2022-01-01から1年間の記事一覧
想定シナリオ 方法0:手計算 方法1:pwr.t.test( )を使って計算する 方法2:TwoSampleMean.Equality( )を使って計算する 方法3:power.prop.test( )を使って計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリー…
想定シナリオ 方法:t検定もとにして計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリーズで書いています。 なるべく体裁を統一するために、以下のように決めています。 群を示す添字について: c, C = 対照群…
想定シナリオ 方法0:手計算 方法1:pwr.t.test( )を使って計算する 方法2:TwoSampleMean.Equality( )を使って計算する 方法3:power.prop.test( )を使って計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリー…
想定シナリオ 方法0:手計算 方法1:pwr.p.test( )を使って計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリーズで書いています。 なるべく体裁を統一するために、以下のように決めています。 群を示す添字に…
想定シナリオ 方法:二項検定をもとにして計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリーズで書いています。 なるべく体裁を統一するために、以下のように決めています。 群を示す添字について: c, C = …
想定シナリオ 方法0:手計算 方法1:pwr.p.test( )を使って計算する 方法2:OneSampleProportion.Equality( )を使って計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリーズで書いています。 なるべく体裁を統…
想定シナリオ 方法1:Fisher正確検定をもとにして計算する 方法2:ロジスティック回帰モデルをもとにして計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリーズで書いています。 なるべく体裁を統一するために…
想定シナリオ 方法0:手計算 方法1:RelativeRisk.Equality( )を使って計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリーズで書いています。 なるべく体裁を統一するために、以下のように決めています。 群を…
想定シナリオ 方法:Fisher正確検定をもとにして計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリーズで書いています。 なるべく体裁を統一するために、以下のように決めています。 群を示す添字について: c,…
想定シナリオ 方法0:手計算 方法1:ss2x2( )を使って計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリーズで書いています。 なるべく体裁を統一するために、以下のように決めています。 群を示す添字について…
想定シナリオ 方法1:標準正規分布を使った検定(Z-test)をもとにして計算する 方法2:χ2乗検定をもとにして計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事をシリーズで書いています。 なるべく体裁を統一するた…
想定シナリオ 方法0:手入力 方法1:pwr.2p.test( )を使って計算する 方法2:TwoSampleProportion.Equality( )を使って計算する 方法3:power.prop.test( )を使って計算する おわりに 参考資料 自分用のリファレンスとして、サンプルサイズ計算に関する記事…
パッケージとデータセットの準備 モデルの当てはめ tbl_regression( )で結果をキレイに表示する 変数の表示名を変更する 一部の変数の結果のみ表示する 係数やP値の桁数を変更する モデル当てはめに関する情報を追加する 表の体裁を変更する 太字・イタリッ…
パッケージとデータセットの準備 tbl_summary( )でキレイな背景表を作成する 群別に要約する 要約統計量を変更する 欠測の表示方法を変更する 変数の表示名を変更する 一部の変数の結果のみ表示する 表示する情報を追加する 表の体裁を変更する 太字・イタリ…
パッケージとデータセットの準備 事前準備 bootstraps( )を使ってブートストラップサンプルを作成する 関数を定義する optimismを計算する optimism補正性能指標を計算する おわりに 参考資料 予測性能には、識別能と較正能があって、内的妥当性検証の1つと…
パッケージとデータセットの準備 想定する多状態モデル transMat( )を使って遷移行列(transition matrix)を指定する path( )で遷移経路を確認する msprep( )でデータを縦長に変形する events( )で移行の様子を確認する coxph( )とmisfit( )を使ってモデル…
柔軟なリスク回帰モデル(flexible risk regression model)とは 色々なパッケージを使ってFine-Grayモデルを当てはめる パッケージとデータセットの準備 方法1:timeregパッケージ comp.risk( )を使う 方法2:riskRegressionパッケージ riskRegression( )を…
競合リスクを含んだ生存時間解析 原因別ハザードモデル(cause-specific hazard model) 部分分布ハザードモデル(subdistribution hazard model) tidycmprskパッケージを使ってFine-Grayモデルに当てはめる パッケージとデータセットの準備 crr( )でモデル…
最終的に必要なデータ構造 tmerge( )でデータ整形する 3つのデータを用意する tstart, tstopを追加する 時間依存性共変量データを追加する イベント発生データを追加する 累積回数を追加する Cox比例ハザードモデルで解析する おわりに 参考資料 生存時間デ…
イベント1種類, 1人1回まで(単純型, simple type) イベント1種類, 1人2回以上可(反復型, repeated type) イベント複数種類, 1人1回まで(競合型, competing type) イベント複数種類, 1人2回以上可(多状態型, multi-state type) おわりに 参考資料 The…
パッケージとデータセットの準備 ロジスティック回帰モデルを当てはめる var.prob( )を使って較正プロットを描く 表示される性能指標 Calibration intercept & slope*2の解釈 おわりに 参考資料 広い意味で予測モデルを含め、検査は真の状態を言い当てること…
関数同士の関係式 定義 ハザード関数 累積ハザード関数 ハザード関数・累積ハザード関数を使う理由 解釈上の利点 解析上の利点 競合リスクがあるときに生じる問題 おわりに 参考資料 生存時間の解析方法を読んでいると色々な関数が登場するので、関係性含め…
画像データを投稿するときに確認すること 画像のフォーマットいろいろ ベクター画像 ビットマップ画像 解像度の確認・変更方法 Macの場合 Windowsの場合 おわりに 参考資料 画像データを投稿するときに確認すること Webページを作るわけでもなく、イラストを…
マルチレベルデータの解析 推定方法の概要 最尤推定法(Maximum Likelihood Estimation, MLE) 制限付き最尤推定法(Restricted Maximum Likelihood Estimation, REML) 一般化推定方程式(Generalized Estimating Equations, GEE) GEE vs. MEM 興味の対象 …
データの構造を要約・説明する手法 探索的因子分析の手順 使用するパッケージとデータセット 1. データの評価 KMO統計量 相関係数 2. 因子数の決定 VSS()を使ってMAP, BICに基づいた因子数を選択する fa.parallel( )を使って平行分析で因子数を選択する 3. …
Optimismとは Optimism補正予測性能の求め方 tidymodelsパッケージを使ってoptimism-corrected AUROCを計算する bootstraps( )を使ってブートストラップサンプルを作成する optimismを計算する自作関数 map( )を使ってデータセットのリストに一括して適用す…
因子分析とは 検証的因子分析の手順 使用するパッケージとデータセット 1. データの確認 2. 因子構造の指定 3. モデルの当てはめ 4. 推定結果の確認 4-1. 推定の概要 4-2. モデルの適合度 4-3. 推定値 4-4. パス図を描く 5. モデルの改善 5-1. 当てはまりの…
jskm( )を使ってKaplan-Meier生存曲線を描く 信頼区間をつける 色パレットを変更する 線の種類を変更する 打ち切りマークを変更する Risk tableをつける 軸について色々 軸の目盛り間隔を変更する 軸の範囲・ラベルを指定する 検定結果を表示する 凡例を変更…
例示のための元データの作成 bootパッケージを使って信頼区間を計算する boot( )を使ってブートストラップサンプル毎の統計量を計算する boot.ci( )を使ってブートストラップ信頼区間を計算する 信頼区間を計算するアルゴリズム色々 表記のルール バイアス …
マルチレベルデータとは マルチレベルデータの解析 混合効果モデルの概要 混合効果モデル = 固定効果 + 変量効果 クラスター効果をモデルに含める lme4パッケージで混合効果モデルを使う サンプルデータの準備 glmer( )を使ってモデルを当てはめる ランダム…