本科目では、重回帰分析、一般化線形モデル、成長曲線分析、線形混合モデルなどの回帰モデルの特徴ならびに分析方法を解説します。様々な回帰モデルを学びながら、実験・調査の計画やデータの特徴に合わせた分析方法の選択に必要な知識の習得を目標とします。
第1回 重回帰分析・カテゴリー変数のコーディング
第2回 重回帰分析の演習
第3回 一般化線形モデル(ロジスティック回帰、ポワソン回帰)、最尤法
第4回 一般化線形モデルの演習
第5回 時系列データ分析の概要
第6回 時系列データ分析の演習
第7回 成長曲線分析
第8回 成長曲線分析の演習
第9回 一般線形混合モデル
第10回 一般線形混合モデルの演習
第11回 一般化線形混合モデル・Permutation test
第12回 Permutation testの演習・まとめ
なお、受講学生の興味や理解に応じて、各回の内容が変更される可能性があります。
本科目は、回帰モデルを理解するだけでなく、自らの研究データを分析するための知識・スキルの演習を含んでいます。そこで、各回帰モデルを解説したのちに、サンプルデータを用いて分析の演習を実施します。分析の演習にはRとRStudioを使用する予定です(履修上の注意を参照してください)。
提出された演習課題や授業内での講義・演習に対する取り組みを元に評価を行います。
教科書は使用しません。講義で用いる資料は、授業内で配布またはダウンロード可能にします。また、参考書を興味に応じて適宜参照してください。
嶋田・阿部(2017)Rで学ぶ統計学入門 東京化学同人
高橋(2018)採点可能性のすすめ RStudioによるデータ解析とレポート作成 共立出版
長島・石田・李(2017)Rで統計を学ぼう!文系のためのデータ分析入門
Baayen, R. H. (2008). Analyzing Linguistic Data: A Practical Introduction to Statistics using R. Cambridge University Press
Mirman, D. (2014)Growth Curve Analysis and Visualization Using R. Chapman and Hall/CRC
本科目は、統計学ならびに実験・調査研究におけるデータ分析について以下のような知識・スキルを前提に行います。
前提となる知識:記述統計・統計的仮説検定・t検定・分散分析・単回帰分析
前提となるスキル:RならびにRStudioの基本的な操作、Rマークダウンファイルの使用方法
そのため、前提知識・スキルが十分でない学生は、参考書欄の嶋田・阿部(2017)と高橋(2018)を用いて足りない知識を授業開始前に補うことが望ましいです。
また、この授業の前提となる基礎から学んでおきたい人のために、専攻の大学院生中心に勉強会が企画されているのでぜひ利用してください。勉強会の告知は以下のURLを参照してください。
https://sites.google.com/view/intensive-2019-stats