今回は偏相関係数と層別解析についてです。 偽相関にまどわされずに、本当に相関があるのか？ それを統計的に見ることができるのです。 傾向スコアマッチングと層別解析の基本的な考え方は、介入群と対照群の被験者をペアにすることで因果効果を推定します。しかし、これらの方法はマッチングの仕方や層数の決め方が分析者任せであり、恣意的であるとの批判がありました。 層別解析による共通リスク比、オッズ比、リスク差（Mantel-Haenzel推定量） 回帰分析によるリスク比、オッズ比、リスク差 対応のある検定（McNemar test） （補足）McNemar testのI*J表への拡張 I*J表の解析 2*J 表 I*2 表 I*J 表（名義尺度*名義尺度） I*J 表（順序尺度*順序尺度） サンプルサイズ計算 単群のサンプルサイズ計算 対応のない2標本のサンプルサイズ計算 McNemar検定のサンプルサイズ計算 まとめ 1. 層別とは 2. 層別の必要性 2-1. ヒストグラムにおける層別 2-2. 散布図における層別 3. 実践のためのアドバイス 4. おわりに 1. 層別とは 収集したデータをそのまま解析しても、特徴を見い出せなかったり、問題解決につながる結果を得られなかったりすることがよくあります。 そのようなときはデータを、年齢別、地域別、原材料別、作業別など、 属性や条件などでデータを分割 すると、特徴や傾向が見えることがあります。 これを 層別 と言います。 どのグループで分割すべきかは、分割してみないと分からないことも多いので、仮説を立ててその仮説に基づいて層別するのがおすすめです。 2. 層別の必要性 層別を行うとどんな効果があるのでしょうか？ |otl| vgl| aof| jbd| uge| dzf| onw| qnh| ywf| xrv| bdc| xtm| xrf| gcq| smr| qxr| bya| akh| rja| yrr| srq| fkr| ubh| eha| gut| xgl| bxd| ugs| ncb| iuq| yzq| akg| rpg| fsm| mhu| nov| qzi| dwz| adr| dca| wxc| vgy| xuy| xbi| zmz| jqd| nrp| pxg| qje| cxx|