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…

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…

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…

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…

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. …

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…

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…

マルチレベルデータとは マルチレベルデータの解析 一般化推定方程式（GEE）の概要 独立型：independent 交換可能型：exchangeable 1次自己相関型：AR(1) 非構造化型：unstructured geepackパッケージで一般化推定方程式（GEE）を使う サンプルデータの準備 …

パッケージとデータの準備 〜 傾向スコアの推定 各症例の重み（weight）を計算する 重みが極端な値の場合の対処方法 WeightItパッケージを使う方法 共変量のバランスを確認する cobaltパッケージを使う MatchItパッケージを使う 治療効果を推定する おわりに…

パッケージとデータの準備 Stanファイルの準備 おわりに 参考文献 前回、ロジスティック回帰モデル（ロジット-二項モデル）からオッズ比（odds ratio, OR）ではなくリスク比（risk ratio, RR）を推定する方法として「デルタ法」と「ブートストラップ法」を用…

パッケージとデータの準備 デルタ法 ブートストラップ法 おわりに 参考資料 今回はロジスティック回帰モデル（ロジット-二項モデル）からオッズ比（odds ratio, OR）ではなくリスク比（risk ratio, RR）を推定する方法をまとめる。 ロジスティック回帰モデル…

アウトカムが2値変数の場合、一般的にロジスティック回帰モデルが用いられることが多い。 この場合の効果指標はオッズ比（odds ration, OR）だが、アウトカムの発生頻度が高い場合（>10%ルール）、オッズ比はリスク比（risk ratio, RR）の近似にならない。 …