多群における二重頑健推定量を用いた交絡の調整法に関する研究 江森健人 浜田知久馬 安藤宗司 ( 東京理科大学 )

Size: px
Start display at page:

Download "多群における二重頑健推定量を用いた交絡の調整法に関する研究 江森健人 浜田知久馬 安藤宗司 ( 東京理科大学 )"

Transcription

1 多群における二重頑健推定量を用いた交絡の調整法に関する研究 江森健人 浜田知久馬 安藤宗司 ( 東京理科大学 )

2 要旨 : 傾向スコアを用いた交絡の調整法として, 新たに提案されている二重頑健推定量と一般化傾向スコアを組み合わせた効果の推定方法の提案及び, その性能評価を行った. キーワード :IPTW 法 二重頑健推定量 一般化傾向スコア 2

3 傾向スコア (Propensity score) 共変量が観測された下で, ある治療法が選択される確率. e X = Pr Z = 1 X 0 e(x) 1 X : 共変量ベクトル IPTW(Inverse Probability of Treatment Weighting) 傾向スコアの逆数を重みとした重み付け解析法 イメージ 患者数 定義 傾向スコア法 Z: 治療変数 ( 対照群 :Z=0, 治療群 :Z=1) Z=1 Z=0 0 e X 1 0 e X 1 比較可能 3

4 患者 研究目的 標準治療 1 標準治療 2 新治療群プラセボ群新治療群プラセボ群 非ランダム化 研究目的 標準治療 3 ランダム化 新治療群 プラセボ群 3 つ以上の標準治療と新治療の交互作用を評価 2 値変数 S を療法を示す多値に拡張 ( 一般化傾向スコア ) 二重頑健推定量と併用 4

5 想定状況 高血圧の治療にはしばしば併用療法が用いられる 併用した際の結果の相違, すなわち, 標準治療と新治療の交互作用は重要な関心事 3 つの標準的な降圧剤と新たに開発された新薬との交互作用を評価 例 標準的な降圧剤 Ca 拮抗剤 新治療群 プラセボ群 患者 β 遮断剤 新治療群 プラセボ群 ARB 新治療群 プラセボ群 5

6 一般化傾向スコア (generalized propensity score) Imbens (2000) 割り当て変数が二値でなくても傾向スコアが利用できることを証明 定義 r s, X = Pr S = s X 基準カテゴリを S = m とすると, logit r s, X = ln Pr S = s X Pr S = m X 患者 i が各カテゴリに割り当てられる確率は, Pr S = 1 X i Pr S = 2 X i Pr S = m 1 X i s = 1,2 m = β sx = Pr S = m X exp β 1 X = Pr S = m X exp β 2 X = Pr S = m X exp β m 1 X Pr S = m X i = 1 m 1 s=1 Pr S = m X exp β s X 6

7 二重頑健推定量 (DR; Doubly Robust estimator ) Propensity Score Model (Model A) e X, β = E(Z X) 共変量で治療をモデル化 共変量 Regression Model (Model B) m Z X, α Z = E(Y Z = z, X) 共変量と治療で効果をモデル化 治療 効果 条件 A:model A が正しく指定されている. 条件 B:model B が正しく指定されている. Notation X : 共変量ベクトル Y: イベントの有無 ( 有 :Y=0, 無 :Y=1) Z : 治療変数 ( 対照群 :Z=0, 治療群 :Z=1) どちらかが成立していれば, 因果効果を正しく推定できる. 7

8 Notation S : グループ変数 ( 標準治療 1:S=1, 標準治療 2: S=2, 標準治療 3:S=3 ) T : 治療変数 ( 新治療群 :T=1, プラセボ群 :T=0) 患者 シミュレーション設定 グループ 標準治療 1 標準治療 2 治療 新治療群プラセボ群新治療群プラセボ群 e 1 S, X = Pr S = s X 各標準治療に割り当てられる確率 ( 一般化傾向スコア ) exp β e 1 1, X 1 X = s=1 exp β s X exp β e 1 2, X 2 X = s=1 exp β s X 1 e 1 3, X = s=1 exp β s X 標準治療 3 e 2 1 = n i=1 e 2 S = Pr(T = 1 S) 各標準治療で新薬群に割り当てられた患者の割合 S1i T i S 1i, e 2 2 = 新治療群 プラセボ群 n i=1 S2i T i S 2i, e 2 3 = n i=1 S3i T i S 3i 8

9 平均因果効果 定義 (1/2) 標準治療 1: μ 1 = log β 11 log β 10 1 β 11 1 β 10 標準治療 2: μ 2 = log β 21 log β 20 1 β 21 1 β 20 標準治療 3: μ 3 = log β 31 log β 30 1 β 31 1 β 30 Notation Y st : 潜在的な結果 β st = E Y st s, t = 1,0, 1,1, 2,0, (2,1), 3,0, (3,1) 新治療群とプラセボ群の対数オッズ比 交互作用 標準治療 2 と 1: OR 21 = exp(μ 2 μ 1 ) 標準治療 3 と 1: OR 31 = exp(μ 3 μ 1 ) 標準治療 3 と 2: OR 32 = exp(μ 3 μ 2 ) 9

10 推定量 IPTW 推定量 定義 (2/2) n (IPTW) 1 β st = n i=1 Ist,i Y i w st,i DR 推定量 n (DR) 1 β st = n i=1 I st,i Y i w st,i I st,i w st,i w st,i m st,i Notation X : 共変量ベクトル Y: イベントの有無 ( 無 :Y=0, 有 :Y=1) T : 治療変数 e X, β = E(Z X) m z X, α z i = (1,, N): 患者 S : グループ変数 = E(Y Z = z, X) w st,i ( 新治療群 :T=0, プラセボ群 :T=1) ( 標準治療 1:S=1, 標準治療 2: S=2, 標準治療 3:S=3 ) e 1 1, X i 1 e 2 S i s, t = 1,0 e 1 1, X i e 2 S i s, t = 1,1 e 1 2, X i 1 e 2 S i s, t = 2,0 e 1 2, X i e 2 S i s, t = 2,1 e 1 3, X i 1 e 2 S i s, t = 3,0 e 1 3, X i e 2 S i s, t = 3,1 I st,i S i 1 T i (t = 0) S i T i (t = 1) 10

11 サンプルサイズ :1000,3000,10000 シミュレーション回数 :10,000 推定量 :IPTW, DR 評価指標 :Mean estimated,bias,mse 標準治療数 :3 シミュレーション条件 (1/2) イベント発生確率 Pr Y 10 = 1 = Pr Y 20 = 1 = Pr Y 30 = 1 = Pr Y 11 = 1 = Pr Y 21 = 1 = Pr Y 31 = 1 = 平均因果効果と交互作用の真値 μ 1 = μ 2 = μ 3 = OR 21 = OR 31 =0.957 OR 32 =

12 Regression Model シミュレーション条件 (2/2) 共変量 X 1, X 2, X 3, X 4, X 7 ~ i.i.d. Ber 0.5 X 5, X 6, X 8, X 9 ~ i.i.d. N 0, 1 グループ登録 影響 Strong Moderate No 結果 推定モデル Strong X 1 X 2 X 3 Moderate X 4 X 5 X 6 No X 7 X 8 X 9 * 交絡因子 Propensity Score Model true miss true scenario1 scenario2 miss scenario3-12

13 OR 21 (= 0.858) シミュレーション結果 (1/2) scenario N Mean estimated bias MSE IPTW DR IPTW DR IPTW DR

14 OR 32 (= 1.116) シミュレーション結果 (2/2) scenario N Mean estimated bias MSE IPTW DR IPTW DR IPTW DR

15 まとめ 既存の方法 [5] を一般化傾向スコアを用いて多群に拡張 3 つの標準治療と新治療の交互作用を評価 サンプルサイズが大きくなると,Bias,MSE ともに単調に小さくなる. 多くの状況下において,DR の方が IPTW より推定性能が高い. ただし, オッズ比が 1 より大きく, かつ N が小さいとき, DR は推定が不安定. オッズ比が 1 より大きいとき, 推定量によらず, 推定精度が低くなることが示唆. 15

16 主要参考文献 [1]Bang H, Robins JM. Doubly robust estimation in missing data and causal inference models. Biometrics 2005; 64: [2]Imbens GW, The role of the propensity score in estimating dose-response functions. Biometrika 2000; 87: [3]Peter C. Austin. The performance of different propensity-score methods for estimating differences in proportions (risk differences or absolute risk reductions) in observational studies, Statistics in Medicine 2010; 29(20): [4]Ping Feng, Xiao-Hua Zhou, Qing-Ming Zou, Ming-Yu Fan and Xiao-Song Li. Generalized propensity score for estimating the average treatment effect of multiple treatments, Statistics in Medicine 2012; 31(7): [5]Yosuke Fujii, Masayuki Henmi and Toshiharu Fujita. Evaluating the interaction between the therapy and the treatment in clinical trials by the propensity score weighting method, Statistics in Medicine 2012; 31(3):

dvi

dvi 2017 65 2 217 234 2017 Covariate Balancing Propensity Score 1 2 2017 1 15 4 30 8 28 Covariate Balancing Propensity Score CBPS, Imai and Ratkovic, 2014 1 0 1 2 Covariate Balancing Propensity Score CBPS

More information

欠測を含む順序カテゴリカル経時データの解析 -GEE プロシジャの有用性 - 駒嵜弘 1 藤原正和 2 ( 1 マルホ株式会社 2 塩野義製薬株式会社 ) Ordinal longitudinal data analysis with missing data -Usefulness of Proc

欠測を含む順序カテゴリカル経時データの解析 -GEE プロシジャの有用性 - 駒嵜弘 1 藤原正和 2 ( 1 マルホ株式会社 2 塩野義製薬株式会社 ) Ordinal longitudinal data analysis with missing data -Usefulness of Proc 欠測を含む順序カテゴリカル経時データの解析 -GEE プロシジャの有用性 - 駒嵜弘 藤原正和 2 ( マルホ株式会社 2 塩野義製薬株式会社 ) Ordinal longitudinal data analysis with missing data -Usefulness of Proc GEE- Hiroshi Komazaki,Masakazu Fujiwara 2 Maruho Co, Ltd.,

More information

研修コーナー

研修コーナー l l l l l l l l l l l α α β l µ l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l

More information

<4D F736F F F696E74202D204D C982E682E892B290AE82B582BD838A E8DB782CC904D978A8BE68AD482C98AD682B782E988EA8D6C8E402E >

<4D F736F F F696E74202D204D C982E682E892B290AE82B582BD838A E8DB782CC904D978A8BE68AD482C98AD682B782E988EA8D6C8E402E > SAS ユーザー総会 2017 Mantel-Haenszel 法により調整したリスク差の信頼区間に関する一考察 武田薬品工業株式会社日本開発センター生物統計室佐々木英麿 舟尾暢男 要旨 Mantel-Haenszel 法により調整したリスク差に関する以下の信頼区間の算出方法を紹介し 各信頼区間の被覆確率をシミュレーションにより確認することで性能評価を行う Greenland 信頼区間 Sato 信頼区間

More information

Microsoft PowerPoint - 【配布・WEB公開用】SAS発表資料.pptx

Microsoft PowerPoint - 【配布・WEB公開用】SAS発表資料.pptx 生存関数における信頼区間算出法の比較 佐藤聖士, 浜田知久馬東京理科大学工学研究科 Comparison of confidence intervals for survival rate Masashi Sato, Chikuma Hamada Graduate school of Engineering, Tokyo University of Science 要旨 : 生存割合の信頼区間算出の際に用いられる各変換関数の性能について被覆確率を評価指標として比較した.

More information

Probit , Mixed logit

Probit , Mixed logit Probit, Mixed logit 2016/5/16 スタートアップゼミ #5 B4 後藤祥孝 1 0. 目次 Probit モデルについて 1. モデル概要 2. 定式化と理解 3. 推定 Mixed logit モデルについて 4. モデル概要 5. 定式化と理解 6. 推定 2 1.Probit 概要 プロビットモデルとは. 効用関数の誤差項に多変量正規分布を仮定したもの. 誤差項には様々な要因が存在するため,

More information

Chapter 1 Epidemiological Terminology

Chapter 1 Epidemiological Terminology Appendix Real examples of statistical analysis 検定 偶然を超えた差なら有意差という P

More information

,, Poisson 3 3. t t y,, y n Nµ, σ 2 y i µ + ɛ i ɛ i N0, σ 2 E[y i ] µ * i y i x i y i α + βx i + ɛ i ɛ i N0, σ 2, α, β *3 y i E[y i ] α + βx i

,, Poisson 3 3. t t y,, y n Nµ, σ 2 y i µ + ɛ i ɛ i N0, σ 2 E[y i ] µ * i y i x i y i α + βx i + ɛ i ɛ i N0, σ 2, α, β *3 y i E[y i ] α + βx i Armitage.? SAS.2 µ, µ 2, µ 3 a, a 2, a 3 a µ + a 2 µ 2 + a 3 µ 3 µ, µ 2, µ 3 µ, µ 2, µ 3 log a, a 2, a 3 a µ + a 2 µ 2 + a 3 µ 3 µ, µ 2, µ 3 * 2 2. y t y y y Poisson y * ,, Poisson 3 3. t t y,, y n Nµ,

More information

Microsoft Word - 第7回傾向スコア.docx

Microsoft Word - 第7回傾向スコア.docx 東北大学病院循環器内科 東北大学臨床研究推進センター共催 東北大学大学院医学系研究科 EBM 開発学寄附講座 宮田敏 Data! data! data! he cred mpatently. I can't make brcks wthout clay. From The Adventure of the Copper Beeches, The Adventure of Sherlock Holmes.

More information

Microsoft PowerPoint - åł€æžœæ”¨è«Œã†®å�ºç¤”(çfl°æ€Š)final

Microsoft PowerPoint - åł€æžœæ”¨è«Œã†®å�ºç¤”(çfl°æ€Š)final 日本製薬工業協会シンポジウム 因果推論の基礎 横浜市立大学医学部 臨床統計学 田栗正隆 1 検証的臨床試験の目的 治療法の効果を適切に評価すること 因果効果の推定に興味 薬剤の承認申請を行うための第 III 相治験では ランダム化比較試験が行われる 2 ランダム化比較試験 治療 A を対象者にランダムに割付 A を受けたかどうかのみが違う 2 群が作れる 比較可能性 (comparability)

More information

NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, A

NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, A NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, AstraZeneca KK 要旨 : NLMIXEDプロシジャの最尤推定の機能を用いて 指数分布 Weibull

More information

様々なミクロ計量モデル†

様々なミクロ計量モデル† 担当 : 長倉大輔 ( ながくらだいすけ ) この資料は私の講義において使用するために作成した資料です WEB ページ上で公開しており 自由に参照して頂いて構いません ただし 内容について 一応検証してありますが もし間違いがあった場合でもそれによって生じるいかなる損害 不利益について責任を負いかねますのでご了承ください 間違いは発見次第 継続的に直していますが まだ存在する可能性があります 1 カウントデータモデル

More information

最小2乗法

最小2乗法 2 2012 4 ( ) 2 2012 4 1 / 42 X Y Y = f (X ; Z) linear regression model X Y slope X 1 Y (X, Y ) 1 (X, Y ) ( ) 2 2012 4 2 / 42 1 β = β = β (4.2) = β 0 + β (4.3) ( ) 2 2012 4 3 / 42 = β 0 + β + (4.4) ( )

More information

kubostat2015e p.2 how to specify Poisson regression model, a GLM GLM how to specify model, a GLM GLM logistic probability distribution Poisson distrib

kubostat2015e p.2 how to specify Poisson regression model, a GLM GLM how to specify model, a GLM GLM logistic probability distribution Poisson distrib kubostat2015e p.1 I 2015 (e) GLM kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2015 07 22 2015 07 21 16:26 kubostat2015e (http://goo.gl/76c4i) 2015 (e) 2015 07 22 1 / 42 1 N k 2 binomial distribution logit

More information

2 値データの Intraclass Correlation Coefficient の推定マクロプログラム 稲葉洋介 1 田中紀子 1 1 国立国際医療研究センターデータサイエンス部生物統計研究室 Macro program for calculating Intraclass Correlati

2 値データの Intraclass Correlation Coefficient の推定マクロプログラム 稲葉洋介 1 田中紀子 1 1 国立国際医療研究センターデータサイエンス部生物統計研究室 Macro program for calculating Intraclass Correlati 2 値データの Intraclass Correlation Coefficient の推定マクロプログラム 稲葉洋介 1 田中紀子 1 1 国立国際医療研究センターデータサイエンス部生物統計研究室 Macro program for calculating Intraclass Correlation Coefficient for binary data Yosuke Inaba, Noriko

More information

1 911 9001030 9:00 A B C D E F G H I J K L M 1A0900 1B0900 1C0900 1D0900 1E0900 1F0900 1G0900 1H0900 1I0900 1J0900 1K0900 1L0900 1M0900 9:15 1A0915 1B0915 1C0915 1D0915 1E0915 1F0915 1G0915 1H0915 1I0915

More information

「スウェーデン企業におけるワーク・ライフ・バランス調査 」報告書

「スウェーデン企業におけるワーク・ライフ・バランス調査 」報告書 1 2004 12 2005 4 5 100 25 3 1 76 2 Demoskop 2 2004 11 24 30 7 2 10 1 2005 1 31 2 4 5 2 3-1-1 3-1-1 Micromediabanken 2005 1 507 1000 55.0 2 77 50 50 /CEO 36.3 37.4 18.1 3-2-1 43.0 34.4 / 17.6 3-2-2 78 79.4

More information

PSMATCH Procedure ニューラルネットワークの奇跡のマッチング ~Real World Data の利用可能性を忖度する ~ 馬場崇充 藤原正和 北西由武 ( 塩野義製薬株式会社解析センター ) PSMATCH Procedure Neural Network = Miracle En

PSMATCH Procedure ニューラルネットワークの奇跡のマッチング ~Real World Data の利用可能性を忖度する ~ 馬場崇充 藤原正和 北西由武 ( 塩野義製薬株式会社解析センター ) PSMATCH Procedure Neural Network = Miracle En PSMATCH Procedure ニューラルネットワークの奇跡のマッチング ~Real World Data の利用可能性を忖度する ~ 馬場崇充 藤原正和 北西由武 ( 塩野義製薬株式会社解析センター ) PSMATCH Procedure Neural Network = Miracle Encounter ~Conjecturing the usability of Real World Data~

More information

ohpmain.dvi

ohpmain.dvi fujisawa@ism.ac.jp 1 Contents 1. 2. 3. 4. γ- 2 1. 3 10 5.6, 5.7, 5.4, 5.5, 5.8, 5.5, 5.3, 5.6, 5.4, 5.2. 5.5 5.6 +5.7 +5.4 +5.5 +5.8 +5.5 +5.3 +5.6 +5.4 +5.2 =5.5. 10 outlier 5 5.6, 5.7, 5.4, 5.5, 5.8,

More information

報告書

報告書 1 2 3 4 5 6 7 or 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 2.65 2.45 2.31 2.30 2.29 1.95 1.79 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 60 55 60 75 25 23 6064 65 60 1015

More information

スライド 1

スライド 1 生存時間解析における Lakatos の症例数設計法の有用性の評価 魚住龍史, * 水澤純基 浜田知久馬 日本化薬株式会社医薬データセンター 東京理科大学工学部経営工学科 Evaluation of availability about sample size formula by Lakatos on survival analysis Ryuji Uozumi,, * Junki Mizusawa,

More information

k2 ( :35 ) ( k2) (GLM) web web 1 :

k2 ( :35 ) ( k2) (GLM) web   web   1 : 2012 11 01 k2 (2012-10-26 16:35 ) 1 6 2 (2012 11 01 k2) (GLM) kubo@ees.hokudai.ac.jp web http://goo.gl/wijx2 web http://goo.gl/ufq2 1 : 2 2 4 3 7 4 9 5 : 11 5.1................... 13 6 14 6.1......................

More information

<4D F736F F D2088E38A77939D8C7695D78BAD89EF313791E63789F18C588CFC E646F6378>

<4D F736F F D2088E38A77939D8C7695D78BAD89EF313791E63789F18C588CFC E646F6378> 東北大学病院循環器内科 東北大学病院臨床研究推進センター共催東北大学大学院医学系研究科 EBM 開発学寄附講座宮田敏 Absence of evdence s not evdence of absence! - Carl Sagan - 1 1. 因果効果と交絡因子 医学において新規薬剤が開発されたり, 新たな手術技法が考案されたりしたとき, これらの新しい処置 (= 医学的介入 ) の因果効果を検証するための研究が行われます

More information

kubostat2017e p.1 I 2017 (e) GLM logistic regression : : :02 1 N y count data or

kubostat2017e p.1 I 2017 (e) GLM logistic regression : : :02 1 N y count data or kubostat207e p. I 207 (e) GLM kubo@ees.hokudai.ac.jp https://goo.gl/z9ycjy 207 4 207 6:02 N y 2 binomial distribution logit link function 3 4! offset kubostat207e (https://goo.gl/z9ycjy) 207 (e) 207 4

More information

Microsoft PowerPoint - SAS2012_ZHANG_0629.ppt [互換モード]

Microsoft PowerPoint - SAS2012_ZHANG_0629.ppt [互換モード] SAS による生存時間解析の実務 張方紅グラクソ スミスクライン ( 株 バイオメディカルデータサイエンス部 Practice of Survival Analysis sing SAS Fanghong Zhang Biomedical Data Science Department, GlaxoSmithKline K.K. 要旨 : SASによる生存時間解析の実務経験を共有する. データの要約

More information

Microsoft PowerPoint - R-stat-intro_12.ppt [互換モード]

Microsoft PowerPoint - R-stat-intro_12.ppt [互換モード] R で統計解析入門 (12) 生存時間解析 中篇 準備 : データ DEP の読み込み 1. データ DEP を以下からダウンロードする http://www.cwk.zaq.ne.jp/fkhud708/files/dep.csv /fkh /d 2. ダウンロードした場所を把握する ここでは c:/temp とする 3. R を起動し,2. 2 の場所に移動し, データを読み込む 4. データ

More information

43 2 PD DR Sommar and Shahnazarianka [19] Simons and Rolwes [17] GDP Figlewski, Frydman and Liang [7] GDP Bonfim [2] 3 Bhattacharjee et al. [1] 2002 [

43 2 PD DR Sommar and Shahnazarianka [19] Simons and Rolwes [17] GDP Figlewski, Frydman and Liang [7] GDP Bonfim [2] 3 Bhattacharjee et al. [1] 2002 [ Transactions of the Operations Research Society of Japan Vol. 55, 2012, pp. 42 65 c ( 2011 10 25 ; 2012 3 1 ) ( PD) ( DR) 2007 DR PD 54 PD DR 0.72% PD :,,,,, 1. 1 ( PD: Probability of Default) 10 ( DR:

More information

第11回:線形回帰モデルのOLS推定

第11回:線形回帰モデルのOLS推定 11 OLS 2018 7 13 1 / 45 1. 2. 3. 2 / 45 n 2 ((y 1, x 1 ), (y 2, x 2 ),, (y n, x n )) linear regression model y i = β 0 + β 1 x i + u i, E(u i x i ) = 0, E(u i u j x i ) = 0 (i j), V(u i x i ) = σ 2, i

More information

日本統計学会誌, 第45巻, 第2号, 217頁-230頁

日本統計学会誌, 第45巻, 第2号, 217頁-230頁 45, 2, 2016 3 217 230 The Role of Statisticians: Past, Present, and Future Manabu Iwasaki In this big data era, the roles of statisticians in academia and industries and of academic societies such as the

More information

.001 nonsmoker smoker 0 Density 5.0e infant birthweight (grams) Graphs by 1 if mother smoked 図 2. 新生児体重のヒストグラム (

.001 nonsmoker smoker 0 Density 5.0e infant birthweight (grams) Graphs by 1 if mother smoked 図 2. 新生児体重のヒストグラム ( 第一回はじめての傾向スコア分析 これから 3 回にわたって傾向スコア分析について説明します 各回の内容は以下の通りです 第一回はじめての傾向スコア分析第二回分析後のチェック第三回 Abadie and Imbens(2011) の貢献 Stata14 をまだお持ちでない方は是非 デモ版をダウンロードしてお試しください 理屈はともかく 一度 傾向スコア分析をやってみましょう 次に示すようにコマンド ウィンドウにコマンドを直接入力して

More information

2 2 natural experiments y y 1 y 0 y 1 y 0 y 1 y 0 counterfactual y 1 y 0 d treatment indicator d = 1 (treatment group) d = 0 control group average tre

2 2 natural experiments y y 1 y 0 y 1 y 0 y 1 y 0 counterfactual y 1 y 0 d treatment indicator d = 1 (treatment group) d = 0 control group average tre 12 1 Heckman and Smith (1998) Lee(2005) Cameron and Tridevi (2005, Chapter 25) Wooldridge (2003, Chapter 18) 1 2 2 natural experiments y y 1 y 0 y 1 y 0 y 1 y 0 counterfactual y 1 y 0 d treatment indicator

More information

CVaR

CVaR CVaR 20 4 24 3 24 1 31 ,.,.,. Markowitz,., (Value-at-Risk, VaR) (Conditional Value-at-Risk, CVaR). VaR, CVaR VaR. CVaR, CVaR. CVaR,,.,.,,,.,,. 1 5 2 VaR CVaR 6 2.1................................................

More information

Japan Research Review 1998年7月号

Japan Research Review 1998年7月号 Japan Research Review 1998.7 Perspectives ****************************************************************************************** - 1 - Japan Research Review 1998.7-2 - Japan Research Review 1998.7-3

More information

10:30 12:00 P.G. vs vs vs 2

10:30 12:00 P.G. vs vs vs 2 1 10:30 12:00 P.G. vs vs vs 2 LOGIT PROBIT TOBIT mean median mode CV 3 4 5 0.5 1000 6 45 7 P(A B) = P(A) + P(B) - P(A B) P(B A)=P(A B)/P(A) P(A B)=P(B A) P(A) P(A B) P(A) P(B A) P(B) P(A B) P(A) P(B) P(B

More information

東京大学社会科学研究所パネル調査プロジェクトディスカッションペーパーシリーズ No 年 5 月 朝食摂取習慣の教育達成への因果効果の検証 傾向スコアマッチングと感度分析によるアプローチ 小川和孝 ( 東京大学 ) 要旨本論文の目的は 15 歳時の朝食摂取習慣が中学校における校内成績と

東京大学社会科学研究所パネル調査プロジェクトディスカッションペーパーシリーズ No 年 5 月 朝食摂取習慣の教育達成への因果効果の検証 傾向スコアマッチングと感度分析によるアプローチ 小川和孝 ( 東京大学 ) 要旨本論文の目的は 15 歳時の朝食摂取習慣が中学校における校内成績と 東京大学社会科学研究所パネル調査プロジェクトディスカッションペーパーシリーズ No.79 2014 年 5 月 朝食摂取習慣の教育達成への因果効果の検証 傾向スコアマッチングと感度分析によるアプローチ 小川和孝 ( 東京大学 ) 要旨本論文の目的は 15 歳時の朝食摂取習慣が中学校における校内成績と 将来的な教育達成へと与える因果的な効果を測定することである 傾向スコアによるマッチングを用いて 社会階層などの朝食摂取習慣へ影響しうる共変量の調整を行った

More information

2011/02/09 CJC Propensity score

2011/02/09 CJC Propensity score 2011/02/09 CJC Propensity score 担当 : 小尾佳嗣 What is propensity score? 多くの因子のデータをもとに 多重回帰解析を用いて算出した ある介入が行われる確率 Why propensity score? 最も確実に介入効果を検証するには RCT に代表される実験的な研究が適当である ただし RCT が現実的ではない状況がある 倫理的問題 費用的問題

More information

スライド 1

スライド 1 欠測のあるデータにおける population-averaged 及び subject-specific アプローチの性能評価 多田圭佑サノフィ株式会社 研究開発部門医薬開発本部 統計解析 プログラミング部統計解析室 土居正明駒嵜弘 Performance evaluation of population-averaged and subject-specific approach with missing

More information

JGSS統計分析セミナー2009-傾向スコアを用いた因果分析-

JGSS統計分析セミナー2009-傾向スコアを用いた因果分析- 日本版総合的社会調査共同研究拠点研究論文集 [10] JGSS Research Seres No.7 JGSS 2009 JGSS JGSS Statstcal Analyss Semnar: Causalty Analyss based on the Propensty Score Kana MIWA JGSS Research Center Osaka Unversty of Commerce

More information

8 A B B B B B B B B B 175

8 A B B B B B B B B B 175 4.. 共分散分析 4.1 共分散分析の原理 共分散分析は共変数の影響を取り除いて平均値を比較する手法 (1) 共分散分析 あるデータを群間比較したい そのデータに影響を与える他のデータが存在する 他のデータの影響を取り除いて元のデータを比較したい 共分散分析を適用 共分散分析 (ANCOVA:analysis of covariance アンコバ ) は分散分析に回帰分析の原理を応 用し 他のデータの影響を考慮して目的のデータを総合的に群間比較する手法

More information

untitled

untitled WinLD R (16) WinLD https://www.biostat.wisc.edu/content/lan-demets-method-statistical-programs-clinical-trials WinLD.zip 2 2 1 α = 5% Type I error rate 1 5.0 % 2 9.8 % 3 14.3 % 5 22.6 % 10 40.1 % 3 Type

More information

Medical3

Medical3 Chapter 1 1.4.1 1 元配置分散分析と多重比較の実行 3つの治療法による測定値に有意な差が認められるかどうかを分散分析で調べます この例では 因子が1つだけ含まれるため1 元配置分散分析 one-way ANOVA の適用になります また 多重比較法 multiple comparison procedure を用いて 具体的のどの治療法の間に有意差が認められるかを検定します 1. 分析メニュー

More information

80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = i=1 i=1 n λ x i e λ i=1 x i! = λ n i=1 x i e nλ n i=1 x

80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = i=1 i=1 n λ x i e λ i=1 x i! = λ n i=1 x i e nλ n i=1 x 80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = n λ x i e λ x i! = λ n x i e nλ n x i! n n log l(λ) = log(λ) x i nλ log( x i!) log l(λ) λ = 1 λ n x i n =

More information

A5 PDF.pwd

A5 PDF.pwd Average Treatment Effect; ATE attributes Randomized Factorial Survey Experiment; RFSE cues ATE ATE Hainmueller et al. 2014 Average Marginal Component Effect ATE 67 4 2017 2 845 , ;, ATE, ;, ;, W 846 67

More information

kubostat2017c p (c) Poisson regression, a generalized linear model (GLM) : :

kubostat2017c p (c) Poisson regression, a generalized linear model (GLM) : : kubostat2017c p.1 2017 (c), a generalized linear model (GLM) : kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2017 11 14 : 2017 11 07 15:43 kubostat2017c (http://goo.gl/76c4i) 2017 (c) 2017 11 14 1 / 47 agenda

More information

1 はじめに 85

1 はじめに 85 1 はじめに 85 2 ジョイント スペースによるブランド選択の分析 2.1 ジョイント スペース マップ 86 2.2 ジョイント スペースとマーケティング変数を組み込んだブランド選択モデル hjt exp hjt exp hit h jt hjt hjt hjt hjt hk hjkt hjt k k hk h k hj hmt jm. m m hmt h m t jm m j hjt jm hmt.

More information

kubostat7f p GLM! logistic regression as usual? N? GLM GLM doesn t work! GLM!! probabilit distribution binomial distribution : : β + β x i link functi

kubostat7f p GLM! logistic regression as usual? N? GLM GLM doesn t work! GLM!! probabilit distribution binomial distribution : : β + β x i link functi kubostat7f p statistaical models appeared in the class 7 (f) kubo@eeshokudaiacjp https://googl/z9cjy 7 : 7 : The development of linear models Hierarchical Baesian Model Be more flexible Generalized Linear

More information

RP/SPモデル推定のための SP調査の最適設計

RP/SPモデル推定のための SP調査の最適設計 行動モデルの応用 : サンプル数が小さい時 名古屋大学山本俊行 2016/09/24 第 15回行動モデル夏の学校 1 ビッグデータの時代にサンプル数が小さい?? 個人間の異質性を突き詰めていくと個人毎のモデル推定 現時点で需要の小さい選択肢こそ需要予測が求められる 2016/09/24 第 15回行動モデル夏の学校 2 離散選択モデルにおける 個人間異質性の表現 定数項を社会経済特性の関数にする

More information

5 Armitage x 1,, x n y i = 10x i + 3 y i = log x i {x i } {y i } 1.2 n i i x ij i j y ij, z ij i j 2 1 y = a x + b ( cm) x ij (i j )

5 Armitage x 1,, x n y i = 10x i + 3 y i = log x i {x i } {y i } 1.2 n i i x ij i j y ij, z ij i j 2 1 y = a x + b ( cm) x ij (i j ) 5 Armitage. x,, x n y i = 0x i + 3 y i = log x i x i y i.2 n i i x ij i j y ij, z ij i j 2 y = a x + b 2 2. ( cm) x ij (i j ) (i) x, x 2 σ 2 x,, σ 2 x,2 σ x,, σ x,2 t t x * (ii) (i) m y ij = x ij /00 y

More information

スライド 1

スライド 1 企画セッション 欠測のあるデータにおける主解析の検討 (4) Vansteelandt の方法による Doubly Robust な推定量を用いた連続量経時データの解析 土居正明 1)2) 駒嵜弘 1)3) 横山雄一 1)4) 鵜飼裕之 1)5) 藤原正和 1)6) 1) 日本製薬工業協会医薬品評価委員会データサイエンス部会タスクフォース 4 欠測のあるデータの解析検討チーム 2) 東レ株式会社,

More information

I L01( Wed) : Time-stamp: Wed 07:38 JST hig e, ( ) L01 I(2017) 1 / 19

I L01( Wed) : Time-stamp: Wed 07:38 JST hig e,   ( ) L01 I(2017) 1 / 19 I L01(2017-09-20 Wed) : Time-stamp: 2017-09-20 Wed 07:38 JST hig e, http://hig3.net ( ) L01 I(2017) 1 / 19 ? 1? 2? ( ) L01 I(2017) 2 / 19 ?,,.,., 1..,. 1,2,.,.,. ( ) L01 I(2017) 3 / 19 ? I. M (3 ) II,

More information

異文化言語教育評価論 ⅠA 第 4 章分散分析 (3 グループ以上の平均を比較する ) 平成 26 年 5 月 14 日 報告者 :D.M. K.S. 4-1 分散分析とは 検定の多重性 t 検定 2 群の平均値を比較する場合の手法分散分析 3 群以上の平均を比較する場合の手法 t 検定

異文化言語教育評価論 ⅠA 第 4 章分散分析 (3 グループ以上の平均を比較する ) 平成 26 年 5 月 14 日 報告者 :D.M. K.S. 4-1 分散分析とは 検定の多重性 t 検定 2 群の平均値を比較する場合の手法分散分析 3 群以上の平均を比較する場合の手法 t 検定 異文化言語教育評価論 ⅠA 第 4 章分散分析 (3 グループ以上の平均を比較する ) 平成 26 年 5 月 14 日 報告者 :D.M. K.S. 4-1 分散分析とは 4-1-1 検定の多重性 t 検定 2 群の平均値を比較する場合の手法分散分析 3 群以上の平均を比較する場合の手法 t 検定の反復 (e.g., A, B, C の 3 群の比較を A-B 間 B-C 間 A-C 間の t 検定で行う

More information

Talk 2. Local asymptotic power of self-weighted GEL method and choice of weighting function Kouchi International Seminar on Recent Developments of Qua

Talk 2. Local asymptotic power of self-weighted GEL method and choice of weighting function Kouchi International Seminar on Recent Developments of Qua TALKS Invited Talks 2018 Oct. 3 Robust statistical inference for nonstandard time series models and related topics Quantitative Finance Seminar, Tokyo Metropolitan University Sep. 4-5 Robust statistical

More information

Stata User Group Meeting in Kyoto / ( / ) Stata User Group Meeting in Kyoto / 21

Stata User Group Meeting in Kyoto / ( / ) Stata User Group Meeting in Kyoto / 21 Stata User Group Meeting in Kyoto / 2017 9 16 ( / ) Stata User Group Meeting in Kyoto 2017 9 16 1 / 21 Rosenbaum and Rubin (1983) logit/probit, ATE = E [Y 1 Y 0 ] ( / ) Stata User Group Meeting in Kyoto

More information

青焼 1章[15-52].indd

青焼 1章[15-52].indd 1 第 1 章統計の基礎知識 1 1 なぜ統計解析が必要なのか? 人間は自分自身の経験にもとづいて 感覚的にものごとを判断しがちである 例えばある疾患に対する標準治療薬の有効率が 50% であったとする そこに新薬が登場し ある医師がその新薬を 5 人の患者に使ったところ 4 人が有効と判定されたとしたら 多くの医師はこれまでの標準治療薬よりも新薬のほうが有効性が高そうだと感じることだろう しかし

More information

1 Tokyo Daily Rainfall (mm) Days (mm)

1 Tokyo Daily Rainfall (mm) Days (mm) ( ) r-taka@maritime.kobe-u.ac.jp 1 Tokyo Daily Rainfall (mm) 0 100 200 300 0 10000 20000 30000 40000 50000 Days (mm) 1876 1 1 2013 12 31 Tokyo, 1876 Daily Rainfall (mm) 0 50 100 150 0 100 200 300 Tokyo,

More information

Microsoft PowerPoint - sc7.ppt [互換モード]

Microsoft PowerPoint - sc7.ppt [互換モード] / 社会調査論 本章の概要 本章では クロス集計表を用いた独立性の検定を中心に方法を学ぶ 1) 立命館大学経済学部 寺脇 拓 2 11 1.1 比率の推定 ベルヌーイ分布 (Bernoulli distribution) 浄水器の所有率を推定したいとする 浄水器の所有の有無を表す変数をxで表し 浄水器をもっている を 1 浄水器をもっていない を 0 で表す 母集団の浄水器を持っている人の割合をpで表すとすると

More information

分布

分布 (normal distribution) 30 2 Skewed graph 1 2 (variance) s 2 = 1/(n-1) (xi x) 2 x = mean, s = variance (variance) (standard deviation) SD = SQR (var) or 8 8 0.3 0.2 0.1 0.0 0 1 2 3 4 5 6 7 8 8 0 1 8 (probability

More information

( ) (, ) arxiv: hgm OpenXM search. d n A = (a ij ). A i a i Z d, Z d. i a ij > 0. β N 0 A = N 0 a N 0 a n Z A (β; p) = Au=β,u N n 0 A

( ) (, ) arxiv: hgm OpenXM search. d n A = (a ij ). A i a i Z d, Z d. i a ij > 0. β N 0 A = N 0 a N 0 a n Z A (β; p) = Au=β,u N n 0 A ( ) (, ) arxiv: 1510.02269 hgm OpenXM search. d n A = (a ij ). A i a i Z d, Z d. i a ij > 0. β N 0 A = N 0 a 1 + + N 0 a n Z A (β; p) = Au=β,u N n 0 A-. u! = n i=1 u i!, p u = n i=1 pu i i. Z = Z A Au

More information

y i OLS [0, 1] OLS x i = (1, x 1,i,, x k,i ) β = (β 0, β 1,, β k ) G ( x i β) 1 G i 1 π i π i P {y i = 1 x i } = G (

y i OLS [0, 1] OLS x i = (1, x 1,i,, x k,i ) β = (β 0, β 1,, β k ) G ( x i β) 1 G i 1 π i π i P {y i = 1 x i } = G ( 7 2 2008 7 10 1 2 2 1.1 2............................................. 2 1.2 2.......................................... 2 1.3 2........................................ 3 1.4................................................

More information

AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t

AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t 87 6.1 AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t 2, V(y t y t 1, y t 2, ) = σ 2 3. Thus, y t y t 1,

More information

A B P (A B) = P (A)P (B) (3) A B A B P (B A) A B A B P (A B) = P (B A)P (A) (4) P (B A) = P (A B) P (A) (5) P (A B) P (B A) P (A B) A B P

A B P (A B) = P (A)P (B) (3) A B A B P (B A) A B A B P (A B) = P (B A)P (A) (4) P (B A) = P (A B) P (A) (5) P (A B) P (B A) P (A B) A B P 1 1.1 (population) (sample) (event) (trial) Ω () 1 1 Ω 1.2 P 1. A A P (A) 0 1 0 P (A) 1 (1) 2. P 1 P 0 1 6 1 1 6 0 3. A B P (A B) = P (A) + P (B) (2) A B A B A 1 B 2 A B 1 2 1 2 1 1 2 2 3 1.3 A B P (A

More information

第86回日本感染症学会総会学術集会後抄録(I)

第86回日本感染症学会総会学術集会後抄録(I) κ κ κ κ κ κ μ μ β β β γ α α β β γ α β α α α γ α β β γ μ β β μ μ α ββ β β β β β β β β β β β β β β β β β β γ β μ μ μ μμ μ μ μ μ β β μ μ μ μ μ μ μ μ μ μ μ μ μ μ β

More information

日本製薬工業協会シンポジウム 生存時間解析の評価指標に関する最近の展開ー RMST (restricted mean survival time) を理解するー 2. RMST の定義と統計的推測 2018 年 6 月 13 日医薬品評価委員会データサイエンス部会タスクフォース 4 生存時間解析チー

日本製薬工業協会シンポジウム 生存時間解析の評価指標に関する最近の展開ー RMST (restricted mean survival time) を理解するー 2. RMST の定義と統計的推測 2018 年 6 月 13 日医薬品評価委員会データサイエンス部会タスクフォース 4 生存時間解析チー 日本製薬工業協会シンポジウム 生存時間解析の評価指標に関する最近の展開ー RMST (restricted mean survival time) を理解するー 2. RMST の定義と統計的推測 2018 年 6 月 13 日医薬品評価委員会データサイエンス部会タスクフォース 4 生存時間解析チーム 日本新薬 ( 株 ) 田中慎一 留意点 本発表は, 先日公開された 生存時間型応答の評価指標 -RMST(restricted

More information

st.dvi

st.dvi 9 3 5................................... 5............................. 5....................................... 5.................................. 7.........................................................................

More information

Kobe University Repository : Kernel タイトル Title 著者 Author(s) 掲載誌 巻号 ページ Citation 刊行日 Issue date 資源タイプ Resource Type 版区分 Resource Version 権利 Rights DOI

Kobe University Repository : Kernel タイトル Title 著者 Author(s) 掲載誌 巻号 ページ Citation 刊行日 Issue date 資源タイプ Resource Type 版区分 Resource Version 権利 Rights DOI Kobe University Repository : Kernel タイトル Title 著者 Author(s) 掲載誌 巻号 ページ Citation 刊行日 Issue date 資源タイプ Resource Type 版区分 Resource Version 権利 Rights DOI 平均に対する平滑化ブートストラップ法におけるバンド幅の選択に関する一考察 (A Study about

More information

x T = (x 1,, x M ) x T x M K C 1,, C K 22 x w y 1: 2 2

x T = (x 1,, x M ) x T x M K C 1,, C K 22 x w y 1: 2 2 Takio Kurita Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aistgojp (Support Vector Machine, SVM) 1 (Support Vector Machine, SVM) ( ) 2

More information

kubostat2017b p.1 agenda I 2017 (b) probability distribution and maximum likelihood estimation :

kubostat2017b p.1 agenda I 2017 (b) probability distribution and maximum likelihood estimation : kubostat2017b p.1 agenda I 2017 (b) probabilit distribution and maimum likelihood estimation kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2017 11 14 : 2017 11 07 15:43 1 : 2 3? 4 kubostat2017b (http://goo.gl/76c4i)

More information

Microsoft Word doc

Microsoft Word doc . 正規線形モデルのベイズ推定翠川 大竹距離減衰式 (PGA(Midorikawa, S., and Ohtake, Y. (, Attenuation relationships of peak ground acceleration and velocity considering attenuation characteristics for shallow and deeper earthquakes,

More information

PHREG プロシジャにおける 共変量調整解析に関連したオプション機能 魚住龍史 1 * 矢田真城 2 浜田知久馬 3 1 京都大学大学院医学研究科医学統計生物情報学 2 エイツーヘルスケア株式会社 3 東京理科大学 Investigating fascinating aspects associa

PHREG プロシジャにおける 共変量調整解析に関連したオプション機能 魚住龍史 1 * 矢田真城 2 浜田知久馬 3 1 京都大学大学院医学研究科医学統計生物情報学 2 エイツーヘルスケア株式会社 3 東京理科大学 Investigating fascinating aspects associa PHREG プロシジャにおける 共変量調整解析に関連したオプション機能 魚住龍史 1 * 矢田真城 2 浜田知久馬 3 1 京都大学大学院医学研究科医学統計生物情報学 2 エイツーヘルスケア株式会社 3 東京理科大学 Investigating fascinating aspects associated with covariate-adjusted analysis using PHREG procedure

More information

untitled

untitled 17 5 13 1 2 1.1... 2 1.2... 2 1.3... 3 2 3 2.1... 3 2.2... 5 3 6 3.1... 6 3.2... 7 3.3 t... 7 3.4 BC a... 9 3.5... 10 4 11 1 1 θ n ˆθ. ˆθ, ˆθ, ˆθ.,, ˆθ.,.,,,. 1.1 ˆθ σ 2 = E(ˆθ E ˆθ) 2 b = E(ˆθ θ). Y 1,,Y

More information

7. フィリップス曲線 経済統計分析 (2014 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推

7. フィリップス曲線 経済統計分析 (2014 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推 7. フィリップス曲線 経済統計分析 ( 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推定結果に基づく予測シミュレーション 物価と失業の関係......... -. -. -........ 失業率

More information

JMP によるオッズ比 リスク比 ( ハザード比 ) の算出方法と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月改定 1. はじめに本文書は JMP でオッズ比 リスク比 それぞれに対する信頼区間を求める算出方法と注意点を述べたものです この後

JMP によるオッズ比 リスク比 ( ハザード比 ) の算出方法と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月改定 1. はじめに本文書は JMP でオッズ比 リスク比 それぞれに対する信頼区間を求める算出方法と注意点を述べたものです この後 JMP によるオッズ比 リスク比 ( ハザード比 ) の算出方法と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月改定 1. はじめに本文書は JMP でオッズ比 リスク比 それぞれに対する信頼区間を求める算出方法と注意点を述べたものです この後の 2 章では JMP でのオッズ比 オッズ比の信頼区間の算出方法について サンプルデータを用いて解説しております

More information

²¾ÁÛ¾õ¶·É¾²ÁË¡¤Î¤¿¤á¤Î¥Ñ¥Ã¥±¡¼¥¸DCchoice ¡Ê»ÃÄêÈÇ¡Ë

²¾ÁÛ¾õ¶·É¾²ÁË¡¤Î¤¿¤á¤Î¥Ñ¥Ã¥±¡¼¥¸DCchoice ¡Ê»ÃÄêÈÇ¡Ë DCchoice ( ) R 2013 2013 11 30 DCchoice package R 2013/11/30 1 / 19 1 (CV) CV 2 DCchoice WTP 3 DCchoice package R 2013/11/30 2 / 19 (Contingent Valuation; CV) WTP CV WTP WTP 1 1989 2 DCchoice package R

More information

( )

( ) ) ( ( ) 3 15m t / 1.9 3 m t / 0.64 3 m ( ) ( ) 3 15m 3 1.9m / t 0.64m 3 / t ) ( β1 β 2 β 3 y ( ) = αx1 X 2 X 3 ( ) ) ( ( ) 3 15m t / 1.9 3 m 3 90m t / 0.64 3 m ( ) : r : ) 30 ( 10 0.0164

More information

Mantel-Haenszelの方法

Mantel-Haenszelの方法 Mantel-Haenszel 2008 6 12 ) 2008 6 12 1 / 39 Mantel & Haenzel 1959) Mantel N, Haenszel W. Statistical aspects of the analysis of data from retrospective studies of disease. J. Nat. Cancer Inst. 1959; 224):

More information

こんにちは由美子です

こんにちは由美子です Sample size power calculation Sample Size Estimation AZTPIAIDS AIDSAZT AIDSPI AIDSRNA AZTPr (S A ) = π A, PIPr (S B ) = π B AIDS (sampling)(inference) π A, π B π A - π B = 0.20 PI 20 20AZT, PI 10 6 8 HIV-RNA

More information

2 H23 BioS (i) data d1; input group patno t sex censor; cards;

2 H23 BioS (i) data d1; input group patno t sex censor; cards; H BioS (i) data d1; input group patno t sex censor; cards; 0 1 0 0 0 0 1 0 1 1 0 4 4 0 1 0 5 5 1 1 0 6 5 1 1 0 7 10 1 0 0 8 15 0 1 0 9 15 0 1 0 10 4 1 0 0 11 4 1 0 1 1 5 1 0 1 1 7 0 1 1 14 8 1 0 1 15 8

More information

³ÎΨÏÀ

³ÎΨÏÀ 2017 12 12 Makoto Nakashima 2017 12 12 1 / 22 2.1. C, D π- C, D. A 1, A 2 C A 1 A 2 C A 3, A 4 D A 1 A 2 D Makoto Nakashima 2017 12 12 2 / 22 . (,, L p - ). Makoto Nakashima 2017 12 12 3 / 22 . (,, L p

More information

規則帰納における方向性

規則帰納における方向性 2002 3 JCSS-TR-43 603-8577 56-1 hat@lt.ritsumei.ac.jp 152-8552 2-12-1 Copyright c 2002 by Masasi Hattori, Koji Nakajima, & Masanori Nakagawa. All rights reserved. 464-8601 : 052-789-4891 FAX : 052-789-4752

More information

(pdf) (cdf) Matlab χ ( ) F t

(pdf) (cdf) Matlab χ ( ) F t (, ) (univariate) (bivariate) (multi-variate) Matlab Octave Matlab Matlab/Octave --...............3. (pdf) (cdf)...3.4....4.5....4.6....7.7. Matlab...8.7.....9.7.. χ ( )...0.7.3.....7.4. F....7.5. t-...3.8....4.8.....4.8.....5.8.3....6.8.4....8.8.5....8.8.6....8.9....9.9.....9.9.....0.9.3....0.9.4.....9.5.....0....3

More information

臨床研究におけるRCTと観察研究

臨床研究におけるRCTと観察研究 臨床研究における RCT と観察研究 医薬品医療機器総合機構新薬審査第三部 主任審査員 ( 生物統計担当 ) 飛田英祐 本日の内容 はじめに 臨床研究 治験 観察研究 臨床研究で生じる 2 種類の誤差 観察研究とRCT 観察研究におけるバイアス防止 まとめ デザイン / 解析 STROBE 声明 メタ アナリシス 2 はじめに 医学研究の種類 臨床研究 病気の予防方法 診断方法 治療方法の改善 病気の原因や理解並びに患者の生活の質の向上を目的として

More information

(3) 検定統計量の有意確率にもとづく仮説の採否データから有意確率 (significant probability, p 値 ) を求め 有意水準と照合する 有意確率とは データの分析によって得られた統計値が偶然おこる確率のこと あらかじめ設定した有意確率より低い場合は 帰無仮説を棄却して対立仮説

(3) 検定統計量の有意確率にもとづく仮説の採否データから有意確率 (significant probability, p 値 ) を求め 有意水準と照合する 有意確率とは データの分析によって得られた統計値が偶然おこる確率のこと あらかじめ設定した有意確率より低い場合は 帰無仮説を棄却して対立仮説 第 3 章 t 検定 (pp. 33-42) 3-1 統計的検定 統計的検定とは 設定した仮説を検証する場合に 仮説に基づいて集めた標本を 確率論の観点から分析 検証すること 使用する標本は 母集団から無作為抽出されたものでなければならない パラメトリック検定とノンパラメトリック検定 パラメトリック検定は母集団が正規分布に従う間隔尺度あるいは比率尺度の連続データを対象とする ノンパラメトリック検定は母集団に特定の分布を仮定しない

More information

Rによる計量分析:データ解析と可視化 - 第3回 Rの基礎とデータ操作・管理

Rによる計量分析:データ解析と可視化 - 第3回  Rの基礎とデータ操作・管理 R 3 R 2017 Email: gito@eco.u-toyama.ac.jp October 23, 2017 (Toyama/NIHU) R ( 3 ) October 23, 2017 1 / 34 Agenda 1 2 3 4 R 5 RStudio (Toyama/NIHU) R ( 3 ) October 23, 2017 2 / 34 10/30 (Mon.) 12/11 (Mon.)

More information