変数評価

01.PNG

このツールは、要素(量的変数、質的変数または質的変数のカテゴリ)と評価変数(量的変数、質的変数または質的変数のカテゴリ)が共有するリンクを探索して、要素を評価(特徴づけ)することができる。

この手順には、複数の方法がある:

1)量的変数の評価:

       i) 他の量的変数による評価:

量的変数による量的変数の評価は、相関係数を用いて行われる。各量的評価用変数について、相関係数が0から有意に異なるかどうかを判断する検定を行う。パラメトリックの場合はピアソンの相関検定が実装されており、ノンパラメトリックの場合はスピアマンの相関検定が望ましい。 相関係数が0から有意に異なるほど、2つの量的変数の間のリンクがより強い。

      ii) 質的変数による評価:

質的変数による量的変数の評価は、相関比を用いて行われる。(k個のカテゴリを持つ)各質的変数について、相関比が0から有意に異なるかどうかを判断する検定を行う。パラメトリックの枠組みでは、スチューデントのt検定 (k=2の場合) およびFisher F-test (k>2の場合) が実装されており、ノンパラメトリックの枠組みでは、ウィルコクソン検定 (k=2の場合)およびクラスカル・ウォリス検定 (k>2の場合)が望ましい。相関比が0から有意に異なるほど、評価している量的変数と質的評価変数の間のリンクがより強い。

     iii) カテゴリによる評価:

カテゴリによる量的変数の評価は、平均比較検定を用いて行われる。これは、各カテゴリについて、そのカテゴリを共有する評価している量的変数のメンバーのグループ内の平均が、標本全体を考慮した評価している量的変数の平均から有意に評価している量的変数の平均から有意に異なるかどうかを決定する。

 

2) (k個のカテゴリを持つ)質的変数の評価:

    i) 量的変数による評価:

量的変数による質的変数の評価は、相関比を用いて行われる。 各量的変数について、相関比が0から有意に異なるかどうかを判断する検定を行う。パラメトリックの枠組みでは、スチューデントの t検定 (k=2の場合)およびフィッシャーのF検定 (k>2の場合)が実装されており、ノンパラメトリックではウィルコクソン検定 (k=2の場合)およびクラスカル・ウォリス検定(k>2の場合)が望ましい。相関比が有意に0から異なるほど、評価している量的変数と質的評価変数の間のリンクが強い。

     ii) 他の質的変数による評価:

他の質的変数による質的変数の評価は、独立性の検定を用いて行われる。各質的評価変数について、評価している質的変数から統計的に独立であるかどうかを判断する検定を行う。パラメトリックの枠組みでは、独立に関するカイ2乗検定が用いられ、ノンパラメトリックではフィッシャーの正確検定が望ましい。

 

3) カテゴリの評価:

     i) 量的変数による評価:

量的変数によるカテゴリの評価は、平均比較検定を用いて行われる。各量的評価変数について、そのカテゴリを共有するメンバーのグループ内での量的変数の平均が、標本全体での平均から有意に異なるかどうかを判断する検定が実装されている。

    ii) 他のカテゴリによる評価:

カテゴリによるカテゴリの評価は、比率の比較検定を用いて行われる。各評価カテゴリについて、評価しているカテゴリと評価カテゴリの両方を共有している個体の比率が、理論的期待比率から有意に異なるかどうかを判断する検定を行う。観察された比率が理論比率よりも大きい場合、評価しているカテゴリを共有するメンバーのグループ内で、そのカテゴリは過大(over-represented )である。逆に、より小さいと、そのカテゴリは過小(under-represented)である。

ternary diagramneural network diagram

Excelで動作する統計解析ソフトウェア。

14日間無償トライアルあり。