん

心理学者残党のみなさんへ．
実験終了時の下がり具合のみならず，
このスレに対する書き込み，粗しやsageの量などを踏まえて，
終了時にご考察をお願いいたします．

それでは，実験開始！

自己言及のパラドックスを使っているから、どんな展開になっても実験としては成立するが、
結果はほとんど無意味じゃな。　パラドックスをかけることによって、書き手が自らを、
厨房と定義するか、残党と定義するかの選択をせまる効果はありそうな。じゃ次の人感想どうぞ。

127
なるほど，自己言及のパラドックスですか．なるへそ．勉強になるなあ．
あんまり理解できている自信はないですけどね．

＞厨房と定義するか、残党と定義するか
厨房に決まってますやん．学振書類書きの気分転換にこんなことしてんだから．
↑
防衛機制．

↑これも終わっているので，今後のためにあげ．

度数分布表くらいでいい気になるな

G.W.終了age

まだ終わってないよ

＞度数分布表くらいでいい気になるな

なにこれ？

階層重回帰分析の「階層」ってどういうことなんですか？
ステップワイズとは違うんでしょうねえ？

まるで，誰もいない荒野に愛を求めて叫ぶような
そんなレスをしてみましたです．ハイ．

階層というのは

理系＞＞＞＞＞＞＞＞文系＞＞＞＞＞心理学

という身分制度のことです

＞１３４
突っ込んでもらえないからといって自作自演するな

心理学に統計はイラナイ
もうごまかされない

　　　　　　　　　　　　　　　　　　／￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣
　　　　　　　　　　　　　　　　　　| おまえこのスレが更新されてないと寂しいだろ？
　　　　　　　　　　　　　　　　　　＼＿＿＿＿＿＿＿＿＿＿＿　　＿＿＿＿＿＿＿
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　V
　　 ／￣￣￣￣￣ ミ 　　　　　　　　　　　　　　　　　　　　 ／￣￣￣　＼
　　/　　 ,――――-ミ　　　　　　　　　　　　　　　　　　　／　　　　　　 　 ｜
　/　　／　 ／　　 ＼ | 　　　　　　　　　　　　　　　　　　　∨∨∨∨∨＼ ｜
　|　 /　　　,（･）　（･） |　 　　　　　　　　　　　　　　　　　　｜ー　　ー　 ｜｜
　 (6　　　　　　 つ　　|　　 　　　　　　　　　　　　　　　　　｜（・）　（・）　　6)
　 |　　　　　　＿＿_　 |　　　　　　　　　　　　　　　　　　　 ｜　｜　　　　｜｜
　 | 　　　　 /＿＿/ ／　 　　　　　　　　　　　　　　　　　　｜　　¨　　　　 ／
／|　　　　　　　　 ／＼　　　　　　　　　　　　　　　　　　　　＼／＼　　／＼
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　／￣￣￣　　　 ＼
　　　　　∧
　　／￣　 ￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣
　　| くやしいけど、図星だよ！
　　＼＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿

嘘つきは心理学者の始まり

哲学者は？

あらせるのならなんでもいいんだね．
ついにこのスレまで.....
>>136
じゃあ，俺心理学者じゃなくていいや．

>>138
がんばってくれ．君には「論証」という概念も関係なさそうだしな．

>>139
その通り

>>140
心理学者は嘘はつかない．ただ，アタリマエのことを疑う目をもっているだけである．

だいたい心理学者はうそつきとかって言う奴は，甘えたがりが多そうだよな．

>>141
内省は哲学者のはじまり

内省をするために嘘が必要？

>>143
質問の意図がわかりません

哲学者と心理学者は同じ資質がいるということ？

馬鹿田大学某教授が反撃に転じたが、逆効果にしか
見えないのは私の気のせいか？

http://yasai.2ch.net/test/read.cgi?bbs=psycho&key=973914544

帝京ではすばらしい統計の授業が待ってます

教科書は「バイオサイエンスの統計学」（南江堂）がいいと思います。

最近、双対尺度法とか判別分析とか使った論文読んだことある？
最近っていっても、本当の最近ね。一年以内ぐらい。

>>149

この1年間に掲載されたというのなら，ないですね．あげ．

いやー、レスありがとう。
実は私もみないんですよ。ここ最近。
でも、私の分野だけかなぁと思って。
判別分析は医学系でたまにみるけど、双対尺度法はどうなんだろう？
すでにその役目を終えているのかな？

双対尺度法．

菅野幸恵 2001「母親が子どもをイヤになること：育児における不快感情とそれに対する説明づけ」
発達心理学研究 第12巻 第1号，12-23

階層重回帰分析の「階層」ってどういうことなんですか？
ステップワイズとは違うんでしょうねえ？

まるで，誰もいない荒野に愛を求めて叫ぶような
そんなレスをしてみましたです．ハイ．

激しくあげる

＞152
ありがとう。読んでみるね。

age

基本的な質問で誠に失礼します。

仮説検定の過程で、帰無仮説を立て、それが棄却されるか保持されるかによって、
対立仮説が支持されたかどうか、というようなてつづきを踏みますね。

こういった考え方はどういう起源に基づいているのでしょうか？
以前は、ポパーの考え方に基づく（反証主義）のだろうと勝手に思っていたのです。
しかし、ポパーの批判的合理主義の解説書みたいなものを読んでいたときに、統計で使われる
こうした仮説検証のやり方はまさにポパーが主張したことが確率的言明でもあてはまるものだ、
という主張を読んで、ポパーとは全然関係ないのだろう、と察しがつきました。

統計の仮説検証のこういう手続きを考えたのはもともと誰でしょうか？

>>157
フィッシャーかネイマン、ピアソンかな？
答えになってませんね。すいません

俺です

帰無仮説の棄却、っていう論理自体はフィッシャー以前にも
あったんだろうが、それを母分布の推定とか統計の仕組みで
系統付けたのはフィッシャーだろうね。これは19世紀。

ポパーはそれよりずっと後、20世紀前半。
ポパーに限らず、科学哲学の諸説は科学が実際にやっていることの
仕組みを分析し、それを体系付けているのであって、別に
ポパーが反証主義を言う前から、科学はその仕組みを持っていた。
「アメリカ大陸発見」みたいな話。

ただ、科学哲学の中にも論理実証主義みたいに、科学哲学の
考え方が科学研究の方向性を定める、ということを
やろうとした人々もいる。まあそれはうまくいかなかったが。
また、ポパーはそういう人々の仲間ではなかったと思う。

さるあげ

がんばれ。

うん、がんばる

>>160
フィッシャーですか、今度もっと調べてみますね♪
ありがとうございました。

フィッシャーについては竹内啓先生がいくつか書いていた．
きわめて面白かった．

スピアマン・ゴールトン・ビネー

>>166
それらは「心理測定」の基盤を作った人々ですな。

ちなみにフィッシャーは農学者でやんす。
彼がどういう目的で推測統計学を作ったか知ると、
その方法がいま心理学で人間相手に使われていることに
なんらかの感慨を抱くはず。

フィッシャーとスチューデント（偽名）は
ビール会社の同僚だったんだよね...

Ａ型は徒党を組んで国民を操ろうとする。注意せよ！
特に全国民の５％しかいないＡＡ型は偏固で神経質。

エカマックスあげ

>169

「同僚だった」って誰が言ってたの？

むむ、俺の読んだ「基礎数理統計」という本には
スチューデント（ゴセット）と同じ試験場に居た
＃＃大学数学科出身のフィッシャーは....
みたいに書いてあったよ。これウソなの？

正確を期すためにちゃんと引用するね（省略部分は....で示す）。

「基礎数理統計」関口、篠原、小森　共立出版　1977　p4

「20世紀に入ってアイルランドのビール会社の化学技師ゴッセットは
.........t分布の方法を発表し......この方法をさらに解析的に究明し、
発展させたのは同じ試験場に勤務していたケンブリッジ大学数学科出身の
フィッシャーであった。」

と書いてあります。まあこういう記述は孫引きが多いので
間違いの可能性はあると思うけど、172氏、事実はどうなの？

今日はあまりにひどいのでまともなスレあげ

フィッシャーとゴセットは同僚じゃないよ．

「基礎数理統計」って古本屋にもないぜ．
「同じ試験所」ってなんだ？．ゴセットは会社員だし，ｔ分布を
数学的に導出したフィッシャーがロザムステッド試験所に就職した
のはずっとあと．２人はピアソンを介して近しいものの同じ釜の
飯をくったことはない．同僚どころか，フィッシャーがゴセット
にｚ分布の手紙を書いたとき，フィッシャーはまだ２２歳の早熟
のガキ．ゴセットは４０近いおっさん．

フィッシャーの野郎は農学者かね？
若い頃，百姓になりそこなったことはあるがな．
わしの研究所に世話してやろうとしたのに，生意気にも蹴った
不届き者に過ぎぬ．相関係数の論文を reject してわしが出し抜いた
ことを根に持ちおって．自由度だの，最尤だの，わけのわからん
御託をならべておったから，無視してやった．
ま，実験計画法を考えていたのが農業試験所だから農学者なのか？

俺の研究室にある十数冊の統計関係書のうち
ゴッセットとフィッシャーの関係について
書いてあったのはこの本だけだったのだが、
それが間違いなんだもんなあ。

それで「統計学史」（恒生社厚生閣）って本を
今日注文してみたんだけど、この本にはほんとのこと
書いてあるのかね?>>176

高そうな本ですね→「統計学史」

ぼくの本箱には，こんなのがありますよ．
蓑谷「推測統計のはなし」東京図書．\2000
安藤「統計学けんか物語」海鳴社．\1200
フィッシャー「統計的方法と科学的推論」岩波．
これは古本屋に売ってる．訳者（渋谷・竹内）の長い巻末解説
に伝記的話もあるよ．
きみ，こんなことに興味があるなら，竹内が６月にとうすう研で
やる「fisherを超えて」というセミナーに行ったら，おもしろいかもよ

研究室だったら，「統計学辞典」東洋経済，を買ってもらえばいいじゃん．
伝記ものってる．

歴史なんか、どうでもいい。
中身の話をしろ。統計スレだろうが。

だって統計の中身の話は教えてくんと答える先生、
にしかならなくて、ちっとも面白くないじゃない。

そこで　>>1 に戻る。

>>179

とりあえずフィッシャーの本を見つけて注文しました。
ありがとう。

ところで，無限母集団を仮定してサンプルを
抽出する場合，サンプルの代表性や無作為性は
なにによって保証されるのでしょうか？
有限母集団ならそれを保証するための
サンプリング技法がいろいろあるわけですが，
無限母集団ではサンプル数の大きさだけなんでしょうか？

なにか参考書や論文等御存じの方あれば教えて下さい．
当方一応研究者ですので英文等でもＯＫです．

休日も終わったからマトモなスレ上げとくか

>183

あなたはすごい人ですね　いったいだれですか？
そんな大切な事を考えてもみたこともありませんでした

以下答えです
無限母集団を想定して無作為抽出はできません
できるはずがありません
大きな有限母集団から無作為抽出をすると
標準誤差の公式が限りなく　無限母集団の式に近づいていきます
だから表面上は無限母集団を扱っているように見えるのです
したがって代表性は　有限母集団に対してチェックします

さて困った．
だとすると，あるサンプルをもとになんらかの
主張がされている時，それが「自分は無限母集団を想定している」
と言ってたら，そのデータ，あるいは結果の代表性に
疑義を挟むことはできないのですか？

私が読んだ統計の本では，どれも統計的検定は無限母集団を
対象にしても可能であるように書いてあるように思えます．
たとえば「実験結果を人間全般に一般化する」ということは
実験心理学などではごく普通の論理だと思うのですが，
その場合の「人間全般」とは無限母集団ではないのですか？

統計的検定は有限母集団を前提にしている，とか言えれば
話は簡単なのですが，そうではないと思いますので．

ごめんなさい，185の後半を読み違えていました．
無限母集団からサンプル数を多くとる，のではなくて，
大きな有限母集団からランダムサンプリングすることが
無限母集団からのランダムサンプリングに近い，ということですね．
だとすると，大きな有限母集団は無限母集団のひとつの
サンプルである，と考えるのですか？
そのとき，その大きな有限母集団が無限母集団を代表しているか
どうかは，その有限母集団の大きさによって確率的に定まる，
ということかなあ．

いずれにせよ，このときに，無限母集団を仮定する統計で
サンプルがなんらかの有限母集団からランダムサンプリング
されていない場合に，「その統計はサンプリングが間違っている」と
断言，あるいは批判してもかまわないのでしょうか？

「間違っている」というのではなくて，「実験結果を一般化するときに制限が
ある」ということになりませんか？そして，その制限が大きいか小さいかは，
被験者集団の性質と，実験課題とを照らし合わせて判断するというのが自然だ
と思います。つまり，どの要因に気をつけてカウンターバランスを取るかは研
究領域によって異なっていて，ユニバーサルに有効なサンプリング手法という
のは実質的に存在しないのだと思います。

そうすると，無限母集団を仮定している場合のサンプルの
代表性は，（そのサンプルや実験課題から勘案して）
「明らかに偏っていると言える理由がある／ない」と
いった，データそのものや採取法以外の判断に左右されている
ことになりますねえ．

個人的に何が気になっていたかと言うと，血液型性格判断への
心理学的批判で，よく「サンプル数は多いがランダムサンプリングしていない」
というのがあるけど，血液型性格判断は「人類一般」という
無限母集団を対象にしており，そもそもランダムサンプリングは
不能だし不要だ，という主張に対して，心理学者はどう反論できるのか，
という問題です．松井さんにしても，他の人にしても，
血液型性格判断がどういう母集団を対象にしてるのか，
という問題にはほとんど興味を持たずに，ランダムサンプリングが行われていない，
という一点だけで攻撃してるのは，危険じゃないかな，
むしろ，「（外的状況要因を考慮すると）サンプリングが偏っている
可能性が大きい」という言い方の方が正確じゃないか，でも
無限母集団の場合に「サンプリングが片寄っていない」という
保証は，結局できないんじゃないかな，ということなんです．

どうも明確にパキっとはいかないようですね......

>189

お願いですからこのスレで　血液型の議論するのはやめてください

ここでこんなこと言ってもむりかな．．．

立ち去ることにしよう　さようなら

ああいいスレだったのに　もうおしまいだ

んもー。過剰反応だよ。

>183

>ところで，無限母集団を仮定してサンプルを
>抽出する場合，サンプルの代表性や無作為性は
>なにによって保証されるのでしょうか？

等しい抽出確率を与えることで保証されるのよ

>185

>無限母集団を想定して無作為抽出はできません
>できるはずがありません

げっ！。どうして
あほにも分かるように教えて！

http://namikarex.ug.to/cgi-bin/nami.cgi
http://namikarex.ug.to/cgi-bin/nami1.cgi
http://namikarex.ug.to/cgi-bin/nami2.cgi
http://namikarex.ug.to/cgi-bin/nami3.cgi
http://namikarex.ug.to/cgi-bin/nami4.cgi
http://namikarex.ug.to/cgi-bin/nami100.cgi
http://namikarex.ug.to/cgi-bin/nami1919.cgi
http://iwa.server.ne.jp/up/image/anime3581.htm
ここの人たちは分析不能

>187

>だとすると，大きな有限母集団は無限母集団のひとつの
>サンプルである，と考えるのですか？

逝ってよし

１〜６の数字を書いた６枚のカード　→　有限母集団？

そこから１枚を無作為に抽出する　→　無作為抽出

１枚を無作為に復元抽出する　→　無限母集団からの無作為抽出

無作為抽出 vs 無作為割当
のこと言ってるんじゃないの？

一般化可能性のこと逝ってるのかな？

185氏に見捨てられたので自分で勉強してみましたが，
私の母集団，無限母集団という言葉の使い方が混乱していたことが
わかりました．どうも，

　人間一般＝ユニバース...........私が「無限母集団」と思っていたもの
　　ユニバースから抽出されたもの（データ）　　　＝　母集団
　　　母集団のうち　測定値の範囲が限定されるもの　＝　有限母集団
　　　　　　　　　　測定値の範囲が無限大であるもの＝　無限母集団

であるようです．そうであれば，無限母集団におけるデータの
代表性が「等しい抽出確率」で保証される，という192氏の説明で
良くわかりますし，196氏の説明で，復元抽出が無限母集団を
作り出すことになる，ということもわかります，
（ただそうなると185氏の説明がよくわからなくなるんですが....）

で，このときには無限母集団を仮定してもサンプル源（人）を
ランダムサンプリングすることには，抽出確率を均等化するという
意義があると考えて良いんでしょうか？

同時に，私が上であげた，「血液型は無限母集団を仮定してるから」
というような主張も，無限母集団という言葉を誤用してるわけですね？

ところで，しつこいようですが，そうなると母集団がユニバースを
適切に代表しているかどうかは，何で決まるんでしょうか？

すみません，「教えて君」になっちゃいました．
面倒なら文献を教えて下さるだけでよいです．
それに，ここで教えてもらっただけのことって，
論文に引用できないですからねー（藁．
「2ch心理学板(2001)によれば，」なんて書いたりして．

ついでに自己レスですが，>>198での私の質問

＞ところで，しつこいようですが，そうなると母集団がユニバースを
＞適切に代表しているかどうかは，何で決まるんでしょうか？

どうも185氏が教えてくれた，「できるだけ大きな有限母集団を
仮定する」というのが，このことへの答えのような気がします．
ユニバースの中から，できるだけ大きな母集団を仮定して，
その母集団から適切にサンプリングすれば，代表性は
相対的に向上しますものね．

インターネット上を調べたら，私の最初の「無限母集団」の
理解が正しいような記述がたくさんあります．これ，どう考えたら良いのか...
たとえば，
http://ies.ies.ie.musashi-tech.ac.jp/bstat/1.htm
http://www.kaneko-lab.org/BSTAT/BSTAT1.html
困った．万事休す．

>人間一般＝ユニバース...........私が「無限母集団」と思っていたもの
>ユニバースから抽出されたもの（データ）　　　＝　母集団
>母集団のうち　測定値の範囲が限定されるもの　＝　有限母集団
>　　　　　　　測定値の範囲が無限大であるもの＝　無限母集団

どこを勉強すればこんな知識を得られるのよ

>>202
で、どこが間違っているの？

>ところで，しつこいようですが，そうなると母集団がユニバースを
>適切に代表しているかどうかは，何で決まるんでしょうか？

母集団は「決まる」ものでなく「決める」もの．「定義する」もの．

母集団は「抽出され」ません
母集団とユニバースを区別するのはいいけれど
どこでどう知識をゆがめてしまったのよ

ああ，そこが今日わかったところです．
私は母集団と，その検定なり推定なりが対象とする
「ユニバース」とを混同していて，それで「無限母集団」の
場合はサンプルの代表性が保証できないのでは，と
考えたわけです．それで，185氏はおよそその通りである，
という答えをくれた．

でも「見かねて」さんのいうように，母集団というのは
ユニバースではなくて，そこから研究方法，研究の目的などに
応じて「決めていく」もので，そして，決めた母集団の
もっているデータの性質によって有限母集団か，無限母集団かが
決まるわけです．202に引用されたまとめは，そういう意味で
書きました．

で，有限母集団であれ，無限母集団であれ，ユニバースから
同定された時点である一定の範囲が措定されるわけで，
そのうえで，母集団からの無作為抽出が，統計的推定の
前提になるわけですよね．そういう意味では，私が考えていた
「無限母集団」のように「母集団は過去現在未来の人間一般だ」
なんてことを言うこと自体，母集団を「決めていない」わけだから，
そもそも統計的推定の適用範囲外になる，ということだと思います．

ただ，それでも「ユニバース」からの「母集団」の決定が，
ユニバースを適切に代表できるか，という問題は，やはり残るとは思います．
そして，それは185さんのいうように母集団をできるだけ広く措定するとか，
「大数の法則」的論理しかないように思うのですが，これは
間違ってますか？ ＞「見かねて」さん

もう統計の話はうんざりだー！

>>205
>>どこでどう知識をゆがめてしまったのよ

私，この問題は昨日から考えているわけですが，
私の情報源はこの板と，数冊の統計の教科書です．
知識が歪んだのは教科書と２ちゃんの相互作用でしょうね（藁．

うんざりだけど，話が通じないね．

たぶん
ユニバースと母集団の関係
母集団と標本の関係
無限母集団と有限母集団の関係
などについて，どこかで本質的な誤解をしているよ

そうでなければ

>母集団をできるだけ広く措定するとか

なんて発言をするはずがない．

>>209

有限母集団の範囲をできるだけ広く取る，ってのは
私ではなく185氏だったのですが，それも間違ってるんですか？

ユニバースと母集団の関係は
　ユニバースはその研究，仮説が説明しようとする対象すべて（たとえば人間一般）
　母集団はユニバースの中で，実際に標本抽出，研究の対象になる集団
母集団と標本の関係は
　母集団のなかから無作為に抽出された（母集団より）少数の個体またはデータ
　標本の分布や統計量から，母集団における母分布や母数を推定する
無限母集団と有限母集団の関係（？）
　無限母集団は，それに属する個体またはデータの個数が限定できないもの
　有限母集団は，それに属する個体またはデータの個数が限定できるもの

というのが私の理解なんですが，具体的にどこが
間違ってるんでしょうね？

>>207

騙りだと思うが、臨床心理士試験に出るぞ

（↑）理解，とくに間違ってないですね．ユニバースと母集団の区別は
する人もいるし，しない人もいる．社会調査の人はよく区別するね．
林先生がうるさいから．

それでは「母集団を広くとる」という意味が私に分からないという
ことになるだけですね．

母集団は動かないですよ．母数も未知だけど定数で確率変数じゃない．
なんで母集団がひろくなったり，せまくなったりする，という議論
してるのか理解できない．
サイズがいろいろあるのは標本です．

親切につきあってくれてありがたいです．

母集団を広くとる，と書いたことの意味は，
たとえば「（過去現在未来の）人間一般」をユニバースと考える時に，
「現在の大学生」から標本を無作為抽出するのと，「現在の日本人」から
同様に抽出するのとでは，「大学生」より「日本人」の方が
母集団が「広く」，ユニバースを代表している可能性が高くなるのでは，
という意味ですが，このときの「大学生」「日本人」というのが
母集団なのか，これもまた標本なのか（標本から標本を抽出する？）が
どうもよくわからないところなんです．「人間一般」はもちろん
動かないですが，これは母集団ではなく「ユニバース」と理解したので．

大学で統計は教育社会系の心理学者としてはきちんと習った方だと思うのですが，
どうもこういう基本的なことがわからなくて困ります．

素人ですが、私もちょっと知りたいのでヨコヤリですまないですが。

「人間一般」を母集団とすると、
「現在の日本人」も「大学生」も標本ですよね？

でも、この標本は「人間一般」から
ランダムサンプリングで得たものじゃないですね。

そう考えると「人間一般」から過去現在未来を通して
ランダムサンプリングするのは不可能ということになりませんか？

ランダムサンプリングはユニバースを母集団としたら出来ないから、
現実的には「現在の日本人」を母集団として得るしかないと思うんですが？

もう，しょうがないから付き合うけど．
そのユニバースと母集団の区別・定義は
どこで学んだのよ？

社会学で計量分析をやっている者です。
社会学板は哲学チックな人が多いので（残念ながら日本はあっちが
主流）、こちらのほうにおじゃまさせてもらいました。

心理統計を見ていてよく思うのは、「ランダムサンプリングして
ねーじゃん」ってことです。社会学では結構母集団をちゃんと
定義して（もちろんそうじゃない研究もたくさんある）、
学生名簿や選挙人名簿から抽出しているのですが、心理学では
結構友達（やその友達）に協力してもらったりして被験者を集めて
実験やってますよね。
で、それによって集めたデータをもとにかなり複雑な統計分析とか
やってますよね。

でも、そうやって集めたサンプルの代表性ってどう
考えられているんでしょうか？ずーっとギモンだったのですが。
そういう所には目をつぶっているの？

場違いな質問をしてしまっていたら申し訳ありません。
違う分野で統計を使うものとして不思議に思っていたこと
なので、書き込ませてもらいました。

>>216
あなたの意見は昔から「心理学者の心臓をえぐる質問」として語り継がれています．
心理学者は冷や汗をたらしながら何とか四苦八苦して答えようとしますが…

ちなみに社会心理学でなら非常に大きな問題ですが，
知覚や認知だと個人差が小さいのであまり問題になりません．
本来は統計処理も必要ないくらい個人差が小さなことを扱っているから．

あと，医学の統計もすごいことになっている．

>>217
あぁ、そういうこと聞きたかったことでした。
厨房なもんで自分の疑問点すら整理されてない(^^;

>>214

私も昨日まではそう思っていましたが，統計的推定の対象は
ユニバースではなく母集団である，と考えれば，母集団を
決定した時点で，ランダムサンプリングは可能になります．
むしろ，（過去未来現在の）人間一般を「母集団」と考えることは，
統計学的には誤りということのようです．

>>216

社会学的な分析は人間一般ではなく，ある時代，
ある社会の人間をユニバースと考えるから，
母集団が明確に定まるし，ランダムサンプリングも
しやすいと言うこともあるのでは？

>>217

私は理系の大学に勤めていますが，まわりの
生物学者，環境科学者などの統計は心理学者の
比ではないくらい酷いです．サンプリングなんて
ことにはほとんどの人が全く興味を持っていません．
ただサンプル数を多くして有意差を出せばいいと言う，
心理で言えば卒論レベルの感覚で世界的に通用しています．
やっぱり動物や虫のような個体差の少ない対象を
扱っていると，それでも実際に間違った結論が導かれる
危険が小さいからでしょう．でも，それならなぜ検定を
使うのかが疑問です．

>>「見かねて」さん

他の人の理解も私と大差ないようですし，216，217さんの
意見が正しいなら，「人間一般」を母集団にすると
無作為抽出が成立しない，というような，最初に私が
信じていたような「素朴常識」はかなり多くの心理学者に
共有されているようですが，結局のところどうなんでしょうね？

>>215
ユニバースと母集団の区別は，一般的な統計の教科書には
大抵書いてあるようですが（私は6册調べて4册に書いてあった）．
いずれにしても，ユニバースと母集団を区別しないと，
人間一般を説明対象とする理論，研究では，結局のところ
無作為抽出は成立しないのだ，という困った結論になって
しまうようです．

しかし，どの教科書にも「統計的分析は無作為抽出を前提とする」
ということは必ず書いてあります．だとすれば，例えば人間一般，
というユニバースから，無作為抽出が可能になるように措定された
集団が母集団である，と考えるのが最も妥当だというのが，
今朝現在の私の考えです．

221はもちろん私です．

なるほど，そういう遠大な議論をしていたのですか．
私の理解が及びませんでした（でも最初の方は誰でも
理解できないような発言だったと思うけど）．

そりゃあ，人間一般というユニバースから無作為抽出
はできませんよ．議論以前だ．無作為抽出できるように
確率を付与できるように定義した母集団から得た確率標本
（無作為標本）による推定値の標本誤差を確率的に考察
することだけが推測統計学のなしうることじゃあないですか？．
そこからの解釈・洞察・哲学は心理学的にも社会学的にも
医学的にも哲学的にも2ch的にもなし得るのです．人間一般
でもどこでも行ってください．

>「人間一般」を母集団とすると、
>「現在の日本人」も「大学生」も標本ですよね？

「人間一般」は母集団じゃないでしょ．ユニバースよりもっと向こう．
「現在の日本人」を「○日現在の住民基本台帳記載者N人」
のように定義した集合が母集団．
標本とは，そこから無作為抽出した（すべての要素に1/Nの確率
を与えて抽出した），サイズnの集合．

＞ユニバースと母集団の区別は，一般的な統計の教科書には
＞大抵書いてあるようですが（私は6册調べて4册に書いてあった）．

書いてある本は少ないと思うけどなあ，
その４冊を教えてくれますか？

＞学生名簿や選挙人名簿から抽出しているのですが、心理学では
＞結構友達（やその友達）に協力してもらったりして被験者を集めて
＞実験やってますよね。

実験研究と調査研究をわけて考えてるんじゃないでしょうか？

いくら心理学者でも「その教室の学生」を対象に質問紙調査して
人間一般へと結論を一般化しないでしょ．それは卒論でしょ，
ましてや教室の学生に「社会調査」や「世論調査」やるわけない．
常識ってものがあるよね．

>>226

実験研究なら，無作為抽出した標本でなくても，「その学生ら」
を対象に人間の心理に関して実験した結果から，人間一般へと
結論を一般化していいの？．控えめに言って，「その学生ら」が
代表している母集団に一般化していいの？．
だって，「その学生」はまったく無作為抽出されてないのに．

>>227

実験心理学が対象にしているような人間の属性や
構造については個人差は小さい，だから無作為抽出しなくとも
代表性には問題ない，という考え方だと思います．
人間以外の生物を扱う研究者も似たような考えのようです．
でも，それならなぜ検定などの推定を行うのかがわからない．
検定が「検出された差の大きさを示す」という「記述統計的用法」
をされているという尾見氏などの指摘は，心理学以外にも
あてはまるようです．

結局，統計的推定の結果を母集団の外（たとえばユニバース）に
一般化する根拠は，手続き的には定まらないということですね．

そうすると，標本（あるいは統計値）の代表性という議論は

　１．標本の母集団に対する代表性（統計学的な論点）
　２．母集団のユニバースに対する代表性（理論心理学的な論点）

というふたつがあって，それが必ずしも区別されずに論じられている
（>>214,>>226などを見よ）というところにも，問題がありそうです．
また，一部の専門家を除いて，一般の心理学者がその問題について
私よりもきちんと理解している，あるいは正確な知識を持っている
ということは，考えにくいと思います（>>185などを見よ）．

面白いのでもう少し調べてみます．

>>228

ただ，尾見さんたちは「記述統計的用法」でいいじゃんって
開き直ってない？

>>225

たとえば森他「心理学のためのデータ解析テクニカルブック」（北大路）
宝月他「社会調査」（有斐閣）などがありますが，区別の仕方は
本によって違うようです．他の本も含めて母集団と標本に関する統計入門書の
記述は，概して「人間一般が母集団」「ユニバース＝母集団」という，
「名もなき者」さんがいうところの「議論以前の誤解」を明確に
否定できるようには書かれていません．多くの入門書には「標本抽出の
対象になる集団が母集団」などというように，ある程度の知識があって「名もなき者」さんのいうように理解することが可能な
はじめて，「名もなき者」さんのいうような理解ができるものが
多いと思います．たとえば先にあげた「テクニカルブック」の47ページの
記述を読んで，母集団は人間一般ではなく，「無作為抽出できるように
確率を付与できるよう定義した集団」であると理解できる人がいるかな？

すみません．消したつもりの文が残ってしまいました．

無作為抽出
無作為割付
一般化

http://homepage1.nifty.com/YUASA/yuasa/randomization.htm

>>233
湯浅先生とはいま議論しているような問題でメールをいただいたことがあります．
このホームページの参考文献が大変役に立ちました．ありがとうございます．

>>230

私は前提を崩す使い方をするなら使わない方がいい，
使うなら正しく使うべき（正しく使える条件なら使わないより
使った方がよい），という立場ですね．
佐藤達哉氏は使えても使わない方がいい，ともとれるようなことを
時々いいますが．

>>233
無作為割付を用いることで，サンプル（人）自体はランダムサンプリング
しなくても，実験要因と相互作用するようなサンプルの歪みは
相殺できる，という考え方は承知しています．
しかし，私たち（教育社会系）が日常的に行うような，
独立変数も，独立変数によって分割されるセルに入るサンプルも
操作不能（操作以前に決定されている）なような事例の調査データでは
（たとえば，血液型によって性格は違うか？），無作為割付は
利用できないですよね．

あ，無作為割付が無限母集団からの標本におけるランダム化を
保証するのに有効，ということもよくわかります．
無限母集団の仮定，ってのはどうも「試行」がくり返されるような
実験データが典型的みたいだから，実験心理学はサンプルの
ランダム性を考えてないんじゃなくて，ランダム割付などの
実験計画法でサンプルによる歪みを補正（あるいは防止）している，
と考えたらいいですね．

でも私のまわりの理系人間たちはランダム割付もしてないですよ....

わずか二日でずいぶんいろんなことが勉強できました．
教えてもらったことも，自分で勉強したことも含めて．
２ちゃんって自己学習促進メディアとしてかなり有効ですね．

>>235
>私は前提を崩す使い方をするなら使わない方がいい，
>使うなら正しく使うべき（正しく使える条件なら使わないより
>使った方がよい），という立場ですね．

理性的には賛同します．
一度前提を崩してしまうと，そのままどこまで崩れていくかわからないから．
ただ，厳密しようとすればするほど，心理学で「統制」は不可能なわけで．
そうやって，こっちが四苦八苦してるうちにドキュン論文が雑誌に載っていく．

....まあ，どんな業界でも奇麗事だけでは生きていけないってことですかね．
明らかに自分でもおかしいと想っている論文でも，査読者がオッケーだせば
それは業績(藁

ふう　嵐がさった　血液型議論は2度とここでしないでね

今　191以降，初めて目を通したけど　最初のほうの
196あたりからデタラメな議論が延々続いているな237までは
ほとんどデタラメだぞ

>１枚を無作為に復元抽出する　→　無限母集団からの無作為抽出

ってメチャクチャでしょう　でたらめにもほどがある
１枚を無作為に復元抽出する　→　有限母集団からの無作為抽出
だよ　どんな分析したって結果はその6枚のカードにしか一般化できないよ

それからユニバースなんて概念は　そもそも統計学にはなんだよ
心理学では被験者を母集団と考えるけど
たまに刺激や項目の母集団をも想定したくなることがあり
そのときその母集団を　とくにユニバースというのだ
命名者はクロンバックで丁度，東先生が池田先生が
イリノイ大学に留学していたころに考え出された便宜上の概念だよ．

悪いこといわないから183は，理系なんだからちゃんとした標本抽出の本よみな
西平　直喜　統計調査法　培風館
豊田　秀樹　調査法講義　朝倉書店
鷲尾　泰俊　実験の計画と解析　岩波書店
だったら確実　ユニバースのことをちゃんと知りたかったら
R.L.Brennan, Elements of Generalizability Theory, American College
Testing, 1992.
だよ　でもそれは血液型とはカンケイナイよ　２度とここには来ないでね
たのむよ

>>185

残念ながら，ユニバースの命名者がクロンバックと言うのは，
デタラメもいいところです．統計学辞典等にも
ちゃんと書いてありますよ．
また，統計学的推定の「妥当化」を考える時に，
母集団とユニバースの区別を考えるのが有益なのは明らかです．
べつにあなたの「お勉強」の中にそれが出てこなかったとしても，
私はそう理解したし，それでいろんな疑問が氷解しました．

また，復元抽出が無限母集団を作り出すことも
まぎれもない事実です．これだって大半の統計学書を
きちんと読めば理解できます．

現実は，自分は統計が得意だと思っている心理学者たちも，
それぞれ勝手なことばかり言っている，ということです．
また，「教科書以前」の前提について，多くの心理学者は
ちっとも理解していない．
たとえば，あなたは「無限母集団からは無作為抽出はできない」
という以前の主張を，相変わらずくり返せますか？

また，血液型の問題も，それが統計学や心理学の研究法に関する
正当な疑問と結びついていれば，ここで議論すべきことと十分
「関係ある」と思います．それに，私はここで「血液型の議論」
など，まったくしていないではないですか．

あなたの興味範囲で，あなたの間違いが指摘されないような
話題だけがここにふさわしいと言うのなら，出て行くのに
やぶさかではないですけれど．

あ，でも文献だけは参考にさせていただきます．
ありがとうございました．

＞復元抽出が無限母集団を作り出すことも
＞まぎれもない事実です．

心理統計じゃなくてムード・グレイビルのような
統計学の本をよんでごらんよ

＞あなたは「無限母集団からは無作為抽出はできない」
＞という以前の主張を，相変わらずくり返せますか？

はい．だって無限に要素があったら，一つ一つ
を等しい抽出確率にできないでしょ．
血液型という変数に着目してまだ生まれてこない
子供をどうやって標本にするの？

今いる日本人全体を有限の母集団として
無作為抽出するんだよ（層化多段という言葉をテレビで
聞いたことあるでしょ）．その評価式は
無限母集団を仮定した場合とほとんど一緒なんだよ
だらか入門段階では（特に心理統計の教科書には）
無限母集団を最初から仮定しているように書いてあるんだよ
がらか一般化は無限母集団にしてはいけない

10分後のサイの目，１００年後のサイの目
をどうやって等確率で抽出するの

やっぱりたんでもだめかあ　ちぇちぇっ

前川　うざいぞ！

それはあなたの「有限母集団」と「無限母集団」の
理解が間違っているのです．同じような間違いは
多くの心理学者がしています．私もあなたが間違えてくれて，
「見かねて」さん，「名モナキ者」さんがきちんと指摘してくれたから，
初めて分かりましたし，それを前提に統計の教科書を
読みなおしてみたら，よく理解できるようになりました．

だいぶあせっておられるようで，誤字脱字だらけの
レスをされていますが，まずは落ち着いて，私が上にあげたお二人に
教えてもらっている内容をよく読み，ついでに統計学の教科書も
もう一度御覧になった上で，ゆっくりレスをされたらいかがでしょう．

あと，無作為抽出は母集団が確定しなければできません．
「今いる日本人」は戸籍に載ってない人，うまれたばかりの子供など
実数を把握できませんから，その「ユニバース」から住民票などで
把握できる人々を「母集団」と定め，住民票なら住民票をもとに
無作為抽出をする，ということで，「今いる日本人を有限の母集団
として無作為抽出する」というのは間違いです．

もちろんこれも，単なる聞きかじりにすぎませんが（藁．
まあ層化多段抽出などは学部の授業で習いましたし，
それを使った論文も書いたことありますが...

ある定義があって，その構成要素が具体的にとらえられるような調査対象集団
がユニバースだった．日本人という集団をとらるための住民登録簿や有権者名
簿，あるいは命中率やサイコロの目の出現率を知るための無限回の“実験”が
これに当たる．このユニバースから調査や実験のための要素を取り出すことに
なる．こうして要素を実際に取り出すには，確率の考え方を使う．個々の要素
に抽出確率を与えて，それを取り出すことを考えるわけだが，確率を与えるだ
けでなくその取り出し方も決める必要がある．このようにユニバースに要素を
取り出す，という考え方を加えたのが，「母集団」である．
日本人という調査集団では，ユニバースであった住民登録簿から機会均等に，
つまり公平なくじ引きで，むずかしくいうと同じ抽出確率でつぎつぎと人を抽
出すると決めたのが，母集団ということになる．この意味では抽象的な集団を
考えればよい．命中率やサイコロの目の出現率の調査，あるいは科学的な実験
では，一定の条件の下で無限回数行われる実験が等しい抽出確率で独立に取り
出される，と考えたものがこれにあたる．
ユニバースでは一つであっても，母集団はいくつでも構成することができる．
そしてその構成の仕方は，母集団から得られる情報の精度がもっとも高くなる
ように考えるのである．こうして，精度が高く，集計分析に扱いやすいいろい
ろの標本抽出計画が実際に生まれてくることになる．
（中略）この標識の比率や平均値を計算して標本の傾向，性質を知り，さらに
この結果から母集団に対して推定を行い，ユニバースに対して適格な情報を得
る――．これが調査・統計の基本的な段取りである．したがって標本はいずれ
の場合も手にとれる即物的なものであり，母集団はむしろ数学的・抽象的な概
念，そしてユニバースは実質的な集団といってもよい．

調査の科学

今日の推論においては，まず調査対象集団（ユニバース，universe）を明確に
し，これに確率を付与し抽出方法を規定して母集団（ポピュレーション，
population）を構成し，これから標本（サンプル，sample）を抽出し，こうし
た標本のデータから母集団への推定（検定）を行う．つまり，これがユニバー
スへの情報となるようにする考え方である．
（中略）調査対象集団（ユニバース）には，即物的なものと論理的なものとが
ある．即物的なものは，対象が実際のものとしてとらえられている場合である．
たとえば，平成5年10月1日本国土に常住する日本国籍を有するもの，その辞典
の日本の大学の工学部の学生のすべて，現時点での日本の有権者，現時点での
日本国土内の日本企業，現時点での入院患者などはっきりととらえられるもの
である．一般に集団の要素（人とか企業とか）の数，つまり集団の大きさとい
うものであるが，これは有限である．これの大きいときも小さいときもある．
大きい場合，数理的に無限として取り扱うことが便利なこともある．
一方，論理的な場合は，確率論のところで述べたように，即物的にそこにある
ものではなく，ある条件の下で試行すれば得られるような事象――たとえばサ
イコロを振る，コイン振りをするなどのこと――，ある条件の下で実験を行う
ような場合，その得られるであろう一つ一つのデータ――標識によってその結
果が表現・記述されなければならない――の集まりというような場合がある．
集団の大きさは有限とみなすより，この場合は可能性として無限と見た方がよ
いであろう．
（中略）２）母集団いま，大きさN（有限でも無限とみなせる場合でもよい）
の調査対象集団（ユニバース）の各要素に抽出確率P1, P2, …,PN; ΣPi=1を
与え，独立のあるいはある従属性をもって抽出しを行うとしよう．このように
抽出確率を与え，抽出の仕方を定めるとき，ユニバースは母集団といわれるも
のになる．ユニバースは一つでも，推論の目的に応じ，いくつでも母集団を作
成することができる．最ももくtr期に適合した母集団が採用されればよい．統
計的推論は母集団に対してなされるのであるから，前述のように，母集団に対
する情報がユニバースに対して有効適切な情報となるように母集団を構成しな
くてはならないのである．

行動計量学序説

標本調査法において，調べたいと思う個体の集合をユニバースといって，これ
らの個体についての測定値の集合である母集団と区別することがある．たとえ
ば，電話帳に名前が掲載されている人々の年齢を調べたいという場合に，電話
帳にのっている人々の集まりをユニバースといい，それらの人々の年齢の集ま
りを年齢の母集団といって区別する．なお，これら２つの言葉をまったく同義
語として取り扱う人もいる．［渡部］．

統計学用語辞典

正確には，研究の対象となっているすべての個体の集合はユニバース
（universe）と呼ばれ，母集団とはそれらの個体についての測定値の集合を意
味する．また，母集団は必ずしも人間の集合とはかぎらず，全国の学校，製品
の全体，ネズミの全体など，さまざまな母集団が考えられる．さらに，同一の
個体についても無限回の測定が可能であり，本来，母集団の大きさ＝個体数で
はない．

心理学のためのデータ解析テクニカルブック

明確に規定され，それに含まれる単位が具体的に捉えられる調査対象の集まり
を，ユニバース（universe）という．標本調査では，特定の抽出法によって，
このユニバースから標本を抽出する．抽出方法はユニバースの各単位にたいし，
それが標本として選ばれる確率を設定する．一定の抽出確率で標本を抽出する
ことが定められたユニバースを母集団（population）という．すなわち，母集
団とは，ユニバースとそれに含まれる単位にたいして与えられた一定の抽出確
率とをあわせた概念である．同一のユニバースに種種の抽出確率に対応する複
数の母集団を構成し得る．これは，母集団を構成する仕方の工夫を可能にし，
標本から得られる情報の精度が高く集計分析しやすい種々の標本設計を可能に
する．
　ところで，母集団に含まれる単位はさまざまな特性を有している．社会調査
が調べようとするのは単位（標本）そのものではなく，単位が保持する特性で
ある．母集団とは，これらの特性をそれぞれに持つ単位の集合にほかならず，
特性の集まり全体を意味する．この特性の平均や比率などを計算して標本の傾
向・性質を知り，その結果から母集団の推定を行い，ユニバースにたいして適
格な情報を得る．これが標本調査の基本的手順なのである．このように，実質
的な個体の集合としてのユニバースと数学的に定義される抽象的な構成体とし
ての母集団とは，本来区別されるが，慣用的にはユニバースに対しても母集団
という用語が使われる．このばあいの母集団は「標本が選ばれた元の集団」と
いうくらいの意味である．

社会調査

>>239

＞>１枚を無作為に復元抽出する　→　無限母集団からの無作為抽出
＞ってメチャクチャでしょう　でたらめにもほどがある
＞１枚を無作為に復元抽出する　→　有限母集団からの無作為抽出
＞だよ　どんな分析したって結果はその6枚のカードにしか一般化できないよ

基礎から勉強しなおしなさい．

＞２度とここには来ないでね
＞たのむよ

はい，２度と来ません．

>>242

＞今いる日本人全体を有限の母集団として
＞無作為抽出するんだよ（層化多段という言葉をテレビで
＞聞いたことあるでしょ）．その評価式は
＞無限母集団を仮定した場合とほとんど一緒なんだよ

標準誤差を求める式は「ほとんど一緒」というより
有限修正項があるか，ないかという違いがあるのです．

＞だらか入門段階では（特に心理統計の教科書には）
＞無限母集団を最初から仮定しているように書いてあるんだよ

式が似ているからでなく，母集団の大きさが数万以上になると，
両者の式で得る標準誤差が有効桁数で「一緒」になるから，
あるいは，有限修正項が１に近くなるから，標準誤差をσ2／n
で見積もってよいのです．わかりましたか．

＞10分後のサイの目，１００年後のサイの目
＞をどうやって等確率で抽出するの

百年後も千年後も，毎回の試行で等確率1/6で，抽出するのです．
わかりましたか．

もう２度と来ませんけど，基礎から勉強しなおしなさい．

＞標準誤差をσ2／n

ごめん，標準誤差の平方だ．

（これで最後）

いやあ笑った笑った．
コピペ大変だったでしょうが，結局大先生達も
ひとりひとり違った理解と説明をしてるじゃ
ありませんか．これじゃ誰も分からないはずだよね．
私は自分なりの理解で勝手に納得したので
当分は悩みません．

>>250-252
統計って，ちゃんと勉強するときちんと答えが
見つかるところがいいですね．
心理学者でもある程度勉強すると，統計の方に
興味が移っちゃう人が多いのはそのせいかな．
まあそのために統計をちゃんと理解して実際の研究を
する人が少なくなっちゃうのかも知れません．

私も退散します．教えて下さったみなさん，
ありがとうございました．

今まで話の中身がさっぱりわからなかったけれど，
今こうして全部を読み返すと，概ねの理解はできたように思える．

183さんをはじめ，諸先生方とに感謝．まる．

コピペ大変でしたね。
皆さん、勉強になりました。ありがとうございます。

やっぱABOファンは前川だったか。
こうなったら面が割れたんだから
渡邊と前川と直接学会で対決すり
ゃいいんだよ。 サトウあたり企画
してやれよ。２人ともすげえ偏執
ぶりだからきっと客はクルゾ。

>>256　=185
185は苦し紛れにとんでもない勘違いしてるな。
自分が誰と議論してたのか分かってなかったんだ。
前川がこんなに統計わかるわけないだろ。まあ185よりは
わかるかもしれんが（藁。

ABOFANが183程度の統計の基礎知識と理解があったなら
渡邊だってあんなに苦労する必要はなかっただろう。
どうも185はABOFANを読んでもABOFANの統計理解の基本的誤りが
わからなかったようだな。そうでなければ183=ABOFANなんて
考えるわけないもん。それに前川の本ほんとに読んでいれば
前川が統計を全く理解してないってこともわかるはずだが、
どうも185は読んでないか読んでもわからなかったようだな。

大学休みの日にもっとも上がりにくいスレあげ

週はじめのあげ．

主要な住民がドキュソ転落でこのスレも消滅か

このスレは俺が死守する

そんじゃあなんかネタふってくれ

んじゃ，ネタふり．

数ある心理学論文において，今や統計は必須とも言える手続きである．
しかしながら，そのお粗末さについても，今までに何度となく指摘されてきたことである．

ということで，統計的手続きのおかしい論文をさらしましょう．

まずは，お約束ということで，
主因子解＋バリマックス回転の探索的因子分析＞いっぱい

age

思うんだけど，心理統計って，わが道走りすぎてない？
自分達が統計の本元(!)だと，思い過ぎな気がする。
特に日本は，異分野との交流が少なすぎ。

例えば，頻用される手法を見るだけで，
心理統計：因子分析とSEM
V.S.
理学工学：主成分とグラフィカルモデリング
って違いは明らか。
当然，それを支持する理由も違えば，支える風土も違う。
でも特に，心理統計側の先生方は，
その違いを理解しようって気がないんじゃないかと見て取れます。

例えば，工学系の人からは「因子分析」なんて分析者の都合がよい
手法以外の何物にも見えなくて，
あらゆる回転から自分にもっとも都合が良い解を報告できるってことが，
信じられないわけで，そんなところに科学性があるのか？と当然思うわけよね。
（そもそも，回転で因子負荷量が変わって，主に負荷する因子が違う場合が
あるってのが，混乱の元なんだけど，世の中，どんな回転でも単純構造で
きれいなんてデータは，まずないだろ。）
誰がやっても，同じ結果に行き着くべきなのに，
上手く工夫(?)すれば，各人，自分の仮説を支持するように報告できるって，
ちょっとねええ。
（もちろん，最尤法+プロマックスが主とは知りつつなので,この点は
指摘しないでね。あくまで，報告できる，だから。笑。）

あと，探索的データ解析と言いながら，全然探索的って意味，
わかってないじゃない。
何十回もデータ取って，毎度毎度，考えうる理解可能なモデルを
片っ端から試して，その中でモデルを洗練させていくのが
「探索的データ解析」でしょ。
でも，心理統計の先生と話すと，
すぐ「モデルが真なら」とかいいだして，馬鹿か？と思っちゃう。
しょせん，データ収集の部分の記述がほとんど無くて，
追試が不可能な論文でも通しちゃうような分野の，
実際，一回こっきりのデータで何か言っちゃうような分野の
（交差妥当性なんか見ないような）先生に過ぎないのよね，
と，思っちゃうんだよね。
主成分は駄目，なんて公言しちゃうような先生もおるでしょ？
場合（分野）によっちゃ，一番よかったりするんだけど，
その「場合」ってのが理解できてないんだよ。

とにかく，自分の扱うようなテーマと扱ってきたデータしか頭に無いから，
言うことが当てになんない先生多すぎ。

って。。。あれ？だんだん愚痴になってきたから，やめよう。

>>266
愚痴ってことは，工学上がりの心理屋さんかな？
是非，その主張を声高に叫んでください．

＞何十回もデータ取って・・・
心理学のほとんどの分野では何十回もデータとれないでしょ。
普通に考えると。
その分野ごとに研究・調査の限界があるんだから。

＞言うことが当てになんない・・・
院生だったら先生なんて当てにせず、自分で考えていくべき。
先生のいうことは、一つの見解程度に捉えていれば十分じゃない？
正しいことを言ってるときもあるし、間違っているときもある。
その判断はあくまで自分の責任で行うべきと思うよ。

>>268

いえてる．院生（とくにドクター）になったら
自分の研究分野では指導教官より上のレベルに
いるのが心理学では常識．指導教官を教育するのも
院生の重要な役割だ．

臨床が増えてからは院生になっても先生に教えて
もらうことばっかり考えて，先生が教えてくれない，
教えてくれない，って文句ばっかり多くなった．
俺が院生の頃はそもそも大学院では授業もほとんどなく，
自分で文献読んで，同レベルの研究者と直接連絡とって
研究してたし，それが当たり前と思っていた．

指導教官が院生を指導するために，指導教官が
院生の研究分野について院生より詳しいということは
必須条件ではない．

>>268
>院生だったら先生なんて当てにせず、自分で考えていくべき。

自分で理論がすらすら出てくるなら，
さくさく合目的な手法が思い浮かんで，
応用がぱっぱと思いつくんなら，
統計家になってますって。＾＾；

当該分野で統計を使い倒すことに生きがい感じてるんですが，
まあ，素人ですからねえ。
相談したくなることもあります。
（みんなそうじゃないんですか？？そこまで自活できるユーザーが本来なのか＠＠）

＞＞268,269
別に266を擁護するわけじゃないけど・・・
この場合の「先生」って、指導教官のことを指してるわけじゃないでは？
心理学分野で、研究者として経験をつんでいるという意味での
一般的な「先生」じゃないの？

統計学っていうのは，共通語で，
「心理」統計とか，「マーケティング」統計とか，
そういう形容部分は方言。
分野に固有の知識（方言）を，
共通語のように使うのは如何な物だろうか。
大阪弁をしゃべるなら，大阪弁でしゃべってるという認識と，
共通語の理解と，場合によっちゃ東北弁だって理解して欲しいよ。
言語学者なら。
単なる「大阪弁」言語学者は，大阪から出てくるな？

「方言」であることを自覚しており，かつその「地方」から出ない限りは
その「方言」を使っていても問題はないでしょうけどね．

私の指導教官は，最近「方言」にすら疎くなっており，
あんまり相手にしてくれません．
ま，統計屋の先生に聞くからいいんだけど．

>272
なんでそこまで心理統計につっかかるのか、理解できん。
誰に恨みがあるのよ。

SASってむずいね。

たしかに。SPSSの方がすき

おれなんてStatViewしかつかわねえ(爆

>>272の怨恨は，統計を曲解してる指導教官への私怨じゃないの？

＞274
心理統計って，一大派閥なのよ。
その上，ちょっと閉鎖的。
工学や理学では，心理統計なんてどーでもいいと思ってるんで，
あっちもそれなりに閉鎖的。
分野間交流はないでしょ。
でもね，
実際には，調査をスりゃぁ，心理統計系の統計解析をしなきゃいかんし，
実験したり，機器データ取れば，工学系の統計解析しなきゃいかんし，
ああ，できたら，もうちょっと歩み寄ってよね，という私見。

＞279
一大派閥というのを説明して下さい。
私も心理屋ですが、そのようなことをあまり感じたことがないので。

心理統計という一大派閥
社会統計という一大派閥
生物統計という一大派閥
数理統計という一大派閥

医療統計という派閥崩れ

ほかの分野は知らないが，

＞心理統計って，一大派閥なのよ。

ってそうかなあ，と思う．
個人的な認識では，行動分析や社会心理ではかなり厳密で，
教育・発達系はつかえればいいじゃん的に思えるんだけど．

行動分析学ではいわゆる「統計」はあまり使わない．
スキナーも統計は使わなかった．統計使わないと
安心できない人たちは「シングルケース統計」など
いわゆる推測統計学とは毛色の違うものを使っている。

たしかにね,一くくりにしちゃうのも
マズイかもしれないですけどね.
心理統計.
いろんなタイプの人もいるでしょうし．
でも，ま，心理っちゅうでっかい枠組みの中では
それなりに意思の疎通は出来てるようだし，
良しとして．
それにしても，
ちょっと学問的な枠から出ると，聞いたことも無いような手法があって，
おどろきますよ，本当に．

hierarchical 回帰分析って何？
ロジスティック回帰分析との違いが分からないので
よかったら教えて下さい。ドキュソな質問でスマソ。

age

>hierarchical 回帰分析って何？

重回帰分析ではないか？
それなら，このスレで以前俺が質問した「階層的重回帰分析」だと思う．
けっきょく，誰も答えてくれなかったが.....

＞280さん
現在の心理統計系譜をつくると面白いかもしれませんね。
活躍しているのは，同門の方が多いですし。
変種とか，雑草？（自己鍛錬系），帰化系（他分野からの参入組），
時には突然変異などあって，面白そう。

age

しょうがないなぁ。
階層的重回帰分析ってのは、簡単にいえば重回帰分析を階層ごとに区切って行うこと。一段階、二段階って。
そんで、第一段階と第二段階のR二乗の変化の有意性を検定して、その二段階めの投入に意義があるかどうかみるってこと。
例えば、重回帰分析で交互作用をみるときに使う。
第一段階では、普通の変数を投入。
第二段階では、交互作用項を作成して投入。
そこでR二乗の変化が有意であれば、「交互作用がある」と解釈する。
ま、気軽に使えると思うので、難しく考えずにやってみてね。

>>291
ありがとうございます。助かりました。
卒論がんばります！

>>291
回帰分析の際の
変数選択の方法の一種ってこと？

>>291，293
もうちょっと積極的な使い方が主流じゃないの？

説明変数間に明らかな階層構造が仮定できる場合の回帰分析
（古典的パス解析）はこの範疇ではなくて？

（それこそ，心理統計じゃＳＥＭの範疇に取り込まれて説明されて
事実上存在意義は？？でも，他分野ではこれにこだわって研究しつづけてる
学者もけっこういるような...そういう認識だったけど）

このスレ、勉強になるなぁ…。

＞294
古典的パス解析との違いは、基本的に従属変数が一つだけってこと。
ある従属変数に対するR二乗の変化をみるわけ。
従属変数として一度指定した変数を独立変数とする（古典的パス解析）ためには、回帰式を再度指定しなければならず、そこにSEM側からの批判があった。
でも、階層的重回帰分析はその議論とはあまり関係ない。
あくまでも従属変数は一個だけなの（階層的という名前から混乱しがちだけど、パス解析とは違うのよ）。
また、SEMでは交互作用だすの難しいし、それなりに存在意義はあると思う。

＞293
変数選択というと、ステップワイズ。
階層的重回帰分析では変数は選択しません。
第一段階、第二段階ともに綿密な実験計画にもとづき変数が投入されるはず。
例えば、「X1およびX2はYに対し直接効果を与えないが、x1*x2の交互作用は見られる」という仮説をもとに変数を投入します。

お役立ちあげ

>>291

分割実験すべきところ、しない（できない）まま分割型データを得て
しまったので、要因が直交していない。それを重回帰分析でやる方法
ではないですか？
分散分析ではできないのかな？

>>291
階層化をわざわざする理由がわかんない。なぜですか？
最初から交互作用項作っていれるんじゃ駄目なわけ？
それに，ちゃんと実験計画に沿ったような形なら，
ＳＥＭでやるのだって，難しくないのでは？

しかし，こんなにあげてっと，目立って荒らされそうだよなあ・・・

>>299

わざわざ階層化するんじゃないんでないの？
時間に沿ってデータが測定されるような場合だね

計画的にデータ収集してない（できない）からANOVAができなくて
重回帰で交互作用を見積もる

重回帰で交互作用というのがよくわかんないんですが...
重回帰なんだから、説明変数は独立ではないんですか？

>>302

きみ、まったく逆のこといってない？
重回帰なんだから説明変数（独立変数）は独立でないこと
が一般的なんだよ。実験データではないから相関があるのがふつう。

>>302
それに、説明変数が独立でも、交互作用は発生しますよね。

ご返答、ありがとうございます。>>303&304

えっと、私が昔学部で習った頃はですね、
多重共線性を念頭に入れて、説明変数間の相関をとって、
ある程度独立が保障されたものをステップワイズで重回帰分析するというのが
一般的だったように思うのです。

どうも，その頃と変数間のとらえ方が異なってきているようですね。
このスレの上のほうみると、階層的重回帰分析というのも、
SEMのカテゴリに含まれるようですね。

ちょっと勉強してみます。

自己レス

＞また、SEMでは交互作用だすの難しいし、それなりに存在意義はあると思う。

ん？SEMともちがうのか.....

SEMだっていえば，線形多変量解析のほとんどはSEMだよ

あげ

統計用語辞典でお勧めのがあればお教えください。

>>309

竹内編「統計学辞典」東洋経済
芝他編「統計学用語辞典」新曜社
千葉大訳「ケンドール　統計学用語辞典」丸善
池田編「統計学ガイドブック」新曜社

>>310

ありがとうございます。
他にもありませんか？特に心理統計やるときに必携のもの。

「Ｑ＆Ａで知る統計データ解析」． サイエンス社．
http://www.saiensu.co.jp/books-htm/ISBN4-7819-0915-9.htm

少しは自分で調べてね

>>312

がいしゅつ．というか，309が望んでるのは辞典だろ．

age

次のネタが降臨するまでage

>266

> あと，探索的データ解析と言いながら，全然探索的って意味，
> わかってないじゃない。
> 何十回もデータ取って，毎度毎度，考えうる理解可能なモデルを
> 片っ端から試して，その中でモデルを洗練させていくのが
> 「探索的データ解析」でしょ。

「探索的データ解析」(exploratory data analysis)という用語の
意味を誤解していませんか？

探索的データ解析というのは、特定のモデルを出来るだけ
仮定しないで、データの中に潜んでいる規則性なり法則性なりを
探す手法を言います[1]。

典型的には、ある2変量のデータ(x,y)について、

y=s(x)+ε

という式が成り立つことを仮定するときに、
「sの性質としてxに関して滑らかであること」
「誤差εには特定の性質を仮定しない」
という緩い制約の下で上の式のεを最小化する解を探す方法です。

[1] B.S.Everitt, "Dictionary of Statistics",
Cambridge University Press, 1998.

データマイニング=探索的でOK?

>>316

一種の比喩というか・・・「探索」という言葉の方に重点がありました。
確かに前述の使い方はおかしいです。
ただ,ここで言いたかったのは，
あるデータセットに対して最適なモデルを探すというのが
狭義の「探索的」という意味でしょうが，
そもそも経験主義的に事象を解明（というか記述）しようとするなら
データセットそのものを真と考えずに，
データそのものも探索する必要があるのではないですか？という事です。

データそのものも探索するってどういうことですか？

> 318

先の316では、266での「探索的」という統計用語の使い方が
誤解ではないかと指摘しました。

さて、

318では、「データセットそのものを真と考えずに，
データそのものも探索する」と仰っていますが、
「データセットそのものが真」の意味がはっきり
しませんね。

ここで仮に、
「データセットそのものが真」＝「母集団の性質を反映している」
と解釈すれば、「データセットそのものが真」であるかどうかを知るのは
「検定」という手続きになります。

検定するには、母集団について何らかの性質を仮定する必要がありますから、
そういう性質を記述するところの「モデル」が必要になるでしょう。

そこで、266に出てくる心理統計の先生は
「モデルが真なら」という言い方をしているんだと思います。

もう一つの話題である「データそのものも探索する」というのは、

266の記事も併せて考えれば、
「十分たくさんデータを取る」とか
「十分さまざまな条件でデータを取る」とか
いうことでしょうか。
こちらは「再現性のある実験をする」とか、
「実験計画をきちんと立てる」と言ったことに
帰着するのでしょうね。

現実的には，母集団の性質を仮定し「検定」することができる状況は
少ない（ない？）のではないですか？

手元にあるデータを母集団の性質を反映しているに違いないと
とりあえずは「信じて」解析したりモデル化する。
（心のよりどころは「ランダムサンプリング」？しかしサンプリングしていないと，
まさに信じるだけ・・・）
だがそれはあくまで，信じているだけなので，
「十分さまざまな条件でデータを取る」ことをし，
妥当性を検証する必要がある，ということかと。

後半は独り言です...

つづきをきぼんぬ

母集団の性質を知ろうと思って調査してんのに「検定」〜？
変でしょ。そりゃ。
それとも,手垢にまみれた何の新規性もない研究するってか？
（卒研レベルの追試にありそうな話で笑えない・・・）
いや,超有名な調査に戦いを挑む？・・・・・・・。

ここで言いたかったのは
「データセットそのものを真と考える・・・（中略）」は
「とりあえず真と置いてモデル化してもいいけど，妥当性見ようね」

******
とりあえず,データを信じて,
まずはそのデータでモデル化してるだけなのに,
「モデルが真」なんて言われるとガックリするのです。
シュミレーションしてんじゃないんですから。

誰か千野直仁って人知ってる人いない？

非対称MDSの千野先生？なに？

ちなみにHPは↓
http://www.aichi-gakuin.ac.jp/%7Echino/

概念達成を効率的に遂行するためにはどのような方法が望ましいのですか？
概念学習の具体例を教えてもらえませんか？

sage

are?

age

sage でしょう

定期あげ
今日の一言「主成分＋バリマックス回転してると豊田先生に怒られちゃうぞ」

どうしてでしょうか？　目的しだいではないでしょうか？
因子分析モデルの構成を考えてＥＦＡを実行する場合に，
主成分解を求めるだとか，直交解ではなく斜こう解を検討
すべきだ，ということなら怒られてしかるべきです．
最尤解＋プロマックスにすべきでしょうね．
しかし，数十個の変数のクラスタリングが目的の場合は
どうでしょうか．主成分＋バリマックスや，主成分＋プロマックス
で探索するのも意味があると思います．
また主成分を回転しても理論的（数理的）に問題はないでしょ
回転した主成分とはいえないけれど（因子ともいいがたいけれど）

「主成分＋バリマックス回転」でもいいじゃないの．
最終的に報告するモデルが因子分析モデルにしたいなら
途中から最尤解＋斜交解の結論をすればいいし，結論
はＣＦＡでもいいのだし．
やっちゃいけないなんて，言うんでしょうか

主成分+バリマックス以外のネタはないの？
もういいよ。それ。

連続型の確率密度関数をf(x)で書くのが普通ですが、
まともな人が書いた本でもP(X=x)の書き方してることがあります。
これは間違いですか？
それとも「misleadingで問題あるが慣用的に用いられる」という感じ？

>>333
やっちゃいけないなんて言わないに一票。
せいぜい、「出番はないです」位か。
査読に来たら、あえてその方法を選んだのはなぜか
（他に統計的に明らかにいい方法や常套手段があるだろうに）、
をしつこく聞く位でしょ。

P(X=x)って確率変数Xの値がｘの時の確率という意味では？

定期あげ「分散0なのにANOVAやってんじゃねえ」

すごい勢いで、スレが入れ替わってるねえ。
あげないと見失いそう。

ageage

60 名前：名無しさん＠お腹いっぱい。 投稿日：2001/06/21(木) 14:57
しっかりしてくれよ。
P(x≦X＜x+dx)ならともかく、P(X=x)はゼロでしょ。
厳密には明らかに間違いだが、聞きたかったのは、離散と対応させるためにわざと
問題のある書き方をしているのか、それともほんとに著者が間違って覚えているか、ってこと。

age

どうでもいいことだが，>>浄化委員

無駄にあげすぎて，ageの意味を喪失しているぞ．
もちょっと厳選しろよ．

俺的にここはage

n=1000 r=.25で相関があるって言うな，あげ

>>344
的外れな批判の気がするけど。
どの分野の話なんですか？

>>344
相関係数が０ではない、というのが正解か？

有意なら「低いが相関がある」とはいえるんじゃないの？

たとえ相関があっても、
そのことにどのような意味があるかが問題だけどね。
疑相関というのもあるし。

だから、その相関が、因果関係を表すものと考えるなら0.25は低すぎるけど、
共通の要因を仮定するのなら、「相関があるっていうな」って批判は的外れかと・・

なるほど、で、ネタ提供者はどこへいったんだ？

検索してみたのですが、こんなファイルを見つけました。
参考になるかもしれないので、ちょっと見てみてください。

「相関係数の大きさについてコメントします」
http://koko15.hus.osaka-u.ac.jp/~kano/lecture/faq/corr_m.pdf

いまさらながらだけど、
ネタ提供者の意図としては、
「サンプル数が多いんだから、仮説が棄却されるのは当たり前だ」
ということがいいたかったのでは？

あと、３４７さんが提供してくれたファイルの中身って
なんか相関係数（分析）の話というより、
回帰分析の話のようなきがするんだけど、
これ、一緒くたに議論していいのかな？

私は別物として認識してたんだけど。
もちろん、重なる部分があるにはあるけど、
適用する際の前提が違うと思ってたんだけど。

>>353
前提の違いとはどのようなものなのでしょうか？

良く読んでなかった、申し訳ない・・・私の早とちりだｽﾏｿ。

ファイルだと、最初、単純に相関係数の話で、途中で回帰分析の話になっているね。
分析を相関→回帰の順に行うという話なら問題ないと思う。

前提が違うというのは、
単純に相関係数といった場合、２次元正規分布を前提にすると思う。
で、回帰分析の場合は特に２次元正規分布は仮定しないような。

>>349
心理系の質問紙調査なら論外かもしれんが、
経済系の観測値だとかなら、話は別だろ。
大喜びだと思う。
因果を仮定したい変数間の相関が0.25「も」あれば。
もちろん、仮説が棄却うんぬんのレベルでない話ね。

n=30でr=0.25よりはマシ（w

あげ

あげ

結局、分野や対象によって相関係数の大きさの解釈はまちまちなんですね。
あたりまえといえばあたりまえか。

見失なわないうちにあげ
経験上22時前に止まるけど

これ

>>355

狩野さんの説明は，相関係数の大きさの目安として，その２乗（決定係数）
を考えると，割合の感覚（説明率）で理解しやすい−−ということです．
相関係数とか回帰分析とか，別物と考えるほど異なるものではないでしょ．
標準回帰係数＝相関係数であるしね．
２変量正規分布の仮定の有無は相違点だけれど，それは従属変数と独立
変数を区別していないということに過ぎない．Xは離散変量でもいい，と
言いたかったのかな？．

相関係数の検定のキム仮説：H0は相関＝０だから，「大きい」という判断
でなく，「０とはいえない」という判断．
大きいか小さいかは背景による．

狩野さんて呼ぶ時点で正体ばればーれ。（笑）
そういう私も？？

ばれてるよん きみだったのか

え、だれ？

一体何があったんですか？探すのに苦労したよ。
かのさんはファンが多いなあ。

え？ファン多いんだ。

>>368
君もグルーピーか？

いや、違うけど
グルーピーなんているの？

http://www.egroups.co.jp/group/eigo-de-mai
↑(ﾟдﾟ)ｳﾏｰ

質問です。SPSSで、effect size
を出すことは出来ますか？

.

SPSSで修士論文かいてもいいですか？

意味わからんぞ。
まさかSPSSをテーマに？

ソフト比較でも書ける分野があるからね

　　

あげ

SPSSといえば・・・・・
いくらアカデミックユースはどうでもいいと思ってるとはいえ、
Data Mining Dayと学会ぶつけることはないだろう。
どうにもならないじゃないか。

しかし、堀先生も暇だよな。
三土の本なんか読んじゃって。
恐い物見たさ？
あの先生には、もっと有益に時間を使って欲しい。
おこぼれ情報で勉強させてもらうから（w。
（しかし、三土は著書で理科大に転職できたって話は本当だろうか。
理科大も地に落ちたもんだ。）

>379

心理学がオリジンの１つらしいけど
データマイニングってどうよ

判別分析と分散分析がよくわかりません。
青木先生みたいなほーむぺーじあったら教えてください。

>>381
どうよ、と言われても範疇が広いし、何をどう説明すれば良いのか？

データマイニングには「ＫＤＤの中の知識発見の段階」という定義があるらしい。
けれど「宝捜し」に例えられるように、データベースから何らかの知識発見を
すれば、全てデータマイニングと言えてしまう。
流行もあって「データマイニング」という言葉自体が乱用されすぎている。
データ解析はそもそも知識発見が目的だから、実際にはデータ解析は全て
データマイニングの範疇に入ってしまう。
データマイニングと名乗ることに対して、
データ自体のオブザベーション数や変数の数がいくつ以上の場合、といった
「データの規模」に制約もなければ、解析手法にも制約はない。
たとえば、共立出版の上田先生の書籍（2部作？）などは、クロス集計レベルの
事例がわんさか載っている。
ごく普通の多変量解析も、当然この範疇。

だから、広範な意味で言えば、すでに心理統計では日常的にデータマイニングを
していることになる。

しかし、一般に以前から統計学をやってきた人は、
データは少なくとも蓄積データで、
数千件以上、変数は数百以上の規模（通常は数万件であることもざら）
手法は、ニューラルネットや、いいとこ決定木（AIDやCHAID）程度の
従来の多変量解析で扱いづらかった、非線形関係や交互作用などを
もろともしない手法で解析したものを差しているように思う。
（間違っていたら指摘してください。）

そういう範疇でのデータマイニングということなら、心理学で扱うせいぜい
オブザベーション数百の調査データなどに、ニューラルを何が何でも
当てはめて解析しなければならないような状況は少ないように思う。

ただし、心理出身で、マーケティング関係の仕事をする人は意外と多いと思う。
調査会社、メーカー、広告代理店、ありとあらゆる分野で盛んに使われているし、
今後もこの傾向が加速することは間違いないだろうから、
今までのように、心理統計できます、というだけでなく、
データマイニングできます（知っています）と言えると、
断然就職には有利だと思う。

と、こんなとこでどうよ？381

>>380 たしかに、堀ってヤツはヒマみたいだなｧ（藁

>>384
優秀な人には、時間を有益に使ってもらって、
還元してもらった方が分野が発展すると思ったのだ。

＞３７９

そうですね　有望ですよね　勉強してみます
実はデータマイニングデイいってきました
１０００人以上のビジネスマンが来ていて驚きました
「決定木をつかった軽井沢のペンションのリピーターの確保」とか．．
どんな分野にも使えそうな気がしました
当日の発表は心理とは関係なかったけど研究ベースでも
使えるようになるかもな

>>381
でも、あの事例はあんまりだったと思います。
「星野温泉」
がんばってるのはわかるけど。

>>382

本を読め　本を
ＷＥＢよりましだ

レス付けてあげて、親切だな。

掲示板のいいところは、一回答えたあとに、
さらに教えて教えて教えて君の相手をしなくて良いところかな。
メールと違って、こちらも気楽。
大体、そういう輩は失礼なんだ。
突然メールしてきて、何度も返答させ、
そのあげくに、自分が納得すると
ありがとうもなく去っていく。
それなら、いっそ、匿名掲示板の方がずっといい。
興味のあるところだけ、首つっこんでればいいんだから。

　　

あげ

あげ

定期あげだｺﾞﾗｧ！0セルあんのにχ2やってんじゃねえ．

そんなやついないだろ、さすがに。

>>394

教育心理学研究，発達心理学研究をご参照ください．

>>395
ガーン・・・いるの？
見たくないよぉ。

それは通したレフリーが悪い

>>395

そのままにしておけ．俺が業績稼ぐまで(藁

age

文部大臣が「業績の数でなく，質で評価する体制への転換」を
打ち出してるぞ．くだらない業績が数だけある奴らの落日は近いな．
しかし，研究の質を，誰がどうやって評価するのかなあ....

数＝質だろｺﾞﾙｧ

age

くだらない業績すら無い人もいるが,
論外ということだろうな.

交互作用ってなんですか？

　　／
／
―――
こんな感じだ

>>405
ワラタ

＼／
／＼
↑こんなのもあるぞ．

>>404
ある因子の水準と別の因子の水準による組み合わせによる効果。

age

>>407
実際に実験計画でデータとって、そういう交互作用が出ることって、
めったに無いんじゃないかな？
私は経験ないな。
水準の振り方が任意にできる場合、その型の交互作用を出しちゃう奴は
センス無い奴なんだと、言われた記憶がありだが・・・

そんなこと無いんじゃない？

確かにセンスないと思うぞ。
>>407って主効果がどちらもないってことだろ？

>>411
あれ？そんなことないんでしょうか？
水準を（量的に）幅を狭く取って、
交互作用でひっくり返らないようにしないと、
制御しにくいだろう、って話しだったようナ？
（制御という概念が無ければ別でしょうし、そういうパタンの方が、
話としては面白いかもしれないけれど。）

あ，407のような交互作用のことね
失礼しました，交互作用一般のこといってるのかと

>>410他
交互作用があったら嬉しいのか，なかったら嬉しいのかは，研究の目的次第
でしょう。

>>393他
０セルは何か問題ですか？ 期待度数が０なら別ですが。

中途半端な知識で決め付ける前に，根拠を考えましょうよ。

f（○,○）＝○,ｐ＜○

心理学の論文によくでてくるこのｷｺﾞｳたちは何を示してるんです？
個々の数字はなんのこと？

pはｐ値のことと思われ

>>416
まずは分散分析から学ばれたし．

F(a,b)=c,p<d

a,b:自由度
c:F値
d:有意水準

粛清

粛清

>>415
直接確率計算との近似が悪くなる、と覚えこんでいましたが。
おかしい？です？

422はχ2検定の0セルの話です。

>>422
近似の精度は期待度数で決まるので，観測度数のゼロはそれが小期待度数に
つながるという意味で，あまり好ましくないというだけでしょう。ログリニ
アのときは，ゼロセルには若干の工夫が必要ですが，少なくとも，以下のよ
うに盛り上がる問題ではないです。

393：定期あげだｺﾞﾗｧ！0セルあんのにχ2やってんじゃねえ．
394：そんなやついないだろ、さすがに。
395：教育心理学研究，発達心理学研究をご参照ください．
396：ガーン・・・いるの？ 見たくないよぉ。
397：それは通したレフリーが悪い

>>424
ご返答ありがとうございます。

あまり好ましくないのはわかっているので
観測値が小度数の時の工夫としての補正を利用するほか
セルの併合、カテゴリー除去などを行い、見た目上0セルがないよう処理する、
または、直接確率計算に持ち込むのが流儀なのではないですか。

多くの学徒は（私を含め）、0セルを恐れている！？と思いますし、
流儀を外れて、0セルを通常のχ2検定で処理することに
不安を感じるのだと思います。
このあたりについて、ご意見をお聞かせいただけませんか？

近似計算にとっては「小期待度数」が好ましくないだけであり，
ゼロセル自体は問題ではありません。たとえば２×２の表が，
２０，４０
４０， ０
となったら，ゼロセルでも期待度数は１６あるので，「期待度
数が５以上必要」というかなり保守的な基準をも十分クリアし
ています。

ゼロセルを「恐れる」必要はまったくないと思います。むしろ
ゼロセル（またはゼロに近いセル）の存在は，上の例のように
強い連関を示すもので，研究上，歓迎すべきものと言っても言
い過ぎではないでしょう。それをカテゴリ併合などでなくして，
連関を弱める「流儀」は，近似の精度を最優先させるために見
たいものを見られなくするという意味で，本末転倒ではないで
しょうか。

ご返答ありがとうございました。勉強になりました。

重ねての質問、恐縮ですが、
期待度数5以下のセルが相当数ある場合（20％という目安を提示している書籍も）にも、
0セルと同様の対応をする流儀がありますが、元の観測度数自体が少ないことより
起こり易いと考えれば、強い連関から生じたものである可能性は高そうです。
そうなると、セルの併合、カテゴリー除去は、観測変数が0セルである場合と同様
「本末転倒」となるという理解でよろしいでしょうか？

χ2検定の際、期待度数が5以下の場合には、
イェーツの補正を掛けて算出しているもの
補正なしのもの、の両者が存在しているようです。
（たぶんに、前者は統計ソフト使用、後者は？）
補正に関しては、行うべきだと考えていますが、
間違った判断であれば、御指摘いただければ幸いです。

近年のパソコンの進歩、普及を考えると、
直接確率計算でp値を直接算出するほうが良さそうな気がいたしますが、
χ2検定の方を良く見かけるのは、なぜなんでしょ？
これは、私が疎いので気がつかないだけでしょうか・・・？

そういやあ、SUGI-Jでχ2検定の発表が予定されてましたよね。

定期あげ

定期あげ

>>224
>「人間一般」は母集団じゃないでしょ．ユニバースよりもっと向こう．


むかしの蒸し返すようで悪いが、人間一般を母集団って言う本を今日読んだ。
（心理とは関係ない、古めの統計本）

今生きている人間もある意味サンプルってこと？

母集団の問題については，きちんとしたことが書いてある
本の方が少ない．すくなくともこの問題については
私の知る限りこのスレでの議論がもっともまともで，
論理的に整合していた．人間一般母集団論では
サンプリングというもの自体がそもそも成立しなくなる．

因子分析で斜交回転(プロマックス)やってみたところ
結果に因子行列，因子パターン，構造行列が表示されました．

因子行列ってのは回転前の因子負荷量みたいですが，
因子パターンと構造行列というのがわかりません．
教えてクンで申し訳ありませんが，どなたかお教えください．

なんのために、因子分析をやるかによるとおもうけど・・・
因子パターン行列は偏回帰係数みたいなもんで、因子構造行列は相関でしょ？
だから、因果関係が明らかなときは、因子パターンの方が解釈しやすいと思うんだけど。

取り急ぎレスって感じで。間違ってたら誰か指摘ください。

＞436
来週、阪大にいきなさい！

国際学会じゃないすか（笑）

今日ここで遊んでいる時点でヤバイと思われ．
数日前から，シンポや企画研究会の嵐だろう？

大阪暑いっす。

Bentlerの極意はどうでした？
レポートきぼー

学会ﾜｯｼｮｲ学会ﾜｯｼｮｲ学会ﾜｯｼｮｲ学会ﾜｯｼｮｲ

>>435

「人間一般」が母集団という場合は，社会調査では定義できないかも知れませんが
心理学では，教室の学生を被験者にして，「人間一般」に一般化しているようにも
みえますが，どうなんでしょうか？
Fisherの「仮想的な無限母集団」という仮定はどうなんでしょう．無限母集団
という仮定が必要になる場面．モデルの仮定という相違に過ぎない？

「無限母集団」と「人間一般」は、まったく別のもの。
このスレの前の方を読みましょう。

おっととっとIMPSだぜ！

（岩波）理工系の数学入門コース７「確率統計」
p.98読め。
人間一般が母集団でいいのだ。

どうして議論が紛糾するのか？仮説↓
母集団をサンプリングの文脈のみでとらえるのがおかしく、もっと広い概念
つぼの中から金玉を取り出すといったような直感的な理解では確率論を理解できない。測度論とかやって公理論的にいかないといけない。

私は統計は専門ではないのですがどうなんでしょう？＞専門の方

>>437さん，ありがとうございます．

＞因子パターン行列は偏回帰係数みたいなもんで、因子構造行列は相関でしょ？
＞だから、因果関係が明らかなときは、因子パターンの方が解釈しやすいと思うんだけど。

それぞれ，各因子に対する偏回帰係数と相関係数とみてよろしいか．

＞なんのために、因子分析をやるかによるとおもうけど・・・

調査に用いた項目について，探索的にどのようなまとまりをしているか
みてみたかったのです．
なぜ，斜交解かについては，このスレの上のほうを参照しました．

>>438さん

ドキュソ院生は金がないのです．

>>447
えーかげんにせーよ

どうも、以前お邪魔させていただいた社会学M1です。
このスレ読んでて、やっぱり心理学の方は統計を良く使っていらっしゃる
ことと、社会学もはやくそうならないかなぁということを
思いました。社会学のすれ、半分くらい哲学だもん。

ところで質問なのですが、共分散構造分析（ここではSEMと言われているのかな？）
の適合度というのはどういう意味を持っているのでしょうか？
以前モデルを作った際にこれに悩まされまして…。
狩野先生の本には、「重回帰で言う決定係数みたいなものだ」というような
ことが書かれていたような気がするのですが、重回帰では必ずしも
決定係数の高いモデルのみが採用されているわけでもありません。

被説明変数の分散を説明する割合だってことはなんとなくわかるのですが、
結局それが低いことは、誤差が多いってことを意味するのかなぁ。
知識のない僕に、少し教えてやってください。

>ところで質問なのですが、共分散構造分析（ここではSEMと言われているのかな？）
>の適合度というのはどういう意味を持っているのでしょうか？

モデルとデータとの「距離」のような意味を持っている．
適合度，大きく分けると，２種類か（５・７・５）
推測統計的な指標としてはカイ２乗検定，など
記述統計的な指標としてはGFI．AGFI，など

>狩野先生の本には、「重回帰で言う決定係数みたいなものだ」というような
>ことが書かれていたような気がするのですが、

そう？．決定係数と重相関係数２乗は，REGでは同じだけど
SEMでは異なり，GFIは後者に相当というような話でない？
SEMでは決定係数は従属変数の数だけある．

>被説明変数の分散を説明する割合だってことはなんとなくわかるのですが、
>結局それが低いことは、誤差が多いってことを意味するのかなぁ。

Yes.

おまえが死ね

>>450
分散分析から勉強しなおしたら？

社会学って分散分析はあまり使わないから、授業とかでも
心理学ほど詳しくやんないんですよね。
僕も一回も使った事が無い。

でも、せっかくだから勉強してみます。
ありがとうございました。

分散分析の仕組みが分かったら、
決定係数のことも簡単に分かるよ。

>>450

数理社会学というのは統計学的方法を駆使するんじゃないですか？
SEMはパス解析の延長で1970年代には社会学で頻用されたと違う？
分散分析やったことなくても回帰分析やると分散分析表が出るよ
SEMやるなら，もっと解析すればいい．１回やって悩んだところで
あたりまえ．データあるならやってみて，そしたらまた本も読むし
来年しゅうろん，がんばってね

SEMってなんのソフトを使うの？

CALIS(SAS)
EQS
LISREL
AMOS
SAPATH(STATISTICA)
MX(Free)
MPlus
LISCOMP

SAPATH(誤）→SEPATH（正）

ありがと。フリーウェアもあるんだ。

一応一通り使ってみた感想だが。（LISCOMP以外）
やっぱりEQSとAMOSが飛び抜けて使いやすい。
初心者にはこの二つのうち、どちらかが適。
研究室にSASしかなかったら、しょうがないからCALISを使うしかないけどね。

LISREL は使いにくいですか？

あえてLISRELを使うメリットが感じられないです
あ・・・でも，離散変数が使えるので，その点はいいですね
（AMOSとEQSは離散変数は使えなかったと記憶しています）

AMOS、EQS、LISRELが御三家ってとこですか？

共分散構造分析では
関西のK先生と関東のT先生が
Mplusが今後のびてくるだろうって
いってたゾ

ぜんぜん伏字になってないじゃないの

たしかにMplusは優れものだと思う
勉強しなくては

>４６３

AMOSは次のバージョンから
離散変数が使えるようになるんだって
EQSはいまでもつかえるよ

EQSで離散変数を使っても大丈夫でしたっけ？
（避けて通っていたのはバグ？の話を聞いたからのような）

時間ができたらちょっとやってみますが
たしか他のソフトと比較して違う結果が出たような
不確かな記憶があります

あｇｒ

age

ｶﾉﾀﾝ　ﾊｧﾊｧ

明日心理統計�Tの試験なのにな〜んもやってねぇ。
なんかテキストみてもわけわかんねぇよ。

とりあえず覚えておいた方がいい公式とかあったら教えてくれい。

算術平均
μ＝1/ｎΣxi

平方和
S=Σ(μ-xi)^2

474に続いて。
分散σ^2=S/n

ぬおおお！わからん！
4方分散って何よ？

わけワカラン単語多すぎよ！

俺も聞きたいよ。
4方分散ってなによ？

「四方八方に分かれていくこと」ぢゃないの

う〜ん、どうもノートに間違った単語を書いてるみたいですねぇ＜四方分散
とりあえず平均値、中央値、モードを理解した。
どう考えても間に合わん！

どなたか、四分位偏差、標準得点、偏差値、X^2分布、f分布、t分布について
わかりやすくご教授お願いします!
押忍！

テキストはわざわざ小難しく書いていてわかりにくい！
どうしてモットわかりやすく書かないのだ？

全部は無理だ。
四分位偏差、標準得点、偏差値だけにしぼれや。

分散、標準偏差を理解した。

次に4分位偏差に取りかかります。

どなたか上記の〜分布についてご教授ください。

だからあきらめろって。

〜分布って
統計的仮説検定に使うんじゃねえの？

ちなみに漏れは工学ﾄﾞｷｮｿなので信用しないように。

試験の採点だ…鬱だし煮ます

レポートの採点よりマシじゃないっすか？

てきとーに、やりゃあいいんじゃない？
基本的には全員通すという形にして。
それで、文句はこないでしょ。

全員とおしてくれと教務に言われたが・・・

どこも同じか・・・

自分が学生だった時の事を考えると適当にはやれん！
なんでこんなにキッチリやってるのに
こいつのこのヘボレポートと評価が同じなのだ？
とか
なんで半分しか解答欄が埋まってないヤツと同じ評価なのだ？という
あの憤り

しかし
やったかどうかは数年後の姿となって実質的に己に還元されるから
成績評価は関係ないとも言えるが

>>487

教務がそんなこと言うんですか．
しかも，どこの大学もそういう所だったのですね．
へえ．

>>489
でもﾏｼﾞﾒにやってもできん子もいる。
そういう子には単位をあげないつもりが、
教務にクギを刺されちゃった。
ここは大学かぁ？

>>491
今の大学は昔の高校。

Σすら知らない奴がいる。

Σ(￣□￣

臨床心理士(カウンセラー)がシャバで職業として認知されようといる
ならば、職業倫理の確立は最低条件。そんなことも分らないと、この
職業全体が社会から抹殺されるよ。あるいは、何時までも胡散臭い
ナリワイという位置付けにとどまるな。

>>494
ﾜﾗﾀ

Σを知らなくても，Σは教えれば１０分で理解できるものでしょ．
象徴的な意味でΣが引き出されるのなら分かりますが．

>>497
10分で理解できるものを知らないのが問題なんだろうが。
ネットで検索できるものは覚えなくてもよいとでも言うのかね。

Σを知らなけりゃ検索のしようがないわな。

学校で学んだことを一切忘れてしまった時に，なお残っているもの
それこそ教育だ。
-A.アインシュタイン(米:物理学者)-

>>498

>10分で理解できるものを知らないのが問題なんだろうが。

問題ですが，そもそも高校でやらなかったということではないですか？．
高校でやっていて，知らないならだめですし，大学で最初の１０分で
教えても分からないのもだめですが．�狽�知らない事実と，その後の
心理統計のできとは別のように思ったので．


>ネットで検索できるものは覚えなくてもよいとでも言うのかね。

そんなことは言っていません．

Σを知らないのはべつにかまいませんよ。
下手に知っていると数列の問題と間違えて
おかしな計算をする子もいます。

age

>>501さんの
「�狽�知らない事実と，その後の
心理統計のできとは別のように思ったので」には，
同感です．

食わず嫌い的に数学を遠ざけていた学生の場合，
Σを知らないことは多くても，教えればわかる学生も多い．
ある日を境に動機付けされて，心理統計に突っ走って行く学生もいますし
センスの良い子も中にはいるように思います．

さげんなよ

>>504
統計のセンスってなんなんですか？

>>507

誤差の対する感性ですよ

『統計学のセンス』

http://www.asakura.co.jp/cgi-bin/ncommerce3/ExecMacro/asakura/FRAMES_PROD.d2w/report?w_prrfnbr=12358

感性じゃなくて理性だろ

理性が欲しい

統計教育スレになってますね。
質問なんですが、カリキュラムの問題で分散を教える前に
他の授業でt-検定や分散分析などをやってしまうのですが
問題ないですかねえ？

平均だけ教えるってこと？

回帰分析したときに、原点を通るとした場合の決定係数は
切片を許容したときの決定係数と比較できないそうなのですが、
いったいどういうことなんでしょう？

原点を通るようにしたときの決定係数は相関係数の二乗ではないようなのですが
さっぱり意味がわかりません。
誰かご教示を・・・

なんかね、原点を通るときの決定係数は
めちゃくちゃ高い値なんですよ。

あげていいかなぁ？

決定係数って相関係数の二乗だけど
予測値の平方和／従属変数の平方和
でもあるんだったっけ？
原点を通る場合でなんか違うのか？

>決定係数って相関係数の二乗だけど

違う

決定係数って「重」相関係数の二乗

ｽﾏｿ
ま、要するに予測された値と実際の値の相関係数でしょ？

そうですね

原点を通るようにに設定するとspss 9.0ｊでは次のように出力されました。

>原点を通る回帰 (切片のないモデル) に対して、R2 乗は回帰によって説明
>された原点についての従属変数の可変性の比率を測定します。これを
>切片を含むモデルに対する R2 乗と比較することはできません。

>原点についての従属変数の可変性の比率

これがぜんぜんわからない。

SPSSによくある誤訳でしょ？(ユーザーじゃないけど）

可変性 → variance → 分散

こんなところじゃないかな，ミスの想像をすると．
翻訳ソフトかなんかでやって，人間が監修していないんだね．

ratio of variance が原文かなあ（分散比）．じゃあＦ比か？

Ｆ比じゃないですよお、０から1の間の値しかとりませんし。
原点を通るモデルと、そうでないモデルを比較するにはどうすればいいのかなぁ？

「じゅうかいき」と打ったら十回忌と変換された〜

夏の夜のホラーだ・・・

なんでこんない一晩で下がってるんだｺﾞﾙｧ！

とりあえず，あげとくか(藁

>>517
>決定係数って相関係数の二乗だけど
>予測値の平方和／従属変数の平方和
>でもあるんだったっけ？
>原点を通る場合でなんか違うのか？

普通は平均を引いて平方するところを，平均を引かずに
平方しているんでしょう。原点に「真の平均」など，特
別な意味を付与できる場合，そうすることで，真の平均
（ゼロ）を引いた平方といったものになるのでしょう。

>>518
>違う
>決定係数って「重」相関係数の二乗

重回帰の場合は，そうだけど。

>>521
>原点を通るようにに設定するとspss 9.0ｊでは次のように出力されました。
> >原点を通る回帰 (切片のないモデル) に対して、R2 乗は回帰によって説明
> >された原点についての従属変数の可変性の比率を測定します。これを
> >切片を含むモデルに対する R2 乗と比較することはできません。

「原点についての可変性」＝variation (or variability) about the origin
ですかね。「原点の周りの変動の大きさ」ということでしょう。
それにしても，ひどい訳ですね。レベル低いです。

とりあえず，あげとくか(藁
夏休みだしねえ．

>>528
なんとなくわかったような気がします。
ありがとうございました。

あげ

えーいもすが動かないぃぃぃ

東京図書から，AMOSの良い本でたよ

>>533

どれ？
ttp://www.tokyotosho.co.jp/

>>533
どんなところがいいの？

>534 SPSS完全活用法共分散構造分析(AMOS)によるアンケート処理　田部井著
>535 石村さんの本と同じで，ページ面積の7割がソフトの画面であるところ

　なさけねー理由！でも，これまでのSEMの教科書はオレには難しすぎた

>>536

ありがとう．
しかし，石村さんと同じってのが，ひっかかるな．
ここをクリック！とか，バカにされてんのかと思うぜ．

「重」相関係数の二乗は決定係数。
相関係数の二乗も決定係数でＯＫですよ。
単変量か多変量かの違いしかない。

アメリカの心理学会が検定で５％検定とか10％検定のような画一的な基準値で判断するのを廃止したって聞いたんだけど、
どういうことか知ってる人いますか？
もしそのことが何かのジャーナルに学会ニュースとかの形で載ってるなら、
それを教えていただきたいのですが。

>>539
俺も詳細希望．あげ．

ttp://www.apa.org/monitor/may99/task.html

これっすね。

ttp://www.apa.org/monitor/may99/test.html

それか、これかな。。。新しいのはわからなかった。
ＡＰＡでサーチしてみたら？

田部井さんの本買ったあげ．
まだ読んでないけど．

田部井さんは経歴・参考文献から推測して豊田先生のお弟子さんかな？

豊田さんって馬鹿駄の前はR今日だったの？
でも，田部井さんの本の謝辞には豊田さんの名前はなく，石村貞夫とあった....
石村..自分で書けなかったのか？

検定への批判は結構昔からあるよね。
一番有名なのはモリソン＆ヘンケル。
日本のだと橘敏明の『医学・教育学・心理学にみられる統計的検定の誤用と弊害』。
日本語のペーパーなら、↓に、ざっとまとめてある。
尾見康博・川野健治(1994)「心理学における統計手法再考−数字に対する期待と不安」
　『性格心理学研究』Vol.2(1), pp.56-67.
ただし、APAの動向を追ってるものについてはまだ見たことが無い。
誰か知らないかな。

あと、そういう批判を受けてる統計ユーザー側の意見として率直なのがあった。
『教育心理学年報』Vol.33に載ってる、教育心理学会シンポジウムの報告から引用(p.11)。
----------------------------------------------------------------------------
新しい手法を使わないと「不勉強」、明るい人に聞くと「そんなことはできない」。
仕方なくエイヤッと分析すると「誤った使い方」と指摘される。どうすればよいのだろう。
----------------------------------------------------------------------------
迷える統計ユーザーの心情がすごく現れてる。たぶんこんな人は多いんだろう。私も含めて．．．

マジで　尾見康博・川野健治(1994)
は　やめとけ　2人とも統計のことは知らなさすぎ
正しいこともすこしは書いてあるけど，その部分は南風原さん
の受け売り　さいしょから南風原さんの文章読んだほうが
よほどすっきりわかる
尾見康博・川野健治(1994)の独自部分はゴミだ

ダメな論文も読まなきゃダメ。
ダメならダメと自分で判断できるようになることが大事。
また，みんながダメといっても自分は得るものがあれば
自分的にはダメじゃない。

もちろん，南風原さんの論文を読めというのには賛成。
教育心理学年報第34集（1994年度）pp122-131ね。

橘敏明は絶版で，数も少ないのか古書店にもぜんぜん出ないので手に入らない。
どこかに出てないかなあ。

>>549
自分の所属する大学になければ、図書館で取り寄せてもらえばいいじゃん。
私は一冊丸ごとコピーした。

あげついで

>>549

ttp://webcat.nii.ac.jp/cgi-bin/shsproc?id=BN01307343

>>550
ご親切に。図書館の相互貸借はすでに申し込んでるので
コピーは近日中にできると思うのですが、やっぱり
実物を手元においときたい、というのがありまして。

辻岡美延先生逝去。

>>553

マジ？黙祷．

>>548
竹内啓先生いわく
世の中には3つの種類の論文がある，
1つめは隅から隅までくまなく読まなければいけない論文
2つめはアブストラクトだけ読んでおけば十分な論文
そして，3つめは
アブストラクトさえ最後まで読んではいけない論文。

・・・
馬鹿が移るので読んではいけない論文というのもあるそうだ。

移りやすい体質なのかもね。

心理学者が死ぬ時って，何人か続けて死なない？

移りやすい体質なのかもね。

アメリカの心理学会が検定を云々という話。
>>541のリンク先には、APA Publication Manual の次の版に、
「final set of recommendations」が載るらしいと書いてあったので、
2001年にでた5th editionを買ってみた。
でもどこにそういう話が載ってるの？
はっきりしたことは書いてないような気がするんだが、誰か知りませんか？

誤解されないように書いておきますが、
けっして541を批判してるわけではないです。
APA の議論の結果を知りたいだけです。

だってあれは99年の話よ。>>559
私もチェックしてみるけど、あなたもよく考えてから買ったほうが
よかったわね・・・・・・

>>561
まだタスク・フォースの結果は出てないんですか？

みんなちゃんと統計の勉強してる？

いやあ，ずいぶんと下がってるなあ．
まあ，今のこの板の現状ではどうしようもないんだろうがな．

とりあえず，
さっきまでシンタックスエディタと格闘したage．

どーでもいいけどよ，SPSSver.9.0って
DO IF- ELSE IF論理構造で
VALUE LABELSコマンドって使えないの？

後輩を指導するときに悩むんですが、
因子数の選択ってどうしてます？

あと因子得点を使うべきか使うべきでないのか
（因子構造が安定しているかってことかな？）
ってどうやって判定するのですか？
実験屋さんなのであまり多変量解析のことがわからないのです。
ご教示ください。

通常は、固有値１で切ります。つぎに、どの解がもっとも単純構造
をしているかどうか、検討します。もちろん、この際、因子間相関
などを見ながら、回転をかけるとき、直交か斜交か検討します。

私の場合は、ＳＤ法などはこのへんでとめておきます。


しかし、あらかじめ、因子得点を使ってなんらかの検討を
行う場合は、多少異なります。基本は、単純構造を考えつつも
各因子の項目の意味内容を検討して、一番解釈しやすいところ
を、因子解とします。多少、恣意が入りますが、この方が、
因子の命名もしやすく、レフリーなどからのクレームや質問は
きにくいです。

あと、因子得点を使う場合は、あらかじめどんな因子にまとまるか
を予測できる場合の方がいいよね。この際は、ご存知の通り、主成分
分析を使います。しかし、探索的な因子分析の場合（主因子法など）
は、因子分析を行い、その解釈まででとめておく方がいいでしょう。

まぁ、ここで主因子法と主成分分析の使い分けを書いたけど、実際には
数値はあまり変わらないということも、付け加えておきます。

>私の場合は、ＳＤ法などはこのへんでとめておきます。

なるほど。それがいいかもしれないですね。

因子得点を用いる場合の話、参考になりました。ありがとうございます。
学部生ってのは、探索的な研究なのに、すぐに因子得点を出して
点数を比較したがるんですよ〜無茶な話ですよねえ。

>>566
＞あと、因子得点を使う場合は、あらかじめどんな因子にまとまるか
＞を予測できる場合の方がいいよね。この際は、ご存知の通り、主成分
＞分析を使います。しかし、探索的な因子分析の場合（主因子法など）
＞は、因子分析を行い、その解釈まででとめておく方がいいでしょう。

ここの記述，このスレの>>33あたりからの議論とずれる気がするんですが，どう？

>>568

>>566は「古典派」だと思うよ。もちろん，古典派であることには
いまもきちんと意味があるね。

>>568
言っていることは、基本的には同じです。

因子得点を使う場合は、主成分分析。
探索的なものの場合は、主因子法などを使えばいいんです。

とはいえ、因子分析の歴史を考えると、当初はこうした分類
は考えていなかったようですね。

教えてください。
重回帰分析（独立変数４個）って
Nはどのくらいあれば十分だと考えられますか？

あと、SASでは重回帰分析にも
交互作用項が入れられたのに
SPSSではロジスティック回帰にしか
交互作用項がない？
なんで？

交互作用項なんて自分で作ればいいじゃん。

>572
どうやるのですか？
シンタックスに変数＊変数と書いてみたら
うまくいかなかったのですが・・・。

重回帰の交互作用項って、各変数を標準化して
掛け合わせたらいいんじゃないのか？

>574
つまり、標準化して掛け算した変数を自分でつくってしまって、
その変数も独立変数の中に入れるということなんですね。
やってみます。
ありがとうございました。

>>575
うまくいった？
あれで正しかったのかちょっと不安なので、
だれか補足レス希望。

>>576
ありがとうございました。
教えていただいたとおりにやってみました。
結果はでてきたのですが、有意ではありませんでした。
それぞれの変数を2分割して、
2元配置の分散分析をやったときには
交互作用がはっきり有意だったんですが・・・。
なんでなんでしょう・・・。
独立変数が正規分布してないからでしょうか？
２分割すると情報量も減ってしまうからだめなんですよね・・。
それに統計方法を変えたら出なくなってしまう結果は
普遍的とは言えないのでしょうね・・・。
この部分についてはあきらめることにしたほうが
いいのでしょうか・・・。

変数全部投入したんすか？
それとも、ステップワイズみたいなので変数を選択したのですか？

>>578
いろいろやってみました。
変数一つずつ投入してみたり、
まず交互作用ではない項を投入してから
交互作用項も入れて、R2の増加を見たりする
階層的な(？）方法もつかってみましたが・・。

にゃるほど。。
ところでR^2よりも自由度で調整済みのR^2を用いた方が良くない？
AICとかは僕もぜんぜんワカランチンです。

ところで
分散分析で交互作用が出て、重回帰で出ないということは
そもそも分布が2峰性になってたりするのかな？
なんらかの基準でうまく群分けして分散分析した方が良いような気がするなあ。

分布形は関係ないでしょう。

重回帰で拾える交互作用は特殊なものですから、
分散分析で検出できて重回帰では検出できないと
いうのは、群分けによる情報のロスを考慮しても、
十分ありうることです。

↑ 南京玉簾（なんきんたますだれ）みたいな回帰曲面なら、重回帰分析がピッタリ。

>>581
そうなんすか。どう特殊なんすか？
重回帰を分散分析の連続変数版ぐらいにしか考えてなかったんで。。。

↑ 南京玉簾というより、木琴をひねった形というほうがピッタリ。

ageたい･･･

卒論でアンケート調査をしたので検定をしなくてはいけなくなりました。
統計法の授業は3年前にいちおう受けたのですが、？？？でぜんぜんついていけなかったです。
単位はぎりぎり取ったけど、あまり理解できていません。。。

自分で作成したアンケートの結果をクロス集計表？（普通の表）にしました。
ある条件の人をＡ群、それ以外の人はＢ群としました。
Ｑ１でＡと答えたＡ群の人数とＢ群の人数の有意差を検定したい場合、χ2乗検定を使用すれば良いのでしょうか。

アドバイスをお願いします｡

2群間の人数の差を検定したいって事？

後でどのような統計処理を行うかを考えずに、データを取ってはいけません。

>587さん
そうです。人数のパーセントで検定したほうがいいのでしょうか？

>588
統計は苦手なので、表を作って終わりにしようと思ったんですけど、
教授に「検定しないとダメ！」と言われてしまいました…

だれかおしえてくださ〜い。。。
お願いします｡

カイジ嬢でいいんでないの？

どんな統計処理をするか分からないままデータを取るのは
何を料理するのか分からないまま材料を買いに行くようなものです。

むしろ、どういう統計処理をするのか決めてもいないのに
どうして質問紙が作れるのかが不思議でなりませんが？

>591さん
ありがとうございます。

あちこちのスレに書いちゃって申し訳ないが・・・
だれか対数線形モデルが詳しくのっている本を教えて。
しかもSPSSで出力された結果がよく分かるようなやつ。
対数線形がどんなもんか、ってなやつはよくあるけど、
実践編みたいなやつが急遽必要なのじゃ。

spssage

「ぽ」と申します
今度伺いますのでよろしくお願いします

そろそろ後期試験対策が始まりますか？

質問です。
因子分析の斜交回転でプロマックスが
いいといわれましたがなぜなんでしょうか？

自分なりに考えたところ、
直交回転で求めた単純構造を
仮説的因子構造と扱っているため
因子相関が低く、直交回転でも当てはめることが出来るとき、
プロマックス回転と直交回転の単純構造が似たものになりやすいから。

と勝手に予想しているんですけど、
実際なぜ、斜交回転ではプロマックスがよくいわれるのでしょうか？

>>598

解釈しやすいから．
多くの事例で解釈しやすくしばしば利用されてきたから．
多くの人が解釈しやすいという経験をして自然淘汰されたから．
そして日本語のメジャーな参考書に書かれたから

>自分なりに考えたところ、
以下は誤解も少しあり．

>>599
レスありがとうございます。
数学的根拠というより経験的な意味からなんですね。

>以下は誤解も少しあり．
すみません、これは>解釈しやすいから･･･という意味で
誤解ということなんでしょうか?
それとも考え方に誤解があるということでしょうか
もしそうであれば、指摘していただけるとありがたいのですが･･･

統計のことはここで訊け！

卒論・修論応援あげ。

でも、試験のことは聞かないでくれ。

実際、心理学の研究者として、どのくらいの統計の知識が必要なのでしょうか。
臨床をやる人でも、十回忌分析や凶分散分析などの公式を数学的に
完全に理解せねばならぬのでしょうか。それは、時間的に無理なきがします。
皆さん、どこかで統計とは折り合いをつけているのではないでしょうか。
つまり、分析ツールの細かい式の内容については、
これ以上は理解できんという部分を持ちながら、統計解析を行って
いるのではないかと思うのですが。

>>604
一度は理解すべきです。運用するたびに理解する必要はないでしょう。
大事なのはどのようなことを解析したいときにどのような統計的手法が使えるか
という運用のしかた。
また、結果の意味づけが出来るかということです。これには統計の知識より、
心理学の知識、経験が必要です。

>十回忌分析や凶分散分析
なんとなく素敵な誤字だと思いました。

某ｽﾚでも聴いたのですがそのまま流れてしまったのでこっちで聞き直したいんですが、
正規分布とガウス分布とは同じものと考えていいのでしょうか？

>>607
数学者のガウスによって，測定誤差の分布が正規分布に従うことが示されたので，
正規分布は「誤差分布 error distribution」または「ガウス分布 Gauss distribution」
とも呼ばれる。

わかりました。誤差分布という言い方もあるんですね。
「正規分布」＝「ガウス分布」＝「誤差分布」ですね。

というか、そんなことその辺の統計の本に載ってません？
まぁ、どうでもいいけど。

ガウス分布って言葉は載ってなかったですよ。
統計の本3冊ぐらい読みましたけど。

>>611
ちょっと古いor分厚い本読めば載ってるよ。
だって，608は本の文章そのまま写しただけだもん（藁）。

あげちゃう

心理統計を理解するのに必要な数学の基礎知識はどのようなものですか。
数�T、数�U、数A、数Bをマスターすればよいのでしょうか。

分散について習った時、z値に換算するのに
(μ-x)/σ と習った気がするんですが、
標本抽出分布を勉強していたら z値に変換するのに
(μ-x)/ σ/√n とありました。
なんでデータ数のルートで割るんですか？

>>614
シグマとか分数の計算とかはできないと困るだろうから
とりあえず数列と基本的な計算さえできればいいのでは。
あと数学Bに統計があるよね。
けどそれより重要なのはどういう統計手法を使ってなにができるのかを
きっちり理解すること。
あ、でも数学的な思考法に通じることは心理学では必要だぞ。

>>615
質問の意図をとり違えてるかも知れませんが、
X〜N(μ、σ^2)（母数）がわかっていれば
(ｘ−μ)/σ と標準化できるが
標本の場合はそうはいかない。
（正確には次のようにしても母数が不明なことには変わりない。）
そこで、Xの平均がN(μ、σ^2/n)（ここでｎはデータ数）
に従うことを利用して標準化するってこと。
だから
（ｘの平均 - 母平均μ）/√（σ^2/n）
になっているのだと思います。

>>615
「標本平均」をあつかっているから
標本平均のばらつき（標準偏差）をつかわなきゃいけないからだにょ。

>>617,618
あ〜、なるほど。ありがとうございます！

617は、あ〜、なるほど、ではないでしょう。
617の「母数がわかっている、いない」というのは
正規分布でなくｔ分布を使わないといけない、
ということにつながる話で、√n のこととは関係ありません。

ところで、SPSSやSASを安く手に入れるにはどうすればいいのですか。
知り合いの人は、どっかから勝手にコピーして手に入れたらしいですが。

>>621
違法コピーはやめなさい。
ところでSAS JapanからでているJMPって，使える？

＞６２１
そういえば米国のＨＰで
窓にＳＡＳのプログラムを入れて
ＲＵＮすると，ただで分析してくれる
ところあったな
そのうちうかえなくなっちゃたけど
きっとＳＡＳ社からクレームきたんだろうな

SPSSは学生パックがあるよ。それでも高い。手に入るものなら俺もコピーしてーよー

誰か教えてください
VISTAっていうフリーの統計ソフトありますよネ
その日本語のマニュアルを誰かが作って
HPに置いてあるってことなんですが
場所がわかりません
知っている人　教えてください

マルチレベル分析しているひといますか？

>>625
聞いたことないんだけど，どんな統計ソフト？

>>627
世界的な統計学者である
F.W.Youngによって開発された統計・解析ソフト
で、フリーだけど機能は本格的ってことなんですが、
本格的な分、難しい。
マニュアルが英語はきつい。

>>626
ソフトがあればしたい。紹介して。

http://yasai.2ch.net/test/read.cgi/psycho/1012801769/l50
統計ソフト統合スレッド−SPSS・SAS以外

>>629
有名どころではMLwiNとかHLMとかかな。あとはSASのPROC MIXEDとか。
実際にこれらで分析したことないけど。

Centre for Multilevel Modelling (MLwiNにリンク)
ttp://multilevel.ioe.ac.uk/index.html

SSI (HLM作ってるとこ。フリーのstudent versionがDLできる)
ttp://www.ssicentral.com/home.htm

ソフトではないが，Multilevel Modelの権威Goldsteinの
テキストがなんとダウンロードできる。
ttp://www.arnoldpublishers.com/support/goldstein.htm

追加

SASのPROC MIXEDでMultilevelの分析をやる
ttp://gseweb.harvard.edu/~faculty/singer/
ここから論文がダウンロードできる。

あと
ttp://www.utexas.edu/cc/faqs/stat/index.html
ここのSASの#97-99とか。HLMについてもあるみたい。

この手の分析はこれから心理で流行るかもね。

保全age

データの標準化はどのようにしたらよいのですか？
個々のデータから平均を引いて標準偏差で割ってみたのですが。
よいのでしょうか？

sage

なんでＳＰＳＳとかって高いの？

>>634
どういう状況なのか知らんが、
それが一般的じゃない？

標準偏回帰係数を求めたいのですが、式を教えてください。
当方あほなので、よろしくおねがいします。

>>638
電卓で出すの？

>>639
そうですね。
Excelでは求められないようなので。

>>640
統計パッケージ(SAS,SPSSなど)使っていないの？

>>640
数十年前の努力家さん、いいな

>>643
データを標準化してから重回帰分析するんだったら、電卓よりもExcelで
やったほうがいいんじゃない？つーか、電卓でやったら倒れそう。

>>640の間違い（恥）

電卓で実際に計算する過程を確認してみました
相関行列さえあれば，（逆行列計算の）掃き出し法の
時間がすこしかかりますが，これは編み物と
同じようなもので独立変数が５・６個なら
マフラー編むよりも手間はかかりませんよ．きゃっ

教えてクンで申し訳ない。

MANOVAの前提として球状性が（dramaticalに）仮定されなくてはならないのは何故ですか。
MANOVAは分散共分散行列が自由に相関していていいんでしょ？
検出力が弱いから球状検定→GLMをしろってことは、MANOVA一発で有意ならそれでいいような気がします。

なんでなんで？？

きみは行動計量学会春の合宿セミナーにいったな！
僕は君の後ろに座っていたんだよ

>>647
おりょりょ！！
体育の方ですか？（藁

>648

おどかしてゴメンナサイ　行きたかったけど本当はセミナーいってません
日程と内容から推測して　あてずっぽで言ってみたら当たったまでです

>>649
はい。おどろかされました。
厨房なもので。。。

で、球状検定とMANOVAってどうなんですか？

情報希望age

保存あげ

保全上げ

保守ｱｹﾞ

質的変数の散布度「散らばり指数」がｻｯﾊﾟﾘ解りません。

昔から思ってたんですが、たとえば集団Aと集団Bとの間に
あるテストの結果に差がないということを実証するとき、
そのときの帰無仮説は｛AとBの間に差はある｝というもの
でいいのでしょうか？
基礎的な統計の本やサイトをよんでも、「差がある事を検証するために・・」
というものしかみたことありません。
どうなんでしょうか？

>>656
そんなことはそもそも証明できんのだよ。
だから、血液型スレッドがにぎわうわけで・・・

言葉たらずでした。
えと、つまり、｛AとBの間に差はある｝という帰無仮説をもとに、
T検定をしたとして、結果、棄却できたとします。
すると、AとBの間に差はないということが支持されたということに
なりますが、他の人は同じデータでAとBの間に差はない｝という
帰無仮説を立てていて、棄却できなかった時、単純に
帰無仮説を支持するわけにはいきません。
どうなんでしょうか？

こちらこそ言葉足らずで。

>つまり、｛AとBの間に差はある｝という帰無仮説をもとに、
>T検定をしたとして、結果、棄却できたとします。

「差がない」ことを統計的に示すのは原理的に不可能なんすよ。
なんて説明したらいいんだろう・・・
どんな2つの物でも、「絶対に少しの差もない」と
言い切ることは不可能でしょ。

なるほど〜
昔読んだ科学哲学系の本にそんなようなこと書いて
あった気がします。

では、最後に一つお聞きしたいのですが、
AとBに差がないはずだと思っていても、
帰無仮説は｛AとBに差はない｝とすればいいのでしょうか。
（すいません、これが一番お伺いたかったことです。。）

まあ、つまり「差があるとはいえない」ということは出来ても
「差がない」ということは原理的に無理なんです。

で657の話につながるのですが、「血液型によって性格に差がない」と
証明することは出来ないので、血液型信者がはびこるわけです。

>>660
論文で書きたいことそのものが、「差がない」ということであれば
それは研究計画がまずいとしか言いようがありません。

いやな突込みを回避するために「差がない」事を言いたいのであれば
「差は認められなかった」と書いておけばいいのではないかなあ？

レスありがとうございます。661番目の後半の内容は
以前「自分更新日記」というサイトに同じようなことがありました。
よく考えたら、わたしが書いた一連の事は
あのサイトに書いてありますね。

現在心理学も統計も離れたただの社会人やっておりますので、
特に論文等に縁がないのですが、たしかに研究計画が
まずかったようです。そしてそのようなことを匂わすサイトも
ありました。。
一応学生のころのようにふと日常で思った事を
ちょっと真剣に検証してみようと思ってたのです。

ほんとにありがとうございました。

http://academy.2ch.net/test/read.cgi/psycho/1015679227/l50

で紹介されたあげ

因子分析の斜交回転はプロマックスが用いられるのが主流のようなのですが、
オブリミンなどのその他の方法とどのように使い分けたらよいのでしょうか。

教えてクンで申し訳ないのですが、ご教示いただけないでしょうか。

一番納得する結果が出たらそれでいいのさ（笑）

>>662
> >>660
> 論文で書きたいことそのものが、「差がない」ということであれば
> それは研究計画がまずいとしか言いようがありません。
>
> いやな突込みを回避するために「差がない」事を言いたいのであれば
> 「差は認められなかった」と書いておけばいいのではないかなあ？

おっしゃってることはまことに正しいんですが、
それは統計的検定の範囲内の話ですね。
でも実際の研究は、グラフを見て判断することが多いのではないかな。
たんなる視察というと、バカにされそうなんだけど。

古典的研究ではシェパードたちのメンタル・ローテーションの
最初の論文の主要結論は、
奥行方向の回転と前額平行面上の回転で反応時間に
「差がない」ことです。
この種の結論導出方式は多いんだけど
統計的なサポートは難しい。

667です。
名前がなぜ「没個性化されたレス↓ 」になったんだろう。
これまでの議論を読んでないので、わからん。

>668

★★心理学板ローカル・ルール作成の試み★★
http://academy.2ch.net/test/read.cgi/psycho/1001723284/

統計なぞ、数字遊びじゃ

しつこさあげ

エラーしちゃった．改めてあげ．

保全あげ

林知己夫氏が亡くなったそうですね。

数量化追悼age

科学的社会調査の草分け、林知己夫氏死去

　我が国の科学的な世論調査の草分けで、
元文部省統計数理研究所長の統計学者林知己夫（はやし・ちきお）氏が
６日午前８時４３分、心不全で死去した。８４歳だった。
通夜は１１日午後６時、葬儀は１２日午前１１時から
東京都渋谷区西原２の４２の１の代々幡斎場で。喪主は妻玲子さん。
　４６年に統数研の所員となり、翌年の「日本人の読み書き能力調査」などを
通じて、科学的社会調査の基礎を築いた。
日欧米７カ国にまたがる比較調査研究でも、国際的に高い評価を得た。
独自に開発した「数量化理論」は心理学、医学やマーケティングなどの
分野で広く使われている。

(19:26)

今年の統計数理研究所のご講演で御見かけしたのが最初で最後になったようです。
土曜日の講座へ参加したかったのにな。
敷居高いけど、無理やりもぐりこんどけばよかった。後悔先に立たず。

質問スレの694です。こちらでよろしくお願い致します。
（もとの質問はttp://academy.2ch.net/test/read.cgi/psycho/1024994474/694です）

質問スレ707
>理論っていうか実験デザインの善し悪しでしょ。測定した尺度が知ろうと
>している要素に対する妥当性の高いものできちんと統制のとれた実験で
>取られたデータなら、そこで生じた有意差は有意味だろ。

694のむちゃくちゃなケースですが、仮に優れた実験デザインにより
取られたデータだとします。

その場合、707さんのお考えでは、この結果は（自動的に）有意味
であるということでよろしいのでしょうか？

質問スレ710
>そこで得られた「有意味」な結果をどう考察するかはまさに研究者としての力量
苦悩するドナさんのお考えでは、結果をどう考察するかが重要であり、
自動的には有意味にならないということでよろしいでしょうか。

そこで質問なのですが、統計的検定の主な目的の1つは、「データの
主観的な解釈を防ぐ」ということかと思うのですが、苦悩するドナさん
のお考えは、矛盾するようでも、それでも最終的には研究者の主観的な
解釈に頼らざるを得ない、ということなのでしょうか？

私にはこの矛盾がどうもしっくりこないので、694で言っているように、
「結局統計で何がわかるのだろうか？」という疑問に繋がった次第です。

ちなみに、「研究として」というのは、「有意味な知見を生み出すもの
として」というような意味です。分かりづらくてすいません。

以上です。自分でももう少し考えてみますが、よろしかったらご意見を
お聞かせいただけますでしょうか。よろしくお願いします

統計であろうと、結局は思考過程の反映じゃないのか？

＞質問スレ694さん

まだ見てる？
たまたま久しぶりにこのスレ覗いたらレスめっけました．
ちょうどこの日から夏の遠征に行ってたんだな．

で，ちょうど今日，子育てスレで書いたことと重なるんだな．

＞統計的検定の主な目的の1つは、「データの
＞主観的な解釈を防ぐ」ということかと思うのですが

それは違うでしょう．
検定の目的とは「得られたデータによって，帰無仮説が棄却できるかどうか」
であって，そのデータ(数値)にどういった意味があるかを付与するのは
研究者の力量ということ．

有意差が出ても、「これは偶然である」と言いきってしまえばよい。
それだけ。

ちょっと質問。

SPSS初めて使ってるんですが、計算式作る時の関数の使い方がよく分かりません。
ヘルプ見てもイマイチだし。この辺が詳しく解説されてる本、またはホームページを
ご存じの方いませんか？

age

放置されてる・・・
スレ違いですか？

SPSSスレもあるけど，スレ違いではなかろう．
ただ，DQSドナ子牛の俺には，関数なんて使ったことないので，答えようもない．
fprの過去ログは漁った？

>>682

何したいのか例を出せや。それと、syntaxファイル上で直接
コマンドを書くのか、マウスメニューで、チョチョイとやりたいのか、
どっちかもな。

>>685
frpこれからチェックしてみます。

>>686
>>何したいのか例を出せや。
といわれましても、これから使い方を覚えていくところですので。

>>686
682じゃないんですが、フィッシャーのZ Transformationを
マウスメニューでチョチョイ、というのはできますでしょうか。

関数の意味はhelpのsyntax guideに出ている(ただし英語）
デフォ設定でSPSSインストールすると外されちゃうけどね。
あとは東洋経済新報社の古いバッチ版SPSSの本でもsytaxの関数なら
使える。関数呼び出しはFORTRANやBASIC言語とかなり共通してるから
そっちから類推も可能では？

初心者以前の問題で恐縮ですが……
検定力と検出力は違うものなのでしょうか？

あげとく。

質問箱のつづきはこちらでどうぞ。

どうでもいいことかも知れませんが、
Yahoo!オークションで、このまえ
SASだったかSPSSだったか忘れましたが
出品されていましたよ。かなり格安で

因子分析したあと、各因子を尺度化し、因子毎に被験者の傾向を調べる
なんてことがありますよね。あれって、問題なんですか？。



第１因子　５項目（５件法　：得点分布５〜２５点）
第２因子　４項目（５件法　：得点分布４〜２０点）
・
・
・　

age

自分は心理学の勉強はしてないけど
統計学の勉強をしていて自分に合う統計学の参考書を探していて
「心理学のためのデータ解析テクニカルブック」というのが
自分的には解りやすい良い本だとおもったんですけど
心理統計を勉強している皆さんがたの
この本に対する評価はどんなかんじですか？

それ手に入る中で一番いいじゃない？定番だと思うよ。

はいはいはい！先生質問！

知覚実験って同じ条件で被験者が10回とか何回も測定しますよね。
複数の被験者で実験して分散分析するときってどうするのですか？
例）
被験者AーE　　　１要因３条件で１０回づつ繰り返し実験(30試行)

全データをすべて１要因で分散分析すればいいんですか？
条件１　条件２　条件３
ALL　　M1 M2 　　M3

被験者ごとの平均値をデータとして扱っていいんですかね？
　 条件１　条件２　条件３
A MA1 　MA2 　MA3
B MB1 　 MB2 　MB3
C　・・・
D
E

先生もわかりません。ｽﾏｿ。。。

>>698
それ、普通の統計の本に書かれていると思うけど。

それが書いてないんですっ・・・！

書いてあります？
「対応がある一要因」とかとはちょっと違うみたいなんです。
どうすればいいか良かったら教えて君。

http://www.hamq.jp/i.cfm?i=dehio
このサイト面白いよ

>>698
混合要因の分散分析、を見よ。

>>703
わーサンクス！

しかしおらの本には混合要因なる言葉はない・・・！ダメ本？
実は「心理学のためのデータ解析テクニカルブック」だったりするけど。

ひょっとして一要因は被験者内、一要因は被験者間の実験計画のことかな？
だとしたら二要因の分散分析。少し違う。

混合モデルのことかな？試行を繰り返すことが無作為変数となるのか。
おらひょっとして頭悪い！？

>>698
研究の目的が書いてないからレスがつかないのかも。
条件間で比較がしたいなら分散分析でＯＫ。
時系列の変動が見たいなら、反復測定で検索すべし。
（SASならglmプロシジャでrepeatedの指定かな）
平均値で良いのかどうかはデータの性質によるので何ともいえない。

メンヘル板＆各板で暴れた姫嬢の悪行を補完しておこう

【警報】姫嬢には気を付けましょう。（名無しで煽る可能性あり。）
・姫いきなり切れて床の個人情報をさらしたうえに
名無しで暴言を吐く。
・床、本気で傷つき泣きながら兄を去る
・自治に対して問題発生したので、自治関連が話題となる
・実質上、自治に関わったコテはエロ、霧、悪意などの大物コテ。
・しかし、急に悪意が去った事で騒ぎになる。
・問題は姫ではないかとの推測レスが続出→次の日そのスレ全体削除、問題となった自分のレス削除
・これはさすがにおかしいと大騒ぎになり、本家メンヘルにまでスレがたつ。
・エロなどの大物コテはアク禁、最後に残ったヘルヨッチーに対する叩きレス、叩きスレがたつ
・ヘルヨッチーをかばうために、悪意が参上するが、ヘルヨッチーと共に追放される
・姫、珈琲その他の一味と結託して暴言吐き散らかしながら住人へ粛正と追放を開始。
あまりのことに住民が９割兄を去る。
ここに姫チャンネル（雑談１）、珈琲チャンネル（雑談２）が実質設置される。

http://www.bbs2.jp/hime/　姫板、たぬきと共同運営（2chで晒されて慌てて閉鎖)
http://choco.2ch.net/test/read.cgi/intro/1029138639/　珈琲スレ
http://www.bbs2.jp/menheru2/ 珈琲が仕切るさぼーるメンヘル板
http://www.bbs2.jp/menheru/ 姫が追放されたさぼーるメンヘル板
http://jbbs.shitaraba.com/sports/3587/ 姫が追放されたさぼーる避難板

むむむ、２ちゃんが天国に見えてきた・・・！

単純に条件間の比較がしたいのです。時系列の変動とかはいりません。

すなわちすべてのデータ（５人×１０コ）をいっしょくたにした平均を
単純に比較すればよいということでしょうか？個人差なる概念はここからは
消滅してしまえ、と。

ほんと心理統計ってむずかしいっす　卒論たいへんっす

>>707
どの指標を使うのかは、先行研究を参考にするように。
たとえば、反応時間なんかだと正規分布しないことが多いから
対数変換したり、中央値を分析の対象にしたりする。

で、時系列が問題にならないなら「５人×３コ」で良いと思うよ。
条件の実施順序はカウンターバランスしてるのかい？
そっちの方が心配だよ（ｗ

書き忘れ：
個人差変数がデザインに入ってないなら、無視するのが普通。
被験者数が少ないと分散が大きくなるから個人差が効いてくるけど（ｗ

>>709
あなた様は神様でしょうか・・・？

指標ですか。被験者の反応は空間位置なので特に変換する必要はないかも
しれません。調べてみます。

カウンターバランスですか。
全条件を一つづつランダムに並べたのを１ブロックとして、
１０コならこれを１０回ランダムにしなおして繰り返してます。
これでバランスとれてます、、、よね？

個人差変数はデザインに入っていないので無視します！

とすると平均値をグラフに表す場合くっつけるのは全データの標準
偏差なのでしょうか？

被験者の平均の分布として標準誤差でなくていいのでしょうか・・・？

>>711
その手続きなら心配ないでしょう。
>>712
グラフは平均値と標準偏差で良いと思いますが、その分野の
ローカルルールみたいなのものがあるかもしれないので、先行研究の
グラフを確認してみて下さい。

っていうか、指導教官には相談してないの？（ｗ

>>713
わぁ何から何までお世話になります。おかげさまでひとつ疑問が解決しました。
こういうの論文の謝辞とかにいれるものですかね？

私人に質問するの苦手なんですよね。バカにされたりするの怖いですし。
指導教官には知らないと思われるのもいやですし、質問して指導教官が知らな
かったりするのも怖いですし、、、。

ここで仕込んだ知識で、自信を持ってぶつかってみます。重ね重ねどうも
ありがとうございました。なんか２ちゃん見直したな・・・。

>>714
いえいえ、たまたまＰＣの前にいたので。
頑張って良い論文にして下さい。

・・・感動。

渡辺洋『ベイズ統計学入門』って知ってますか？
読みやすいと聞いて買ったのですが，webに初版本だけは買うなという
書き込み発見．で，奥付見てみると「1999年9月20日 初版」…．．
初学者なのでコワイのですが，こういうののerrataってどこかにないのでしょうか？

>>716
自分でここまで勉強したけど、これがよくわからないから困ってる
って質問には、みなさん割と答えてくれるようだ。
なんだかんだ言っても、教育職の人達多いからかな。

>>718
う、痛いところを突かれた。ある程度、勉強してくれていたら、
具体的な質問になるから、教える方も教えやすいんだよね。

ほしゅ

統計の質問はここに書け！

>>721
どこ？

>>722

ここ！

どうでもいいが，
「数式が絶対に出てこない因子分析の本」とかいう本を買ってしまった．

役には立つんだが，どうもこういう本だけに拠っていてはいかんと思いまつ

ドナ先生に言われ、こちらに着ました。

鋤柄増根　2002　研究法の理解とデータ分析における学生の誤解：測定・評価部門　
　教育心理学年報，41，104-113.

この論文、なるほどなぁと思う部分と、よく分からない部分があります。
ｐ．108　の「分散分析の誤用と実験仮説」が？？な部分です。因子分析
の直交回転に得られたから、各因子の因子得点の比較はやつてはダメなん
ですか？。　　

ここは多重コテハンの巣です。

>>725
過去スレみてごらん。こちらがちゃんと勉強して質問すれば
丁寧に教えてくれる院生や、先生方がいます。少なくとも、
私は煽られたことはありませんよ。

こう書くと、また私までコテハンだと言われそうなので鬱だ。

すきがら　ますね　って読むのか．読めねえよ．

>>724
元スレにも書いたが，今手元にない，っつーか，
今年の年報は手にしていないので，確認することができませぬ．

＞因子分析
＞の直交回転に得られたから、各因子の因子得点の比較はやつてはダメなん
＞ですか？。　　

まず日本語を直せ(笑，人のことは言えないが....

で，直交解での因子得点の比較ができない？
お手上げでつ．

もしかして，各因子の因子得点を繰り返し測定と見なして，
分散分析するってことか？
それならだめな気はするが.....

やっぱりお手上げでつ．

あげておきます。ドナ先生、よろしくお願いします。

>>728

俺じゃなくて，俺以外の先生にお願いしなさいよ．

>>727
すみません。日本語変ですね（笑）。

＞＞因子分析の直交回転で得られた、各因子の因子得点の比較はやつてはダメ
ですね。これでも日本語が変だ。

ドナ先生↓
>もしかして，各因子の因子得点を繰り返し測定と見なして，
>分散分析するってことか？
それかも知れませんが、ちょっと自信がありませんが。手元に年報があれば
いいのですが・・・。

すみません。分かりにくくて。

稚拙ながら俺の理解．

対応ありの分散分析を行う場合，
繰り返し測定の変数間には相関があることが前提とされる．
それゆえ，因子間相関を想定しない直交解ではだめってことかな？

どなたか解説きぼんぬ．

>>731
なるほど。ではプロマックスなどの斜交解は、ＯＫって
ことになりますか？。

って、聞いたらドナ先生に怒られそう。もし、分かる方が
いらっしゃいましたら、ご教授お願いいたします。

少なくともドナ先生にヒント（というか完全に答えな気が
しますが）を頂いたので、DQNな私自身も関連文献をあた
ってみます。

コレ以上なんかかくと半可通って言われるし，
ってゆーか，もう言われるし．

↓ってことで，お願いいたします．

どなたか統計初心者の私めの質問に答えていただける方いらっしゃいますか？

Kyplotアカデミック版学生のうちに購入しておこうと思うのですが、
SASやSPSSと比較して機能的にはかなり落ちてしまうのでしょうか

>734まず質問してみそ

そう，質問してみそ．

>>735
機能的には落ちるが、人によっては十分。

尺度作るときに主成分分析つかってもＯＫなんですか？
因子分析なら主因子法と先輩から教わったんですけど，
海外の文献読むと主成分分析の方が頻回に使われているみたいで・・・。

>>739
目的による。因子を分けるのか、それとも項目全体が一つのまとまり
として考えるのかっていうね。

実施にやってみると大差はないんだけどね。

主成分分析した後、因子の抽出数や回転のしかたを決めて
因子分析するのが普通では？

>>741
え〜（＠＠）。

えっと、マジで院生？？？。学部生と言ってくれ！！！！！

ブルーバックスの本でもいいから、少し読んでごらん。
書いてあるから。

>>741
ご冗談を。742は、ネタに反応するなよ。

でも、741はネタじゃなかったら、酷いぞ。うちは底辺大学だけど
学部の３年でクリアしてる。

>>742
ブルーバックスの本といったら普通は通じるけど、741には
どの本かさえ理解できないと思われ・・・。

お〜い741、なんか言っとくれ

きちんと教えてやれよ。
本当は君らも理解できていないんだろう。

>>745
740を見て、どちらが目的か理解できていないなら
せめて、その程度は勉強しておく必要があるだろうに。
それも理解できないなら、745もかなり酷いぞ。
一応、745は理解できているんだよね？？違うの？

やっぱり理解できてないんだろ(藁

>>747
あのさぁ、基礎の基礎だろうに（苦笑）。どうしてこんな
レベルの低いところで噛み付くのかなぁ。

まずは、そこをクリアーしてくれたら、後は、どういう風に
するといいか教えてあげるよ（苦笑）

　　　　　　　　　　　　　　　某大学教員

>>747
748じゃないが、745に質問。

745は、740の言っていることは理解できているのか？。
上の連中も、驚いているけど、それだけ基礎レベルの
話だぞ。

>>741　の
>主成分分析した後、因子の抽出数や回転のしかたを決めて
>因子分析するのが普通では？
というトンチンカンな質問は、ブルーバックスの本などの
基礎的な本さえ読んでいない証拠だ。実験実習などでまだ
因子分析をやっていない２年生くらいの学部生ならともか
く、質問者は修士の院生だろ。少し勉強してまともな質問
が出てきたら、教える気にもなる。それこそ、分析の際の
細かいテクニックとかもね。

>>748-479
カメレスすまそ。745は、意味が理解できていないから747の
ような書き込みをしているのでは・・・

実は745＝741だったりして（藁）

ﾋﾞｸｯ. ∧ ∧ ∧ ∧　　 ／￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣
　 Σ(ﾟДﾟ；≡；ﾟдﾟ) ＜　うお！なんかすごいところに迷い込んじまったぞｺﾞﾙｧ！
　　 　 ./ つ　つ　　　　＼＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
　　〜（＿⌒ヽ　ﾄﾞｷﾄﾞｷ
　　　　 )ノ ｀Jззз

基礎の基礎ならその二つの違いをどうして簡潔に説明できないのだろうか？不思議である。
ブルーバックスの本なんて「統計で嘘をつく方法」しか読んだこと無いがな。

>>752
> 基礎の基礎ならその二つの違いをどうして簡潔に説明できないのだろうか？
おいおい、>>740に書いてあるだろーが（ｗ

あの説明は本質的ではないと思うがねぇ

>>754
君も、頭悪いねぇ。だから、740は、院生君がどういう方向で
データを分析しようとするのかを聞いているんじゃないか。
前者なのか、後者なのか？。その基本的前提。

それによって方法も変わるだろ！。それさえも理解できて
いないなら、教科書を勉強し直して来いと言っているだけ。
学部レベルの話だぞ。

http://plaza.rakuten.co.jp/a240a/

あの院生が、その「方向の違い」とやらをそもそも理解できていないと
わかっているなら、なぜそこから説明しないのだ？
「方向の違い」がそもそも何の違いなのか説明してあげれば
院生君も簡単に理解できると思うんだけど。

>>752　＆745
少なくとも、俺も、748の先生のように

>>741　
>主成分分析した後、因子の抽出数や回転のしかたを決めて
>因子分析するのが普通では？
というトンチンカンな質問をしているようでは、相手にしたくないね。
うちの修士の院生にも同じような対応をするだろう。そんな奴はいない
けどな。

そんなに文句があるなら、754が説明してあげたら？。それに補足を
加えてあげるよ。

あ、上、754ではなく、745ね。

>>757
>あの院生が、その「方向の違い」とやらをそもそも理解できていないと
>わかっているなら、なぜそこから説明しないのだ？
アホらしいから。２ちゃんねるとはいえ、修士ならその程度は
まず自分で勉強してみる。

そして、どこまで勉強して、どこが分からないのかくらい説明
できたら、教えてやろうかという気になる。

結局のところ君たちは、本質的にどうトンチンカンなのかを説明できないんでしょ？

>>761
あのぁ、ほんと君はＤＱＮだな。やれやれだ。

>主成分分析した後、因子の抽出数や回転のしかたを決めて
>因子分析するのが普通では？

　　　　　　　　　↑　
だからこれを見て、一目でトンチンカンだと分からないのかよ。

じゃ、まず君が、理解できているのかいないのか教えてよ。
理解しているなら、指摘してくれ。理解できていないなら、
素直に理解できないので教えてくださいと言え！。

745が、理解できていないなら、説明してやるから。

では説明してください。

互いに腹を探り合っていて話が先に進んでいません

>>762
745は、

>主成分分析した後、因子の抽出数や回転のしかたを決めて
>因子分析するのが普通では？

も、なぜトンチンカンなのか理解できていないぞ。


745に、マジレスするけど、上のコピペの部分が、すでに
説明になっているんだよ。トンチンカンのね。
意味が分かってんの？

早く説明してね

>>763
>では説明してください
では、説明はしない。

「理解できていないから教えてください」

と言いなさい。

そんなことばっかり言ってると、まじできちんと説明できないのかと思われるぞ。

バカに疑われても問題ないですが何か？

>>768
どうぞご自由に。

教えてくださいという謙虚な態度に君がなるまでは
教えない。

意固地になっているのが約2名．
腹の探り合いは終わりません

火事とケンカは江戸かここで。

xyzとロボって・・・＠3号機
http://academy.2ch.net/test/read.cgi/psycho/1038218889/

しかし，主成分分析と因子分析については，
このスレの最初の方で議論されているという罠．

あ，もちろんお二人の腹の探りあいは，
それを踏まえたものと認識しておりますが．

>>773
ドナ先生、どうも、それすら読んでいないようですね。
しかも、745は、読んでも理解できないでしょうね。

で、二人ともいなくなっちゃったのか？
碁みたいだな。

745は　下記のどこがおかしいのかさえ、理解できていない
んだからなぁ・・・。情けない。

>主成分分析した後、因子の抽出数や回転のしかたを決めて
>因子分析するのが普通では？

>>775
いや、理解できている人間が私を含め３名と、DQNの745ですね。
ドナ氏を加えると４名が理解組。

いや，俺は理解してねえぞ(爆

たぶん745は、＝DQN院生　だったんだろうね。

>>778
いや、見れば分かりますよ。745は、下記の質問のどこが
トンチンカンな質問なんだ！と言っていたんです。

>主成分分析した後、因子の抽出数や回転のしかたを決めて
>因子分析するのが普通では？

で、上を一目見て、我々は、どこがおかしいのか理解できないのか？
と。当然、ドナ先生は、どこがおかしいのか、理解できると思います。

あれあれ？戻ってきたら相変わらず個人攻撃か。
「一目見てわかる」ってのが説明のつもり？は？

>>780
じゃ、理解できたかい？。

>>781
悪あがきよせ。素直に
「実は良くわかってないので説明できません。741を馬鹿にしてすみません」と
言っておけ。今なら間に合うぞ（笑）

>>780
見てきた今なら、740の質問の意味は理解できたね。

それと、あのトンチンカンと指摘していたものも
理解した？。

もう745がバカという結論で良いから、不毛な腹の探りあいはヤメレ

なんていいますか……
知ってるなら教えてやればいいじゃない。
ドナ先生は分かってないと言ってるんだし、
いたぶらず「ＤＱＮな」745にも分かりやすく鮮やかに教えてあげるのが
一番格好いいと思うぞ。
正直、俺も分かってないし。

いや，本当にわかんねえんだが，
せっかくだから，ご教授願おう．
>>745は今のところマトモな言及してないし．

で，
>主成分分析した後、因子の抽出数や回転のしかたを決めて
>因子分析するのが普通では？

このレスについていえば，主成分と因子分析を併用するところがまず納得いかない．

このスレの>>36にあるように，主成分分析と因子分析は
そもそも計算する前にデータを取った項目群にどういった想定をしているかによって，
用いる方向が異なる．

とここまで書いて，とりあえず両者のツッコミを待ってみる(笑

あなたの言葉で語ってくださいね。見てきたのなら！（苦笑）

>>782
やれやれだ。君がアホなことを暴露しているということを
理解できないのか？。

じゃヒントを教えてやるよ。

主成分分析をしたあと、因子分析をするのかい？。

　　　　↓　
>主成分分析した後、因子の抽出数や回転のしかたを決めて
>因子分析するのが普通では？

>>788
おいおい。そんな説明かよ！（ヘナヘナ・・・）

>>786
あ、ドナ先生とかぶりましたね。

ドナは静観している.....
>>745なんとか言え．

それでは745に>>788の説明の不十分な点を説明してもらおうか

>>789
そこは、理解できていたの？。そこを聞いていたんだが・・・。
あと、最初の書き込みは、俺がいくつか説明しているんだけど。

じゃ、745は、どのへんまで理解しているんだよ。そこで、分からない
ところを説明してやるよ。まったく。

では、主成分分析と因子分析は一体何が違うのか、そして
なぜ併用できないのかを教えて欲しい。

>>792
それもそうだね。理解しているなら説明できるはず。

745は、788の説明の不十分なところを説明してくれ。

なんかオチが見えてきた気がするぞ．

>>745
>>36でがいしゅつですが．
この解説が間違っているというのであれば，ご教授ください．

いかん。つまらんオチになりそうだ。
要は、素人の俺でもわかるようにだ。
似ているこの二つの分析の本質的な違いは何かをまずご教示願う。

>>794
やっぱり、わかってないんじゃん（苦笑）。
結局、同じような計算をしているから。
だから、主成分分析も、因子分析も同じ様な
結果となる。

>>36には
>（両者の）決定的な違いは因子の回転
とある。ならば主成分分析の後に回転でも
何もおかしくはないと思えるが。

やっぱりこんなオチかよぉ.....

過去ログ漁れ>>745
主成分と因子分析はこのスレで最頻出事項でげす．

>>797
本質的な違いも、俺は最初の方に書いた。勉強しろ！。

>>801
あれは、どう用いるかの違いでしかなくて、
主成分分析と因子分析が想定するモデルの違いについて
述べたものではないと思うが。

>>800
しかも、ドナ先生、こいつは院生ですぜ。どうしょうもないDQN。
うちの修士の院生だったらケリが入りますね。つうか学部の４年
では、普通に共分散構造分析とかやっているのに・・・。

745は、さんざん俺達のことを馬鹿にしていたようだが、相手に
するのがホンとアホらしくなってきた。

人の悪口を言っている暇があったら回答してください。

>>745
オヌシ，>>36しか読んでないのではなかろうな？
とりあえず，このスレ全部読み返せ．

>>749
なんか，新たな展開を期待して粘ってみたんだが，
徒労に終わったようですね．
明日早いので失礼しますが，今度改めてご教授願います>>749先生．

詰め碁も終盤か・・。
投了すべきタイミングを見極めるのも
優れた碁打ちの証明だが。

>>804
人の悪口を言っている暇があったら勉強してください。

最後まで詰めば面白いのにねぇ。
結局749は一言も説明せずに終わちゃったし。

最近勘違い逆切れ素人厨房が多い、という俺の確証バイアス。

>809
煽りはいらん。

いやあまりにも741に対してひどい言いようだったし、ちょっといじってみたんだよ。
罵倒する割には誰も説明しないし、因子分析ってみんな怖がっているテーマなんだって
よくわかりました。苦悩するドナさんは勇気ある人だね！すごいです。

>>805
はい。ドナ先生、徒労に終わりました。私なんぞが、ドナ先生に
お教えすることはできませんが・・・。でも、いろいろ議論させて
頂きたいと思っております。こちらこそ、ご教授お願いいたします。

>>811
はいはい。負け惜しみ。

あと一応741さんの名誉のために言っておくけど、多分みんなわかっていると思うけど
741さんと745は別人ですよ。ちなみに僕はt検定と分散分析しかつかったことないです。

あたりまえのことを説明するのってむずかしいですよね。
僕もこないだやっと分散分析の仕組みがわかりました。

これに懲りずに素人もあんまり馬鹿にせず、わかりやすく
簡潔に説明してくださるよう今後ともよろしくお願いいたします。

>>814
>ちなみに僕はt検定と分散分析しかつかったことないです
偉そうに言うことじゃないぞ。この状況ならｔ検定もろくに
理解できていないんじゃないか？？。

まぁだから、749の　>>798　の説明の意味も分からなかったんだよな。
どうしょうもないね。こいつも。

全く無駄な時間を過ごした。素人は、やはり相手にしないように
しよう。

t検定はさすがに理解しています。
分散分析と不遍推定値の関係もやっと最近理解できました。
何度も言いますが、罵倒ではなく簡潔な説明を今後ともよろしく
お願い申し上げます

>>818
ｔ検定は、どういう検定か、その種類と、手法について
簡単に説明して。

泥仕合だこりゃ。　寝る。
ドナ先生のレス>>805意味深だな。
今後の展開に期待。

え？うーんと、簡単に言うと二つの標本平均の間の差が、
母平均の間においても違いとして認められるかどうかを調べる方法です。
本当に説明してほしいのですか？

>>818
819の質問に、プラスね。分散分析とｔ検定の関係もね。
理解できてる？。簡潔にいってみな。煽りじゃないから。

>>821
種類は？

>>820
たぶん、

心理学の授業奮戦記
http://academy.2ch.net/test/read.cgi/psycho/1021204555/
で、話題になるかも（謎）。そのうち。心理学統計の授業はキツイけど
早く教え込んでおくと、卒論指導が楽になりますからね（笑）

分散分析は分散の等質性の検定（F検定）を使って差を検定する方法ですよね。
t検定は、母分散の不偏推定値しかわからないときに、二つの標本平均の差を
母分散の不偏推定値で標準化？した値はt分布に従うことを利用して行う検定ですよね。
結果は同じだと思いますが。

>>821
返事がないようだけど、マジレス。

簡単に教えるだけが、私はいいとは思わない。ちょっと教科書を
読めば理解できることは、自分で勉強する。まして、あの因子分析
の質問者は院生。理解できていて当然な内容。学部生なら、普通、
心理学統計で学部の３年次までに学ぶ部分。

それと、ｔ検定は、あたりまえだけど一つだけじゃない。これも
勉強しておけば、どんな種類があり、どのような場合にどのｔ検定
を使うのか理解できるはず。

また、分散分析とｔ検定の違いや関係も理解しておくと、卒論
などでも困らない。

また気が向いたら、「分散分析とｔ検定の関係」をご教示ください。
あしたも授業があるのでそろそろ寝ます。

>>825
なんか、卒論指導の気分になってきた・・・。
ｔ検定の説明は、それでいいのかい？。
ｔ検定の前処理の段階などがあるでしょ？

あ、もしかしてt検定の種類と言うのは両側とか片側とか対応があるんとかそういうことだったのかな？
なんかノンパラメトリックな検定のことを聞かれているのかと思った。
マジ寝ます。どうもありがとうございました。では失礼。

>>828
当然、二つの標本の母分散が等しいという前提があります。

俺も１限から、３年生の実習だ。そろそろ準備せんと。

745は、もう少し勉強しなさい。、
>分散分析とｔ検定の関係」をご教示ください。
ｔ検定は理解したと言っているけど、だいたい５割程度だね。
あと半分。もう少し勉強すれば、俺が教えなくとも気づく。

740=748です。

やはり学部生か。749さん、ご愁傷さま。745のようなのは
相手にするとつけあがるから、放置に限るんだけどな。

最近、SPSSも使いやすくなったけど、やっぱりＳＡＳの方が
因子分析や主成分分析など細かい設定ができるからいいと
思うのは私だけか？。

P.S.　スレ違いだけど、StatViewが来月末に販売終了になる
ようだ。昔はマックユーザー御用達だったのにな。

DQN院生です（笑）過去ログみたら，因子を分ける方向でいいんだってわかりました。
かつての心理版は学問的な話が健全に進められていたんですね。大変参考になりました。
先行研究の誤用にさらされると，主成分分析＋プロマックスとかでもありなのかなって心配になったんです。
真贋を見分ける知識が欠けていたんだと思います。

確証的因子分析の適合度ってあげるコツはあるのでしょうか？
探索的でなんとか因子がうまく分かれたのに，確証的の方がすっきりしなくて。。。
そもそも何で確証的因子分析を尺度作成に用いるんでしょう？

↑超DQNな質問ですみません。

◆◆◆２ちゃんねる住民調査実施中◆◆◆

・アンケートフォーム
http://cgi.din.or.jp/~norihide/cgi-bin/2ch2/2form.html

２ちゃんねるをテーマにした「論文」を書いています。
（先行研究→http://www5.airnet.ne.jp/umakoya/2chtext.html）
その過程で「２ちゃんねら〜」の実態に興味が湧き、
アンケート調査を敢行することにいたしました。
個人情報が外部に漏れることはありません。
２ｃｈ利用者の方は一人一回のみ、全１６問のアンケートにご協力ください。
データ収集期間は１１月２６日いっぱいの予定です。

なお２ｃｈ全体から、広く、偏りの無いデータを集めたいと考えています。
もしよろしければこのアンケートの存在を、
２ｃｈの各板・スレッドに宣伝して頂ければ幸いです。
みなさまのご協力よろしくお願いいたします。

>>832
昨日の、坊やとは、少しレベルが違うので安心しました（笑）。
あれは、酷かった。

ただ、
>主成分分析した後、因子の抽出数や回転のしかたを決めて
>因子分析するのが普通では？
という、あなたの質問は、どうしてダメなのかは理解できた？。
一応、答えてください。私も、昨日は、坊やとあなたが同一人物かと
思い、説明を待ったのですが、結果はご覧の通りです。２時間睡眠
で、今、授業を終えたところです。こちらも労力を使ってるので
お答え下さい。

>主成分分析＋プロマックス
は、アリですが、研究の目的にもよります。研究の目的が違えばダメですね。
バリマックスの方が良い場合もありますしね。またバリマックス回転が不適切
な場合もあります。これは、理解できてる？

>>834
＞探索的でなんとか因子がうまく分かれたのに，確証的の方がすっきりしなくて。。。
それは変ですね。通常、後者の方が第1主成分にまとまりやすくなるはずですが。
計算のプロセスを説明してもらえますか？。

>そもそも何で確証的因子分析を尺度作成に用いるんでしょう？
もう少し、具体的に言ってもらえませんか？。

>↑超DQNな質問ですみません。
はじめは、みんなDQNです。偉そうにいう私も、厨房的な部分が多々あります。

ただ２チャンネルに限らず、普通は、全く勉強していない学生に教えようと
いう気にはならないんですよ。まして院生には。
（ドナ先生などは、例外じゃないのかな？）。謙虚な姿勢は大切です。

739と741は別人なのですが。。。
主成分分析は狭義の因子分析ではないということでしょうか。
でも，主成分分析＋プロマックスは，OKなのですか？？？
共通成分以外の要素を解釈するために仕方なく回転をかける？？？
バリマックスとプロマックスの違いは，
因子間の相関を考えるかどうかの違いだと思います。

丁寧にお答えくださって，本当に助かっております。

>>838
739と741は、別人ですか？。では、あの質問は745の坊やだったんでしょうね。
まだ彼が、あの質問がなぜトンチンカンなのか理解できていないことは、残念
ですが、先へ進みます。ご理解されているという前提で。

多くの質問がありますが、順番に。私以外にも、優しいここの住人が教えて
くれるでしょう。

>バリマックスとプロマックスの違いは，
>因子間の相関を考えるかどうかの違いだと思います。
もし、私が採点するならこの回答では30点／100点くらいです。優しい先生でも
50点くらいかな？。

まず研究の目的の前提として、因子間に相関があってよいのかどうか考える必要
がありますよね。これは739さんの回答を言い換えたのと同じようなものだと思
います。しかし、それでもバリマックス回転が望ましくない場合があるのです。
こう言うと、どんな場合か、分かりますよね。

因子分析にしても、主成分分析にしても目的によって、私は使い分けをします。
それは、最初のスレにも書きました（私が書いたもの以外にも丁寧に書き込ま
れた方がいますが・・・私よりも丁寧な説明で）。

それと、歴史的な背景を考えると、もともと因子分析が開発されて、その発展型？
として主成分分析があります。狭義の因子分析といえば、そうなのかも知れませ
ん。算出方法は、異なりますが、前の方の745への返信に、基本的には、因子分析
も主成分分析も、計算してみると、ほとんど同じ様な結果になります。
この辺は、ブルーバックスの柳井先生達の本でもご覧ください。詳しく書かれて
いますよ。一応、うちの学部の３年でクリアしているところなので・・・。

念のため書いときます。
柳井晴夫・岩坪秀一　1976　複雑さに挑む科学：多変量解析入門　講談社

そういえば、クラスター分析をやる人って、少ないね。

　　　　↑

ゴメン739と間違えた。自作自演と言われそうだな。

改めて・・・・クラスター分析とか使っている人います？。

調査系主体の研究者なら普通に使ってますが何か？

>>843
そう？。他の分析と比べて、使用している論文って少ないと思うが。
1990年以降で考えると、2000年前後から、投稿論文で使用される頻度
が増えてきたはず。

それと、ごく一部のマニアックなパック分析の人たち。

荒い分析だからあまり使えないのは確か。

>>845
いや、そう決めつけていいのか？

クラスタ数を決めるのって，因子数を決定するよりも難しいと思うのですが...

なにか客観的な指標はあるのでしょうか？

>>847
他の分析の結果から推測したり、先行研究に基づいたりして決定していれば妥当性がある方。
基本的に主観。

>>848
ってことはやはりデンドログラムを視認しなけりゃいけないということでつな．
ただ，簡略化した図しか見たことない罠．

>>847
客観的な指標は、無いように思います。因子分析も一応は、固有値１の
ところが判断基準になりますが、それでも落ち込みが極端に大きいと
固有値１にこだわらずに切りますよね。その他にも、解釈のしやすい
ところで因子数を決めるという方法もありますし。

デンドログラムの切り方も、それに似ているように思うのですが。

ただ、クラスター分析だからこそ、可能な研究もありますよね。
言い換えると、近年の研究動向が、徐々にクラスター分析を
用いると都合がよい方向に、わずかながらですがシフトしてきて
いるように感じるのです。

もちろん研究領域やテーマによりますが。そこで、少し議論が
できればと思ったわけです。

>>848
基本的にはね。ただ、PAC分析などで用いられている方法
を使えばどうだと思いますか？

>>850
やっぱりデンドログラムを見てみないとわかんないってことですね．

＞ただ、クラスター分析だからこそ、可能な研究もありますよね。

んー，最近の研究動向のシフトってのはわかる気はするんですが，
「クラスター分析だからこそ」というのにはちとピンときまへん．

よろしければ，具体例を一つ出していただけませんか？

クラスター分析なら，遺伝学の分子生物屋が多用してます。
「遺伝，クラスター分析」なんてキーワードでググってみると
大量にヒットするよ。

>全言語のページから遺伝 クラスター分析を検索しました。 約328件中1 - 10件目 ・検索にかかった時間0.09秒

うーん，大量といえばそうなのか？
ともかく，対象の分類ありき，って研究ではまずクラスタ分析を...というのはわかる気がすんなァ．
そう考えると，

＞言い換えると、近年の研究動向が、徐々にクラスター分析を
＞用いると都合がよい方向に、わずかながらですがシフトしてきて
＞いるように感じるのです。

というのも，最近の質的分析への流れに沿っているのではないかな．
線形で語るよりも，タイプ分けした方が受け入れられやすいってのもあるのかな．

2chに統計板ってあるかなぁと思ったらないんだね。
あげとく。

記述統計や推測統計について分かりやすい本ある？理解する際と実際にデータを扱う際にわけて二冊教えてくらはいヾ(´ｰ`)ﾉ

>>855
数学板があるだろ。

（＾＾）

>>857
数学板の扱いはちょっと違う気がしたよ。

>>724-732
年報をゲットしたので読んでみた．

「学生は，t検定も1要因分散分析も群間の平均値の差が統計的に有意かどうかを検定するもの
であると理解していることが多い．しかし，t検定も分散分析も同じ従属変数すなわち同じ物差上
の変数の平均値の差を検定するものであり，反応時間と誤反応率とを比較するものではない．
つまり，なんでもいいからいくつかある平均値の違いを統計的に検定する道具ではない．
比較できないものを比較してはならない」

とまぁ，ここまではわかるんだけどさ，

「したがって因子分析の結果得られた因子から構成された複数の尺度値の平均の差異を検定する
のに利用するのは適切ではない，もっといえば比較しようとしてはならない．例えば榎本(2000)が，
青年期の友人関係において重視している欲求を比較するのに，3つの欲求，すなわち親和欲求，
相互尊重欲求，同調欲求の各平均の違いを，一要因の分散分析を実施して検討している．
因子分析の直行回転によって得られた3つの欲求は比較可能なものではないといえる．では，
このような場合にどういう検定をいいのかと質問されるかもしれないが，比較できないものを比較する
方法はないとしかいえないのではないか．」

俺の理解は>>731で書いたようなもの．故に，榎本さんへの指摘にはうなづけるものがあるんだけれど，
鋤柄先生は上記引用にもあるように冒頭で「因子分析の結果得られた因子から構成された」と
書いてるんだよなぁ....
ってことは，斜交解でかつ因子間相関が中程度あってもダメなのかな？
そりゃ，反応時間と誤反応率の比較はいくらなんでも物差しが違いすぎると思うが，
斜交解で得られた因子から得られた複数の尺度(かつ，相関あり)であれば，
その上位概念として物差しは共通であると考えられると思うのだが....

などと悩んであげてみる．

冬休み終了あげ

簡単キャッシング！！
保証人不要！！自由返済！！〜1口、3万〜免許又は、保険証が必要。ちょっと足りない……今すぐ必要……
そんな時は、コンビニ感覚で気軽にお電話下さい！！混雑が予想されるので、2回線用意しました。是非ご利用下さい。

090-6647-7242又は090-1299-3996にお電話ください。
※くれぐれも、イタズラ電話はおやめ下さい。又番号は通知してお掛け下さい。

お初にお目にかかります。
質問なのですが、非常に稀少なタイプの人と、
普通の人との差を検定する方法ってのは、どういうのがあるのでしょうか。

例えば、脳損傷の人のパフォーマンスが普通の人とどう違うのかを検定するような場合です。
脳損傷の被験者は十分な数が集まらないので、どうしても少数になってしまいます。

ご存知の方、どうぞよろしくお願いいたします。

>>865
まずは先行研究を嫁

これはねえ，難しいんだよぉ
脳損傷と誤診された普通の人のほうが
本当に脳損傷の人より多くなりがちになるから
その難しさを実感したければ
統計の教科書のベイズの定理とその初歩的な例を
勉強してごらん．
で，どうすればいいいかだけど
事後分布の分散（標準誤差でも可）を小さくするような
テストを繰り返すしかない．
項目反応理論を勉強してみることでありんす

t検定についての質問です。
独立サンプル/対応のあるサンプルについてなのですが

ある学校の学生を対象にあるアンケート調査（すべてリカート法による
1-7点回答項目）をして、その点数の高いグループと低いグループに分けました。
このグループ間であるテスト結果に差があるかを検討したいのですが
この場合2群は「対応のある」サンプルということで良いのでしょうか。
教えて下さい。

その得点

　　　　　　 ＿＿＿_
　　　　　,: 三ﾆ三ミミ;､-、
　 　 　xX'' 　 　　`ＹＹ"ﾞミ､
　　　 彡" 　 　 ..______.　　ﾐ.
　　　 ::::: 　 　 　　 　　 　 ::;
　　　,=ﾐ______=三ミ ji,=三ミi
　　　i ､'ｰｰｰ|,-・ｰ |=|,ｰ・- | 　 　 　 　 　 　 　　 ,-v-、
　　　i; ':: 　::: ーｰ"　ﾞi ,ｰｰ'j　　 　 　 　　　　　　/ _ﾉ_ﾉ:^)
　　　 ｰi:: ::i: 　／`^ｰﾞ`､_ ..i　　　　　　　　　　　/ _ﾉ_ﾉ_ノ ／）
　　 　　|:::.　ﾞ"i _,,.-==-､;ﾞﾞi　 　 　 　 　　　　　/　ﾉ ﾉノ／／
　　 　　〉::.:..　 丶 "￣ﾞ .'.ﾉ　　　　　　　____　 /　 ______　ノ
　　　／ i, `ｰ-､.,____,___ノ＼＿＿＿＿（" 　`ｰ"　、 　　 ﾉ
　ｰ'/　　'i.　ヽ､ ,二ﾆ/ 　　＼ 　 　　　 ｀`ｰ-､　 　ﾞ　　 ノ
　 /　　　'i、 ／＼　/　 　 　 >　　　　　 　（　`ー''"ｰ'"
　 ＼ 　　'i," （__）　/　　　／　　　　　　 　 ＼ ／ノ

>868
ズバリ「対応なし」で，独立サンプルの分析だが
こういう標示因子の分析はヨクナイゾ！

やっぱり無作為に�A群に分けて，処遇に違いを
あたえ平均値の差を比較してね

>>870
そうなのですか。ありがとうございます。
同じ学校の学生という意味では二群は無関係ではないので
「対応のある」ほうかとおもったのです。
私の探したテキスト等には「対応のある」t検定について
1グループ内でのpre-post　testの例しかでていなかったので
良く分からなかったのです。

なお、実験ではないので実験群、統制群にわけてうんぬん...
という手順をとっていないのですが、そもそもこの2群のテスト結果の
差の検討にt検定はふさわしくないのでしょうか？

よければ教えて下さい。

>866

いや、全くの別分野なんですよ。
たとえ話として脳損傷をあげただけで。
こちらの分野では基本的には被験者の数はだいたい揃うので、
こういう分析をした先行研究は見つかりにくいのです。
もちろん、例に挙げた脳損傷の研究を探せばよいのでしょうが、
あまりにも門外漢なので…。

>867

丁寧なお返事ありがとうございます。
アドバイスいただいた項目について調べてみます。
やっぱり難しいっぽいですね…。

＞そもそもこの2群のテスト結果の
＞差の検討にt検定はふさわしくないのでしょうか？

そんなことないですよ．もちろん対応のないｔ検定でｏｋです．

　　　______________
　／:＼.＿＿＿_＼
　|:￣＼(∩´∀｀)　＼　　＜先生！こんなのがありました！
　|:在　 |:￣￣ U￣:|
http://freeweb2.kakiko.com/mona/

>>873=867

ありがとうございました。

マネーの虎！
http://www5.ocn.ne.jp/~ds821/index.html

保守あげはここをカチッ。

>>877
微妙にﾜﾗﾀよ．

Ａ群：年齢、態度得点
Ｂ群：年齢、態度得点

これがわかっていて、Ａ群とＢ群を比較する場合何分析を使えばよいのですか？
統計の事わかりませんですみません。

ちなみに5段階尺度のリッカト法でやりますた。

Ａ群とＢ群の「何を」比較するの？

━━━━━━━━━━━━━━━━

　　　,＿＿ 　　　＞879　平均値の比較ならｔ検定だろ
　　 �B■∧　 /
　　　 (,,ﾟДﾟ) / ﾃｽﾄﾆﾃﾞﾙｿﾞ､ｺﾞﾙｧ
━　 ⊂　　つ　━━━━━━━━━━━
　　┌───┐
　　│　 　 　 ｜

>>879
ｔ検定。対応の有無、等分散を仮定するかどうかを要チェック。

どうもありがとうございました。
ｔ検定であってたんですね。
でも対応の有無、当分さんを仮定するとかよくわかりませんですた。
俺、勉強しなきゃな。

Ａ群とＢ群が異なる被験者から構成されていれば「対応なし」、
同じであれば「対応あり」（例：何かしらの課題の前と後など）。

等分散を仮定するのかしないのかは、Ａ群とＢ群の分散の等質性を
検定すればOK。EXCELの分析ツールでもできるよ。

しんせつな人ハケーン

卒論やら修論の世話が一段落して時間ができた方でしょうか？

時間はあまりないのですが、ついつい（ｗ

>>885
>Ａ群とＢ群が異なる被験者から構成されていれば「対応なし」、

異なる被験者でもマッチングしてあれば「対応あり」

>889
マッチングの具体例を教えて。

http://www6.ocn.ne.jp/~endou/index2.html
　　　　　★YAHOOOプロフィール★

文章読解に関する記憶実験を3条件間でやるとします。
それぞれの条件で同様の文章を課題とすると、
一人の被験者で3条件をこなすことは無理だよね。
繰り返しの効果が出ちゃうから。
そういったときに、
例えば国語の点数など文章読解に関連のありそうな指標が同程度の
被験者3人を1セットとして扱いそれぞれの条件に割り振る。
するとそのセットは、結果に影響を与えるであろう変数が統制されたセット
と考えることが出来るわけ。
つまり、それぞれの条件に割り振られる被験者は異なる（被験者間）んだけど、
セットとして結果に影響を与えるであろう変数が統制されているから、
被験者セットは「対応あり」としてかんがえられるのですよ。

>>892

>>890ではないが納得．またひとつ賢くなった．3x

両側検定と片側検定についておしえてチョ

>>894
…統計の教科書見りゃあ書いてあるだろ。
自分で読んでみたか？

894ではないが、
自分はノンパラの片側検定のことを知りたいです。
本では、
旧薬と新薬の効果を検定する時、
「２薬間に差異がある」だけだと両側
「新薬の方が旧薬よりも効果がある」とするときは方向性があるので片側
だとあったが、この方向性とはどう解釈したらいいんでしょうか。
旧薬の効果を固定し、新薬が効果無しでなく有りの方向だけに有意という意味で
片側でいいんでしょうか。

両側
a<b and a>b
片側
a<b or a>b

どうもです。

カイ自乗分布って一般的に片側検定が用いられる傾向にあるでしょ。
でも、カイ自乗分布って自由度1と2のときはカイ＝０のときに最大になるわけだから
片側検定でいいのはわかるとして、
自由度3以上になると次第に正規分布に近づくわけだから、
本来は両側検定を用いるべきじゃないの？
でも、片側検定が用いられる傾向にあるのはなぜ？

(´・ω・`)ガンガン９００ください｡

　話題変わるけど，豊田先生って質問紙法ばっかり持ち上げて
実験を馬鹿にしてる節があるじゃない？どー思う？
　僕は今ひとつ今日文賛幸三文責とかすごいと思えなし，態度と
行動の不一致性っていう観点からも質問紙研究全般に懐疑的なんだけど，
それについてもどなたかご意見をください．よろしくお願いします．

>>901
(´-`).｡oO(なんでも実験で調べることができるのなら，そりゃいいよねえ…）

(´-`).｡oO(質問紙法への懐疑か……誰でも一度は通る道だよね……）

　９０２さんの言うとおり，なんでも実験でしらべることは
むずかしいよね．また実験できたとしても常にその妥当性が
議論になる．
　ところで，もし『なんでも実験できるわけではないから』質問紙
法を使うのだとすれば，質問紙法による研究の implication は
実験によるそれとは自ずと違うものになると考えるんだけどどうですか？

　短くまとめて，やっぱ質問紙って補助的なもんだとおもうんだけどなー

★http://jsweb.muvc.net/index.html★
　★こんなサイト見つけました★

>>905
(´-`).｡oO(研究対象と目的によると思うんだけどな…)

　うーん，だって質問紙でいくら結果でたって大して
実用できないじゃん．よく質問紙での○○得点の高低から
○○という態度だの感情だのの変化を論議してるけど，
結局のところそれは『これこれの人はこの質問紙に
こう答えやすい』っていうことにすぎないんじゃないの？
壮大な遊びに過ぎない気がするんだよなあ．役に立つっていう
観点からはどうにもうなづけない．だからといって
メカニズムの解明という観点からも質問紙だけを従属変数に
している研究からは論議しにくい．

>>908
だからその程度の批判は学部一年程度の発想なんだってばよ
北大路書房の「心理学マニュアル　質問紙法」でも読め