myscratchpad

# 平方和を計算する
ss <- function(x) {
  a <- x-mean(x)
  sum(a^2)
  }
ss(iris[,1])

# データフレームの変数名を調べる
dn <- function(x) {
  data.frame(names(x))
  }
dn(iris)

# 用紙サイズの長辺と短辺

	long	short
A1	841	594
A2	594	420
A3	420	297
A4	297	210
A5	210	148
A6	148	105
A7	105	74
B1	1030	728
B2	728	515
B3	515	364
B4	364	257
B5	257	182
B6	182	128
B7	128	91

# 意味はないがコードにしてみる
ab <- c(paste("A", 1:7), "***", paste("B", 1:7))
long   <- c(841,594,420,297,210,148,105," ", 1030,728,515,364,257,182,128)
short  <- c(594,420,297,210,148,105,74," ",728,515,364,257,182,128,91)
data.frame(ab, long, short)

# もはやRとは何の関係もない

基準関連妥当性
併存妥当性　不安の高い人は抑うつも高いはずだ的なやつ
予測妥当性　アウトカム変数の予測

構成概念妥当性
収束妥当性　同じような測定と相関する。他の不安傾向尺度との相関
弁別妥当性　違う測定と相関しない

内容妥当性　ぱっと見て内容がそれっぽいか
表面妥当性　パッと見て項目がそれっぽいか
因子妥当性　因子構造が予測あるいは先行研究どおりか

交差妥当性　別サンプル間での予測誤差が小さい


おおむね収束妥当性と弁別妥当性を満たしているとOKとなる
実は表面妥当性を満たしていると他が問われないことも多い。実験心理学の測定は操作的に定義されることもありほぼ全てがそうだろう

基準関連妥当性
併存妥当性　不安の高い人は抑うつも高いはずだ的なやつ
予測妥当性　アウトカム変数の予測

構成概念妥当性
収束妥当性　同じような測定と相関する。他の不安傾向尺度との相関
弁別妥当性　違う測定と相関しない

内容妥当性　ぱっと見て内容がそれっぽいか
表面妥当性　パッと見て項目がそれっぽいか
因子妥当性　因子構造が予測あるいは先行研究どおりか

交差妥当性　別サンプル間での予測誤差が小さい


おおむね収束妥当性と弁別妥当性を満たしているとOKとなる
実は表面妥当性を満たしていると他が問われないことも多い。実験心理学の測定は操作的に定義されることもありほぼ全てがそうだろう

x <- 1000

(lx <- log(x)) # 自然対数。ln
exp(lx)

(l10x <- log10(x)) # 常用対数
10^l10x