Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
08 SDAからIDAへ
Search
419kfj
October 09, 2023
0
40
08 SDAからIDAへ
SSJDA計量分析セミナー
対応分析/多重対応分析の原理と実際 08
419kfj
October 09, 2023
Tweet
Share
More Decks by 419kfj
See All by 419kfj
R.Q.(リサーチ・クエスチョン)構築という視点から 伝統的検定手法とベイジアン推定を比較する
419kfj
0
44
多重対応分析/構造化データ解析の原理と研究者視点の介在点「文化と不平等」調査データの分析(1)
419kfj
0
63
Methods and Examples of Correspondence Analysis
419kfj
0
94
01 Introduction
419kfj
0
75
02 ベクトル行列演算とCAの数理
419kfj
0
96
03 CAの数理その2
419kfj
0
42
04 データの準備
419kfj
0
49
05 CAとMCA事例
419kfj
0
45
06 MCA_01
419kfj
0
45
Featured
See All Featured
Gamification - CAS2011
davidbonilla
80
5.2k
Music & Morning Musume
bryan
46
6.4k
Making Projects Easy
brettharned
116
6k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
4
380
Building Adaptive Systems
keathley
40
2.4k
Building a Scalable Design System with Sketch
lauravandoore
461
33k
RailsConf 2023
tenderlove
29
1k
KATA
mclloyd
29
14k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
27
1.9k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
133
33k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
27
1.6k
Thoughts on Productivity
jonyablonski
69
4.5k
Transcript
SDAとIDA /MCAの応⽤編 計量分析セミナー 2023/09/06 藤本⼀男 kazuo.fujimoto2007@gmail.com
GDAの中でのSDAとIDA • 記述 • SDA:個体空間の構造を追加変数を⽤いて分析。 • カテゴリ平均点の配置(距離)、集中楕円(散らばり)として領域図 ⽰ • カテゴリ平均点の差
• 分解された分散の評価。η2 (群間分散/全体分散) • 検定 • 記述統計によって明らかになった差異は、有意か • 典型性検定 • 同質性検定
Rmarkdownで実⾏ • 分散の分解 • https://rpubs.com/kfj419/1078098 • SDAからIDAへ • https://rpubs.com/kfj419/1078199 •
SDAの補⾜ • 表4.1の再現 https://rpubs.com/kfj419/1078072 • 表4.2の再現 https://rpubs.com/kfj419/1078113
嗜好データを性別で分析する 1-2軸 • 軸の標準偏差が√λ • この尺度化は、標準化し ている。 男⼥差→ それを√λで尺度化→
嗜好データを性別で分析する 3-2軸 • ⽐較の⼤まかな⽬安 • > 0.5:注⽬すべき差 • > 1
:⼤きい差 それを√λで 尺度化→ 男⼥差→
性別で分散を分解する • 相関⽐η2に注⽬する。dim3が⼤きい。 この表は、GDAtools::varsupで得られる。
以上が記述統計的分析。この差を検定する • 典型性検定の結果。 • すべての軸で差は有意である。
年齢で分析する 1−2軸
この表も、GDAtools::varsupで得られる。
3−2軸
同質性検定
典型性検定なので、カテゴリ平均点の 全体(原点)からのズレを検定している。 p値は、典型性のレベルの指標になっている。 1軸、2軸では、35−44歳、45−54歳の典型 性レベルは⾼い。 しかし、3軸では、すべての年齢カテゴリで 典型度が⾼いことがわかる。