Suche senden
Hochladen
13.01.20.第1回DARM勉強会資料#1
•
Als PPTX, PDF herunterladen
•
4 gefällt mir
•
4,439 views
Yoshitake Takebayashi
Folgen
分散分析の概要 https://sites.google.com/site/studygroup13csrm/
Weniger lesen
Mehr lesen
Bildung
Melden
Teilen
Melden
Teilen
1 von 19
Jetzt herunterladen
Empfohlen
R Study Tokyo03
R Study Tokyo03
Yohei Sato
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
多重代入法の書き方 公開用
多重代入法の書き方 公開用
Koichiro Gibo
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
Koichiro Gibo
コンジョイント分析の方法論的検討
コンジョイント分析の方法論的検討
Jaehyun Song
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
Empfohlen
R Study Tokyo03
R Study Tokyo03
Yohei Sato
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
多重代入法の書き方 公開用
多重代入法の書き方 公開用
Koichiro Gibo
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
Koichiro Gibo
コンジョイント分析の方法論的検討
コンジョイント分析の方法論的検討
Jaehyun Song
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか
SAKAUE, Tatsuya
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
. .
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知
Yuya Takashina
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方
Sayuri Shimizu
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
高速なガンマ分布の最尤推定法について
高速なガンマ分布の最尤推定法について
hoxo_m
第2回DARM勉強会
第2回DARM勉強会
Yoshitake Takebayashi
RによるBox-Cox変換
RによるBox-Cox変換
wada, kazumi
連続変量を含む相互情報量の推定
連続変量を含む相互情報量の推定
Joe Suzuki
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
logics-of-blue
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
Issei Kurahashi
バリデーション研究の入門
バリデーション研究の入門
Yasuyuki Okumura
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
クラシックな機械学習入門:付録:よく使う線形代数の公式
クラシックな機械学習入門:付録:よく使う線形代数の公式
Hiroshi Nakagawa
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
第2回DARM勉強会
第2回DARM勉強会
Masaru Tokuoka
13.01.20.第1回DARM勉強会資料#2
13.01.20.第1回DARM勉強会資料#2
Yoshitake Takebayashi
Weitere ähnliche Inhalte
Was ist angesagt?
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか
SAKAUE, Tatsuya
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
. .
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知
Yuya Takashina
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方
Sayuri Shimizu
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
高速なガンマ分布の最尤推定法について
高速なガンマ分布の最尤推定法について
hoxo_m
第2回DARM勉強会
第2回DARM勉強会
Yoshitake Takebayashi
RによるBox-Cox変換
RによるBox-Cox変換
wada, kazumi
連続変量を含む相互情報量の推定
連続変量を含む相互情報量の推定
Joe Suzuki
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
logics-of-blue
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
Issei Kurahashi
バリデーション研究の入門
バリデーション研究の入門
Yasuyuki Okumura
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
クラシックな機械学習入門:付録:よく使う線形代数の公式
クラシックな機械学習入門:付録:よく使う線形代数の公式
Hiroshi Nakagawa
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
Was ist angesagt?
(20)
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
変分ベイズ法の説明
変分ベイズ法の説明
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方
03 「重回帰分析」の入門
03 「重回帰分析」の入門
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
高速なガンマ分布の最尤推定法について
高速なガンマ分布の最尤推定法について
第2回DARM勉強会
第2回DARM勉強会
RによるBox-Cox変換
RによるBox-Cox変換
連続変量を含む相互情報量の推定
連続変量を含む相互情報量の推定
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
バリデーション研究の入門
バリデーション研究の入門
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
クラシックな機械学習入門:付録:よく使う線形代数の公式
クラシックな機械学習入門:付録:よく使う線形代数の公式
社会心理学とGlmm
社会心理学とGlmm
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Andere mochten auch
第2回DARM勉強会
第2回DARM勉強会
Masaru Tokuoka
13.01.20.第1回DARM勉強会資料#2
13.01.20.第1回DARM勉強会資料#2
Yoshitake Takebayashi
第2回DARM勉強会.preacherによるmoderatorの検討
第2回DARM勉強会.preacherによるmoderatorの検討
Masaru Tokuoka
Darm3(samplesize)
Darm3(samplesize)
Yoshitake Takebayashi
13.01.20.第1回DARM勉強会資料#3
13.01.20.第1回DARM勉強会資料#3
Yoshitake Takebayashi
内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価
Yoshitake Takebayashi
観察研究の必須事項
観察研究の必須事項
Yoshitake Takebayashi
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Masaru Tokuoka
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
第1回DARM勉強会のANOVA補足(repeated measures designs)
第1回DARM勉強会のANOVA補足(repeated measures designs)
Masaru Tokuoka
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
Takashi Yamane
Anova君を使った分散分析
Anova君を使った分散分析
Takashi Yamane
R in life science2
R in life science2
Yoshiki Tomita
2012-1110「マルチレベルモデルのはなし」(censored)
2012-1110「マルチレベルモデルのはなし」(censored)
Mizumoto Atsushi
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
Shushi Namba
STARD2015に学ぶ「診断精度の分析」の書き方
STARD2015に学ぶ「診断精度の分析」の書き方
Yoshitake Takebayashi
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
Tokyo r30 anova_part2
Tokyo r30 anova_part2
Takashi Minoda
媒介分析について
媒介分析について
Hiroshi Shimizu
Andere mochten auch
(20)
第2回DARM勉強会
第2回DARM勉強会
13.01.20.第1回DARM勉強会資料#2
13.01.20.第1回DARM勉強会資料#2
第2回DARM勉強会.preacherによるmoderatorの検討
第2回DARM勉強会.preacherによるmoderatorの検討
Darm3(samplesize)
Darm3(samplesize)
13.01.20.第1回DARM勉強会資料#3
13.01.20.第1回DARM勉強会資料#3
内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価
観察研究の必須事項
観察研究の必須事項
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
第1回DARM勉強会のANOVA補足(repeated measures designs)
第1回DARM勉強会のANOVA補足(repeated measures designs)
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
Anova君を使った分散分析
Anova君を使った分散分析
R in life science2
R in life science2
2012-1110「マルチレベルモデルのはなし」(censored)
2012-1110「マルチレベルモデルのはなし」(censored)
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
STARD2015に学ぶ「診断精度の分析」の書き方
STARD2015に学ぶ「診断精度の分析」の書き方
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Tokyo r30 anova_part2
Tokyo r30 anova_part2
媒介分析について
媒介分析について
Mehr von Yoshitake Takebayashi
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として
Yoshitake Takebayashi
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として (文字飛び回避版はこちら -> https://www.slideshare.net/yos...
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として (文字飛び回避版はこちら -> https://www.slideshare.net/yos...
Yoshitake Takebayashi
フェーズI/IIに置けるベイジアン・アダプティブ・メソッド
フェーズI/IIに置けるベイジアン・アダプティブ・メソッド
Yoshitake Takebayashi
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
分類分析 (taxometric analysis)
分類分析 (taxometric analysis)
Yoshitake Takebayashi
項目反応理論による尺度運用
項目反応理論による尺度運用
Yoshitake Takebayashi
ベイズ推定の概要@広島ベイズ塾
ベイズ推定の概要@広島ベイズ塾
Yoshitake Takebayashi
「操作変数法」の報告事例
「操作変数法」の報告事例
Yoshitake Takebayashi
観察研究の質の評価
観察研究の質の評価
Yoshitake Takebayashi
観察研究の必須事項
観察研究の必須事項
Yoshitake Takebayashi
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
13.01.20. 第1回DARM勉強会資料#4
13.01.20. 第1回DARM勉強会資料#4
Yoshitake Takebayashi
Mehr von Yoshitake Takebayashi
(12)
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として (文字飛び回避版はこちら -> https://www.slideshare.net/yos...
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として (文字飛び回避版はこちら -> https://www.slideshare.net/yos...
フェーズI/IIに置けるベイジアン・アダプティブ・メソッド
フェーズI/IIに置けるベイジアン・アダプティブ・メソッド
潜在クラス分析
潜在クラス分析
分類分析 (taxometric analysis)
分類分析 (taxometric analysis)
項目反応理論による尺度運用
項目反応理論による尺度運用
ベイズ推定の概要@広島ベイズ塾
ベイズ推定の概要@広島ベイズ塾
「操作変数法」の報告事例
「操作変数法」の報告事例
観察研究の質の評価
観察研究の質の評価
観察研究の必須事項
観察研究の必須事項
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
13.01.20. 第1回DARM勉強会資料#4
13.01.20. 第1回DARM勉強会資料#4
Kürzlich hochgeladen
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
yuitoakatsukijp
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
Takayuki Itoh
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Tokyo Institute of Technology
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
Kürzlich hochgeladen
(7)
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
13.01.20.第1回DARM勉強会資料#1
1.
DARM勉強会#1
2013.01.20. 分散分析(Analysis of Variance)の概要 広島大学大学院教育学研究科 博士課程後期1年 德岡 大
2.
自己紹介 • 名前:德岡 大(とくおか
まさる) • 所属:教育学研究科 博士課程後期1年 • 研究:キャンプ効果→学習スタイル→達成目標 理論 ↑ イマココ – 積極的にやる気を出さない目標の研究 • 関心:けっこうなんでも,時系列変化の要因 • R:初心者,anovakunが使えるくらい,他の分析 皆無 • Mplus:初心者,これから勉強します
3.
発表内容 •
分散分析とは • 分散分析の前提 • 独立変数の種類 • 分散分析の原理 • 分散分析のデザイン • 平方和のタイプ • 多重比較について • 単純主効果について • 分散分析の種類
4.
分散分析とは • 水準間に差はあるのか? • ある変数(従属変数)に及ぼす複数の要因(独立変
数)の影響を検討したい 分散分析を適用しよう
5.
分散分析の前提 • ランダムサンプリング –
×でもランダム割当なら近似的には○。 • 正規性 – 各水準の母集団が正規分布。×でもある程度頑健 • 分散の等質性 – 参加者が等しい場合,かなり頑健。×でも近似的に対応 可 • 観測値の独立性 – 従属変数に関する観測値が,別の観測値に影響するこ と(級内相関係数が高い状態)。×の場合,マルチレベ ルモデルなどの階層性を意識した分析に切り替えたほ うがよい
6.
独立変数の種類と直交性
平方和のタイプ,多重比較の方法が変化
7.
分散分析の基本原理※分散成分とは母分散の不偏推定量
全体の分散成分 要因の分散成分 誤差の分散成分 →F値は,誤差に対する要因の割合 →2つの分散を比較するため,自由度も2つ →効果量(r2, η2)は,全体に対する要因の割合
8.
分散分析で有意な結果を得るには
要因の分散成分 誤差の分散成分 要因の分散成分 誤差 →誤差による変動を小さくすることが重要 ※誤差=個人差 要因計画を考慮する必要性あ り
9.
1要因の分散分析(被験者間計画,対応な し) • 完全無作為化法 completely
randomized design 要 因 処理1 処理2 処理3 参加者 各水準に異なる参加者を無 作為に割り当てる 全体の分散成分 要因の分散成分 個人差(誤差) ※誤差1と全体に相関ある場合,要因の検出力が低下
10.
1要因の分散分析(被験者間計画,対応あ り) • 乱塊デザイン randomized
block design 要 因 処理1 処理2 処理3 参 ブロック内で各水準に無作為に 加 割り当てる 者 参加者を特定の剰余変数でブロック 化(e.g., IQ低,高) 全体の分散成分 要因の分散成分 ブロック 残差 ※誤差1と要因に交互作用がある場合は不適切
11.
1要因の分散分析(被験者内計画,対応あ り) • 繰り返し測定計画 repeated-measures
design 要 因 処理1 処理2 処理3 同一の参加者が全ての 参加者 処理水準に参加 全体の分散成分 要因の分散成分 個人差 誤差 ※対応あり+3水準以上は球面性の仮定が有意でない方がよい
12.
2要因分散分析(対応なし,対応なし) • 完全無作為2要因デザイン completely
randomized two-factor design 要 因 A1×B1 A2×B1 A3×B1 A要 因 A1×B2 A2×B2 A3×B2 B 参加者群 各水準に異なる参加者を無 作為に割り当てる 全体の分散成分 要因A 要因B 要因A×B 誤差 要因Aだけなら全て誤 差
13.
2要因分散分析(対応なし,対応あり) • 混合デザイン 要 因
A1×B1 A2×B1 A3×B1 A要 因 A1×B2 A2×B2 A3×B2 B 参加者群 要因Aには異なる参加者が無作 為割当,要因Bには同一の参加 者が全ての水準に参加 全体の分散成分 要因A 要因B 要因A×B 誤差A 誤差B ※誤差A=対応あり(B,A×B)の効果を除いた,対応な し要因(A)による誤差,誤差B=対応あり要因による誤
14.
2要因分散分析(対応あり,対応あり) 要 因
A1×B1 A2×B1 A3×B1 A要 因 A1×B2 A2×B2 A3×B2 B 参加者 同一の参加者が全ての 処理水準に参加 全体の分散成分 要因A 要因B A×B 個人差 誤差A 誤差B 誤差AB ※1 要因と誤差の比(F値)は,対応する値により求めること ※2 対応ありがランダム変数の場合,正確な誤差推定が不可 (詳しくは,瀧野, 1972参 照)
15.
平方和のタイプ • 非直交データにおける要因間の相関分を統制する方法
の違いを示す • 水準間のデータ数に違いのないバランスデータならタ イプの違いは関係なし • タイプⅠ:主効果,交互作用の効果を1つずつモデル に追加していく方法。モデルに優先順位がある場合に は推奨。重回帰分析ではR2と一致。 • タイプⅡ:主効果,交互作用を分けて一斉投入。その モデルからある要因の主効果を取り除いた平方和の減 少分を平方和とする方法。 • タイプⅢ:全ての効果が一斉投入。タイプⅡと同様に, 平方和の減少分を平方和とする方法。使用されること 多し。
16.
多重比較について • α FW
= 1 – (1 – α) m ←この関係を考慮して,タイプ Ⅰ α FW ≒ m (α) エラーを抑えること が目的 事前比較 直交的 非直交的 n-1個の直交比較 Bonferroniなど 事後比較 非直交的 Tukey, Schefféなど
17.
単純主効果について • 交互作用が得られた場合,ある要因のどの水準で別の要
因の影響が有意なのかを検定 e.g., A(3)×B(2)で有意な交互作用が得られた場合 全体の分散成分 要因A 要因B 要因A×B 誤差 B1の分散成分 B2の分散成分 要因A 誤差 要因A 誤差 ※B1,B2の要因Aの効果は再計算,誤差の効果は共 通
18.
分散分析の種類
MANOVA ANOVA 従属変数2つ以上を同時に分 従属変数は1つ。 析可能。タイプⅠエラーの確率 参加者内要因,参 を抑える。従属変数間の相関を 加者間要因,混合 考慮などの利点がある。 要因などのモデル がある。後述する 3つの前提条件あ り。 ANCOVA 従属変数は1つ,共変量の統 制が可能。回帰の同質性,回帰 の有意性が前提となる。
19.
参考文献 •
南風原朝和 (2002). 心理統計学の基礎―統合的理解のために― 有斐閣アルマ • 分散分析 http://ofmind.net/doc/anova-note < 2013年1月20日 > • 村山 航. 分散分析について http://www4.ocn.ne.jp/~murakou/anova.htm <2013年1 月 20日> • 森 敏昭・吉田寿夫 (1990). 心理学のためのデータ解析テクニ カル ブック 北大路書房 • 瀧野千春 (1972). 分散分析における誤差項に関する一考察 奈 良 教育大学紀要(人文・社会科学), 21, 237-241. • 山内光哉 (2008). 心理・教育のための分散分析と多重比較―エ クセ ル・SPSS解説付き サイエンス社
Jetzt herunterladen