×
[PR]上記の広告は3ヶ月以上新規記事投稿のないブログに表示されています。新しい記事を書く事で広告が消えます。
あいまい日本語のチェックをオフにして、検索ボックスに
^p
を入力すると改行を検索できる。
読み方
^ アクサンシルコンフレックスキャロット、カレット circumflex accent、caret 。どれが普通かはわからない
# ナンバーサイン (number sign) 、ポンド、いげた、ハッシュマーク。シャープではない
<> less-than sign, greater-than sign
\ バックスラッシュ。「ろ」 (右下にある) で入力
` アクサングラーブ、逆クォート
^p
を入力すると改行を検索できる。
読み方
^ アクサンシルコンフレックスキャロット、カレット circumflex accent、caret 。どれが普通かはわからない
# ナンバーサイン (number sign) 、ポンド、いげた、ハッシュマーク。シャープではない
<> less-than sign, greater-than sign
\ バックスラッシュ。「ろ」 (右下にある) で入力
` アクサングラーブ、逆クォート
PR
結果の一部を取り出す
# summaryの中のcoefficientsの中から標準誤差を取り出す
result.se <- summary(result)$coefficients[, "Std. Error"]
# str()でデータ構造を知ることができる。
# summaryの中のcoefficientsの中から標準誤差を取り出す
result.se <- summary(result)$coefficients[, "Std. Error"]
# str()でデータ構造を知ることができる。
書評を書いてみる
==Rの本==
==Rの本==
青木繁伸 (2009). Rによる統計解析 オーム社
極めて素晴らしい内容。他のRの書をはるかに凌駕しています (いや、他の本は立ち読みですけど) 。他のRの入門書よりやや高めの価格設定ですが価格以上の価値があります。インストールからデータ操作、単変量、多変量の解析、解析の実例などが簡潔明瞭な解説とともに記述され豊富な内容。おかしな表現ですが、読めば読むほどRを使いたくなる書です。
Everitt, B. (2005). An R and S-PLUS Companion to Multivariate Analysis. London, England: Springer.
(エヴェリット, B. 石田基広・石田和枝・掛井秀一 (訳) (2007). RとS-PLUSによる多変量解析 シュプリンガー・ジャパン)
(エヴェリット, B. 石田基広・石田和枝・掛井秀一 (訳) (2007). RとS-PLUSによる多変量解析 シュプリンガー・ジャパン)
色々な多変量解析について (自分にとっては) 知らないことが多く載っており、非常にためになりました。訳は平易でわかりやすく、また解析例はもとより、元のデータが全て本文およびweb (下のサイト参照) で公開されています。とくにデータが本文にあると解析結果の解釈がしやすいので、興味深く読めました。ただし中級者用でしょう。
Everitt (2005) 書籍中のデータと関数
Everitt (2005) 書籍中のデータと関数
Crawley, M. J. (2005). Statistics: An introduction using R. London, England: John Wiley & Sons.
(クローリー, M. J. 野間口謙太郎・：菊池泰樹 (2008). 統計学: Rを用いた入門書 共立出版)
これはいい本。統計の入門書だが、回帰、線形モデル、対比など詳しく書いてあって面白かった。訳もハキハキしたわかりやすい文章で読みやすい。また、著者の独特の言い回しが良い。例えば、重回帰分析では独立変数の数がデータ数を超えてはならないことは知っていたが、p. 222で、「困ったことに、データ数よりも2倍も多い母数を推定することになる。モデル化に使う母数の新記録だ、などと言ってはおられない」などと表現してあって笑ってしまった。
訳書も含めて、やはり海外の書は情報量が多く、また入門書といっても構成が日本の書とは随分違って面白い。これでもっと安価でA5版以下なら良かったのだが、訳書って権利が色々面倒らしいししょうがないか…
http://www3.imperial.ac.uk/naturalsciences/research/statisticsusingr
訳書も含めて、やはり海外の書は情報量が多く、また入門書といっても構成が日本の書とは随分違って面白い。これでもっと安価でA5版以下なら良かったのだが、訳書って権利が色々面倒らしいししょうがないか…
http://www3.imperial.ac.uk/naturalsciences/research/statisticsusingr
Rは入門、専門と多くの書が出版されるようになってきたようです。個人的には多変量データ解析、カテゴリカルデータ解析のよりマニアックな書がほしいところです。金先生のシリーズに期待。
==統計の本==
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
南風原朝和・杉澤武敏・平井洋子 (2009). 心理統計学ワークブック――理解の確認と深化のために―― 有斐閣
南風原朝和・杉澤武敏・平井洋子 (2009). 心理統計学ワークブック――理解の確認と深化のために―― 有斐閣
芝 祐順・南風原朝和 (1990). 行動科学における統計解析法 東京大学出版会
繁桝算男・柳井晴夫・森 敏明 (2008). Q&Aで知る統計データ解析――DOs and DON'Ts―― 第2版 サイエンス社
田中 敏・山際雄一郎 (1997). ユーザーのための心理データの多変量解析法――方法の理解から論文の書き方まで―― 教育出版
山田剛史・村井潤一郎 (2004). よくわかる心理統計 ミネルヴァ書房
山際雄一郎・田中敏 (1992). ユーザーのための教育・心理統計と実験計画法――方法の理解から論文の書き方まで―― 教育出版
吉田寿夫 (1998). 本当にわかりやすいすごく大切なことが書いてあるごく初歩の統計の本 北大路書房
吉田寿夫・森 敏昭 (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
== 難しいやつ ==
豊田秀樹 (1998). 共分散構造分析入門編――構造方程式モデリング 朝倉書店
豊田秀樹 (1998). 共分散構造分析事例編――構造方程式モデリング 朝倉書店
豊田秀樹 (2003). 共分散構造分析疑問編――構造方程式モデリング 朝倉書店
豊田秀樹 (2003). 共分散構造分析技術編――構造方程式モデリング 朝倉書店
豊田秀樹 (2000). 共分散構造分析応用編――構造方程式モデリング 朝倉書店
豊田秀樹 (2007). 共分散構造分析理論編――構造方程式モデリング 朝倉書店
豊田秀樹 (2009). 共分散構造分析実践編――構造方程式モデリング 朝倉書店 # semパッケージ利用例あり
その他
狩野裕・三浦麻子 (2002). AMOS, EQS, CALISによるグラフィカル多変量解析――目で見る共分散構造分析 第2版 現代数学者
繁桝算男・柳井晴夫・森 敏明 (2008). Q&Aで知る統計データ解析――DOs and DON'Ts―― 第2版 サイエンス社
田中 敏・山際雄一郎 (1997). ユーザーのための心理データの多変量解析法――方法の理解から論文の書き方まで―― 教育出版
山田剛史・村井潤一郎 (2004). よくわかる心理統計 ミネルヴァ書房
山際雄一郎・田中敏 (1992). ユーザーのための教育・心理統計と実験計画法――方法の理解から論文の書き方まで―― 教育出版
吉田寿夫 (1998). 本当にわかりやすいすごく大切なことが書いてあるごく初歩の統計の本 北大路書房
吉田寿夫・森 敏昭 (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
== 難しいやつ ==
豊田秀樹 (1998). 共分散構造分析入門編――構造方程式モデリング 朝倉書店
豊田秀樹 (1998). 共分散構造分析事例編――構造方程式モデリング 朝倉書店
豊田秀樹 (2003). 共分散構造分析疑問編――構造方程式モデリング 朝倉書店
豊田秀樹 (2003). 共分散構造分析技術編――構造方程式モデリング 朝倉書店
豊田秀樹 (2000). 共分散構造分析応用編――構造方程式モデリング 朝倉書店
豊田秀樹 (2007). 共分散構造分析理論編――構造方程式モデリング 朝倉書店
豊田秀樹 (2009). 共分散構造分析実践編――構造方程式モデリング 朝倉書店 # semパッケージ利用例あり
その他
狩野裕・三浦麻子 (2002). AMOS, EQS, CALISによるグラフィカル多変量解析――目で見る共分散構造分析 第2版 現代数学者
以下は全て立ち読み書評
B5判以上の本て買うのをためらうなぁ。
Murrell, P. (2005). R graphics. Taylor & Francis.
(マレル, P. 久保拓弥 (訳) (2009). Rグラフィックス――Rで思いどおりのグラフを作図するために―― 共立出版)
著者のページにかなり内容が公開されている
http://www.stat.auckland.ac.nz/~paul/RGraphics/rgraphics.html
舟尾暢男 (2009). R流! イメージで理解する統計処理入門――データ解析の初歩から，シミュレーション，統計アプリの作成方法まで―― カットシステム
http://www.cutt.co.jp/book/978-4-87783-229-2.html
辻谷将明・竹澤邦夫 (2009). マシンラーニング 金 明哲 (編) Rで学ぶデータサイエンス 6 共立出版
http://www.kyoritsu-pub.co.jp/series/arudemanabu.html
中村永友 (2009). 多次元データ解析法 金 明哲 (編) Rで学ぶデータサイエンス 2 共立出版
http://www.kyoritsu-pub.co.jp/series/arudemanabu.html
豊田秀樹 (編著) (2009). データマイニング入門――Rで学ぶ最新データ解析―― 東京と書
http://www.tokyo-tosho.co.jp/books/ISBN978-4-489-02045-2.html
Spector, P. (2008). Data manipulation with R. London, England: Springer.
(スペクター, P. 石田基広・石田和枝 (訳) (2008). Rデータ自由自在 シュプリンガー・ジャパン)
http://www.springer.com/statistics/computational/book/978-0-387-74730-9
http://springer.comstruct.org/978-4-431-10047-8
古谷知之 (2008). ベイズ統計データ分析――R & WinBUGS―― 朝倉書店
http://www.asakura.co.jp/books/isbn/978-4-254-12698-3/
豊田秀樹 (編著) (2008). マルコフ連鎖モンテカルロ法 朝倉書店
http://www.asakura.co.jp/books/isbn/978-4-254-12697-6/
山田剛史・杉澤武俊・村井潤一郎 (2008). Rによるやさしい統計学 オーム社
http://ssl.ohmsha.co.jp/cgi-bin/menu.cgi?ISBN=978-4-274-06710-5
なかなかいい本だと思う。同著者の「よくわかる心理統計」も非常に良い本であった。Rを使った実習を行うには最適じゃないかと思う。
その他RjpwikiのR本リスト
http://www.okada.jp.org/RWiki/?R%CB%DC%A5%EA%A5%B9%A5%C8
B5判以上の本て買うのをためらうなぁ。
Murrell, P. (2005). R graphics. Taylor & Francis.
(マレル, P. 久保拓弥 (訳) (2009). Rグラフィックス――Rで思いどおりのグラフを作図するために―― 共立出版)
著者のページにかなり内容が公開されている
http://www.stat.auckland.ac.nz/~paul/RGraphics/rgraphics.html
ちょろっと単純なグラフをつくりたい、という自分には高度すぎる内容であった。棒グラフはどう書くとか、すこし幅を調整したいとか、そんな感じで使う自分にはいらない。Rによるグラフィックス・システムの細かいところまでカバーしている本だが…Rのグラフィックスシステムを理解し、思い通りに作図するための本だと思った。確かにRの作図機能は高いが、そんな大変なものをつくりたいわけでもないんです、という人には不要だろう。というかExcelでつくる
舟尾暢男 (2009). R流! イメージで理解する統計処理入門――データ解析の初歩から，シミュレーション，統計アプリの作成方法まで―― カットシステム
http://www.cutt.co.jp/book/978-4-87783-229-2.html
入門書としてはいいが、自分に必要な分析については書かれていなかった。厚くて大きいわりに行間が広くて情報量は少ない。もっと行間つめて薄くして価格を安くしたほうが売れると思うんだけどな
辻谷将明・竹澤邦夫 (2009). マシンラーニング 金 明哲 (編) Rで学ぶデータサイエンス 6 共立出版
http://www.kyoritsu-pub.co.jp/series/arudemanabu.html
中村永友 (2009). 多次元データ解析法 金 明哲 (編) Rで学ぶデータサイエンス 2 共立出版
http://www.kyoritsu-pub.co.jp/series/arudemanabu.html
多次元データ解析、とあるが多変量解析の本だった。エヴェリットの本を買ってなかったら買っていたかも (たぶんそのうち買う) 。しかし、因子分析のところで主因子法の解説をしておきながら、最尤法で推定するfactanal関数の実例しか載っていないのは理解できない。
豊田秀樹 (編著) (2009). データマイニング入門――Rで学ぶ最新データ解析―― 東京と書
http://www.tokyo-tosho.co.jp/books/ISBN978-4-489-02045-2.html
Spector, P. (2008). Data manipulation with R. London, England: Springer.
(スペクター, P. 石田基広・石田和枝 (訳) (2008). Rデータ自由自在 シュプリンガー・ジャパン)
http://www.springer.com/statistics/computational/book/978-0-387-74730-9
http://springer.comstruct.org/978-4-431-10047-8
古谷知之 (2008). ベイズ統計データ分析――R & WinBUGS―― 朝倉書店
http://www.asakura.co.jp/books/isbn/978-4-254-12698-3/
豊田秀樹 (編著) (2008). マルコフ連鎖モンテカルロ法 朝倉書店
http://www.asakura.co.jp/books/isbn/978-4-254-12697-6/
山田剛史・杉澤武俊・村井潤一郎 (2008). Rによるやさしい統計学 オーム社
http://ssl.ohmsha.co.jp/cgi-bin/menu.cgi?ISBN=978-4-274-06710-5
なかなかいい本だと思う。同著者の「よくわかる心理統計」も非常に良い本であった。Rを使った実習を行うには最適じゃないかと思う。
その他RjpwikiのR本リスト
http://www.okada.jp.org/RWiki/?R%CB%DC%A5%EA%A5%B9%A5%C8
cor関数で行列、2変数を指定してcor.testをすると無相関検定ができる
psychパッケージのcorr.testで複数の相関行列、サンプルサイズ、P値を算出してくれる…が、小数点第2位までしか出してくれない
どういう仕組みかわからないが (知ってる人は知ってるんだろうけど）
res <- corr.test # resにcorr.testの結果を入れて
res$r # とすると小数点以下もたくさん出力できる (options(digits=6) も効く) 。
# pはres$p, nはres$n, t統計量もres$pでわかる
青木先生のmycor関数が有用。感謝
method="pearson", "kendall", "spearman"が選択可能
#irisの1列目1-5行にNAを入れる
irisna <- iris
irisna[1:5,1] <- NA
# cor関数はfactor変数が入っているとエラーを返す
# リストワイズ除去した相関。NAを含むケースを全て除く
cor(irisna[1:4], use="c")
mycor(1:4, irisna, latex=FALSE)
nrow(na.omit(irisna[1:4])) # サンプルサイズ
# ペアワイズ除去。ペアごとにNAを除く
cor(irisna[1:4], use="p")
mycor(1:4, irisna, use="pairwise", latex=FALSE)
# グループ別に相関を求める
by(irisna[1:4], iris[,5], cor, use="c") # use="p"でペアワイズ
psychパッケージのcorr.testで複数の相関行列、サンプルサイズ、P値を算出してくれる…が、
どういう仕組みかわからないが (知ってる人は知ってるんだろうけど）
res <- corr.test # resにcorr.testの結果を入れて
res$r # とすると小数点以下もたくさん出力できる (options(digits=6) も効く) 。
# pはres$p, nはres$n, t統計量もres$pでわかる
青木先生のmycor関数が有用。感謝
method="pearson", "kendall", "spearman"が選択可能
#irisの1列目1-5行にNAを入れる
irisna <- iris
irisna[1:5,1] <- NA
# cor関数はfactor変数が入っているとエラーを返す
# リストワイズ除去した相関。NAを含むケースを全て除く
cor(irisna[1:4], use="c")
mycor(1:4, irisna, latex=FALSE)
nrow(na.omit(irisna[1:4])) # サンプルサイズ
# ペアワイズ除去。ペアごとにNAを除く
cor(irisna[1:4], use="p")
mycor(1:4, irisna, use="pairwise", latex=FALSE)
# グループ別に相関を求める
by(irisna[1:4], iris[,5], cor, use="c") # use="p"でペアワイズ
