歯 の 噛み 合わせ 治し 方 割り箸
標本の大きさと独立変数の数の考慮 必要なサンプルサイズは? 重回帰分析をはじめとする多変量解析では独立変数の数に対する標本の大きさ(サンプルサイズ=データの数)が重要となります. サンプルサイズに対して独立変数の数が大きいと重回帰式の精度が悪くなってしまいます. どのくらいのサンプルサイズが必要かについては明確な基準は存在しませんが一般的には以下のような基準を参照すると良いでしょう. サンプルサイズ≧2×独立変数の数(Trapp, 1994) サンプルサイズ≧3~4×独立変数の数(本多, 1993) サンプルサイズ≧10×独立変数の数(Altman, 1999) サンプルサイズ≧200(Kline, 1994) この場合の独立変数の数というのは投入する独立変数の数ではなく, 最終的に抽出された独立変数の数で あるといった点にも注意が必要です. ③独立変数の投入方法 重回帰分析では複数の独立変数を投入するわけですが,独立変数の投入方法によっても結果が大きく変化します. 独立変数の投入方法については大きく分類すると①強制投入法と②ステップワイズ法の2つの方法が用いられます. ①強制投入法 研究者の専門的見地から主観で独立変数を決定して投入する方法になります. 先ほどの例では年収に対して,年齢・学歴・残業時間が影響するはずだと考えて,重回帰分析を行います. ②ステップワイズ法 有意水準や統計量の変化を理論的に観察しながら,独立変数を取り込んだり除外したりして,少しずつ適した重回帰式に近づける方法です. 強制投入法よりも推奨される方法ですが,変数増加法・変数減少法・変数増減法などがあります. ③強制投入法+ステップワイズ法 場合によっては強制投入法とステップワイズ法を組み合わせて行う方法もあります. 交絡として必ず投入したい変数を強制投入で投入して,その他の要因をステップワイズ法で投入するといった方法です. この場合には階層的に重回帰分析を実施することとなります. ステップワイズ法をはじめとする変数自動選択の手法はとても便利ですが,全自動で常に理想的な重回帰式が構築されるとは限りません. 交互作用について勉強する機会があったのでまとめてみた - Qiita. 専門的見地からこの変数は必ず残すべきとか,この変数は必要ないと考えることもあると思います. 機械的な自動選択では独立変数間の構造を無視した重回帰式が構築され,解釈が困難になる場合もあります.
2020年11月5日 更新 マーケティングリサーチでもよく使われる因子分析について、YouTube動画を基に解説します。 【因子分析】本より分かりやすい!動画だから分かる!因子分析とは?【統計学/多変量解析】 因子分析とは?