two-sample t test
> t.test (bp.change[treat==1], bp.change[treat==0], var.equal=FALSE)
Welch Two Sample t-test
> summary(lm(bp.change ~ treat + bp.start + sex + age + BMI))
単回帰モデルのあてはめ
lm(y ~ x)
重回帰分析
lm(y ~ x1 + x2)
交互作用を含めた重回帰分析
lm(y ~ x1 * x2)
lm() の返り値はobj
plot(obj)
回帰式の表示
formula(obj)
summary(obj)
分散分析表
anova(obj)
R のキーワード検索関数 help.search()
Random and mixed effects linear models
a word priming experiment
> head(primingHeid)
Subject Word Trial RT Condition Rating Frequency BaseFrequency
1 pp1 basaalheid 81 6.693324 heid 2.14 0 3.555348
2 pp1 markantheid 83 6.809039 baseheid 2.73 0 5.164786
3 pp1 ontroerdheid 89 6.508769 baseheid 3.32 0 5.549076
4 pp1 contentheid 95 6.576470 heid 2.50 0 4.499810
5 pp1 riantheid 96 6.857514 heid 2.36 0 4.532599
6 pp1 tembaarheid 111 6.349139 baseheid 3.73 0 0.000000
LengthInLetters FamilySize NumberOfSynsets ResponseToPrime RTtoPrime
1 10 0.000000 0 correct 6.884487
2 11 0.000000 0 correct 6.558198
3 12 0.000000 1 correct 6.651572
4 11 0.000000 1 correct 6.960348
5 9 0.000000 0 correct 6.826545
6 11 1.026672 0 incorrect 6.824374
>
multistratum ANOVA
a fixed effect 固定効果
a random effect 変量効果
assume that the by-subject intercepts (or slopes) are random variables from some (say) Normal distribution
a mixed effects model 混合効果モデル
説明変数 に固定効果 (fixed effects) とランダム効果 (random effects) がまざっている
matrixとlistの違い
listはデータフレーム、行と列に見出し（ラベル）がついている。
一般化混合線形モデル(generalized linear mixed model: GLMM)
http://homepage2.nifty.com/fauves/education/GLMM.htm
一般線形モデル General Linear Model
分散分析ANOVA
回帰Regression
共分散分析ANCOVA
基づいている原理は同じ(Grafen & Hails 2002)
独立変数が連続量かカテゴリカルかの違い。
GLMより一般化されたもの（正規分布でないような広範囲のデータを扱うことができる）
一般化線形モデル Generalized Linear Model
ロジスティック回帰も対数線形も
ランダム要因random effect（変量要因）：考慮には入れたくない要因（独立変数）
固定要因Fixed effect：考慮したい要因
擬似反復pseudo-replicationを避けることができる。
一般化混合線形モデル(generalized linear mixed model: GLMM)
「モデル」：どの変数の組み合わせで調べている現象を説明するか。
モデルがどのくらいデータをよく説明しているかの基準
赤池情報基準量AIC
尤度を測るREML(restricted maximum likelihood estimation)
AIC を最小にするシンプルなモデルを選ぶ
lmer
Grafen & Hails, Modern Statistics for the life sciences (Oxford Univ Press)GLM の入門書
一般線形モデルによる生物科学のための現代統計学
> t.test (bp.change[treat==1], bp.change[treat==0], var.equal=FALSE)
Welch Two Sample t-test
> summary(lm(bp.change ~ treat + bp.start + sex + age + BMI))
単回帰モデルのあてはめ
lm(y ~ x)
重回帰分析
lm(y ~ x1 + x2)
交互作用を含めた重回帰分析
lm(y ~ x1 * x2)
lm() の返り値はobj
plot(obj)
回帰式の表示
formula(obj)
summary(obj)
分散分析表
anova(obj)
R のキーワード検索関数 help.search()
Random and mixed effects linear models
a word priming experiment
> head(primingHeid)
Subject Word Trial RT Condition Rating Frequency BaseFrequency
1 pp1 basaalheid 81 6.693324 heid 2.14 0 3.555348
2 pp1 markantheid 83 6.809039 baseheid 2.73 0 5.164786
3 pp1 ontroerdheid 89 6.508769 baseheid 3.32 0 5.549076
4 pp1 contentheid 95 6.576470 heid 2.50 0 4.499810
5 pp1 riantheid 96 6.857514 heid 2.36 0 4.532599
6 pp1 tembaarheid 111 6.349139 baseheid 3.73 0 0.000000
LengthInLetters FamilySize NumberOfSynsets ResponseToPrime RTtoPrime
1 10 0.000000 0 correct 6.884487
2 11 0.000000 0 correct 6.558198
3 12 0.000000 1 correct 6.651572
4 11 0.000000 1 correct 6.960348
5 9 0.000000 0 correct 6.826545
6 11 1.026672 0 incorrect 6.824374
>
multistratum ANOVA
a fixed effect 固定効果
a random effect 変量効果
assume that the by-subject intercepts (or slopes) are random variables from some (say) Normal distribution
a mixed effects model 混合効果モデル
説明変数 に固定効果 (fixed effects) とランダム効果 (random effects) がまざっている
matrixとlistの違い
listはデータフレーム、行と列に見出し（ラベル）がついている。
一般化混合線形モデル(generalized linear mixed model: GLMM)
http://homepage2.nifty.com/fauves/education/GLMM.htm
一般線形モデル General Linear Model
分散分析ANOVA
回帰Regression
共分散分析ANCOVA
基づいている原理は同じ(Grafen & Hails 2002)
独立変数が連続量かカテゴリカルかの違い。
GLMより一般化されたもの（正規分布でないような広範囲のデータを扱うことができる）
一般化線形モデル Generalized Linear Model
ロジスティック回帰も対数線形も
ランダム要因random effect（変量要因）：考慮には入れたくない要因（独立変数）
固定要因Fixed effect：考慮したい要因
擬似反復pseudo-replicationを避けることができる。
一般化混合線形モデル(generalized linear mixed model: GLMM)
「モデル」：どの変数の組み合わせで調べている現象を説明するか。
モデルがどのくらいデータをよく説明しているかの基準
赤池情報基準量AIC
尤度を測るREML(restricted maximum likelihood estimation)
AIC を最小にするシンプルなモデルを選ぶ
lmer
Grafen & Hails, Modern Statistics for the life sciences (Oxford Univ Press)GLM の入門書
一般線形モデルによる生物科学のための現代統計学
RSS Feed