!!! 2!
|
|
|
- さあしゃ ひろき
- 7 years ago
- Views:
Transcription
1 2016/5/17 (Tue) SPSS
2 !!! 2!
3 3!
4 4!
5 !!! 5!
6 (Population)! (Sample) 6!
7 case, observation, individual! variable!!! !
8 (1) (2) (3) (4) categorical variable continuous variable! *! * 8!
9 2 9!
10 ! α β A B 10!
11 ! (%) 男 性 女 性 年 齢 49 = 31.1( ) 29.4( )! !
12 12!
13 Stata!! SPSS GUI!! R!!! 13!
14 SPSS? Statistical Package for Social Science! IBM! Base! SPSS Advanced, Regression, Categories! 14!
15 SPSS 1. sav csv! 2.! 3.! 4.! 5.! ! 7.! 8. SPSS! 15!
16 SPSS 16!
17 SPSS 17!
18 SPSS 18!
19 SPSS 19!
20 ctrl + R COMMAND /SUBCOMMAND EXECUTE. 20!
21 21!
22 ! 3!! 22!
23 ! RECODE! COMPUTE! IF! 23!
24 RECODE (1) RECODE x1 (values = value). /* */ RECODE x1 (values = value) INTO n1. /* */ CROSSTABS x1 by n1. SYNTAX ELSE THRU HIGHEST LOWEST COPY SYSMIS 1 THRU !
25 RECODE (2) /* */ * attitude. RECODE attitude (1 = 4)(2 = 3)(3 = 2)(4 = 1). * age agegroup. RECODE age (20 THRU 34 = 1)(35 THRU 49 = 2)(50 THRU 64 = 3)(65 THRU HIGHEST = 4) INTO agegroup. * sex RECODE sex (1 = 1)(2 = 0)(ELSE = SYSMIS) INTO male. RECODE sex (1 = 0)(2 = 1)(ELSE = SYSMIS) INTO female. 25!
26 COMPUTE (1) COMPUTE n1 = expression. /* +-*/ */ SYNTAX SYNTAX SUM EXP MEAN LN MAX ABS MIN TRUNC SQRT 26!
27 COMPUTE (2) /* */ * income lnincome. COMPUTE lnincome = ln(income). * item1, item2,, item5 numitem. COMPUTE numitem = item1 + item2 + item3 + item4 + item5. * COMPUTE numitem = SUM(item1 TO item5). *, 1 numitem. 27!
28 IF(1) IF (logical expression) n1 = value or variable. SYNTAX EQ or = NE or ~= LT or < LE or <= GT or > GE or >= AND or & OR or NOT 28!
29 IF(2) /* */ *marriage children lifestage. IF (marriage = 0) lifestage = 1. IF (marriage = 1 & children = 0) lifestage = 2. IF (marriage = 1 & children >= 1 & children ~= 9) lifestage = 3. IF (marriage = 9 children = 9) lifestage = 9. EXECUTE. 29!
30 !! VARIABLE LABELS! VALUE LABELS! 30!
31 VARIABLE LABELS VARIABLE LABELS x1 name. /* */ * agegroup. VARIABLE LABELS agegroup. /* */ *. 31!
32 VALUE LABELS VALUE LABELS x1 1 valuename1 2 valuename2. /* */ * agegroup. VALUE LABELS agegroup !
33 !! SELECT IF! FILTER SPSS 33!
34 SELECT IF SELECT IF (logical expression). /* */ *60. SELECT IF (age < 60). *60 income. TEMPORARY SELECT IF (age < 60). FREQUENCIES income /statistics = DEFAULT. /* */ * IF. *TEMPORARY SELECT. 34!
35 FILTER FILTER BY x1. /* */ fil1. COMPUTE fil1 = (sex = 1 AND educ = 3). FILTER BY f1. FILTER OFF. /* / *x1 1 (0 ). *FILTER OFF. fil1. 35!
36 q24 1 = 1 2 = 2! q22f 1 (f)! (1) (2) (3) (4) (5)!! 36!
37 37!
38 1!! 2! 38!
39 (frequency table)! % % A 39!
40 (%) 40! 35! 30! 25! 20! 15! 10! 5! 0! 33.5! N = ! 13.3! 21.3! 4.8! A 40!
41 Mean!!! x = 1 n nx i=1 x i Variance!!! Var(x) = 1 n Standard deviation nx (x i x) 2 i=1 Sd(x) = p Var(x) Median Mode! Maximum, minimum 41!
42 A 1.! 2.!! 1.! 2.! 42!
43 FREQUENCIES (1) FREQUENCIES x1 x2 x3 /STATISTICS = DEFAULT /HISTOGRAM /BARCHART. SYNTAX SYNTAX DEFAULT VARIANCE STDDEV MEAN MAXIMUM MEDIAN MINIMUM MODE ALL 43!
44 FREQUENCIES (2) /* */ * attitude. FREQUENCIES attitude /STATISTICS = MEAN STDDEV /HISTOGRAM. 44!
45 missing value 3! 1. Don t Know Not Answer! 2.! 3. Not applicable! !! MISSING VALUES x1 (9). 45!
46 46!
47 X Y!!!! 47!
48 X Y X Y!!! 48!
49 X = 1 X = 2 Y!! 49!
50 !!! Total! 71! 78! 28! 61! 16! 254! (28.0)! (30.7)! (11.0)! (24.0)! (6.3)! (100.0)! 63! 31! 25! 24! 3! 146! (43.2)! (21.2)! (17.1)! (16.4)! (2.1)! (100.0)! Total 134! 109! 53! 85! 19! 400! Pearson s χ 2 = (p < 0.01)! %! (33.5)! (27.3)! (13.3)! (21.3)! (4.8)! (100.0)! A 50!
51 !!! Total! 71! 78! 28! 61! 16! 254! (28.0)! (30.7)! (11.0)! (24.0)! (6.3)! (100.0)! 63! 31! 25! 24! 3! 146! (43.2)! (21.2)! (17.1)! (16.4)! (2.1)! (100.0)! Total 134! 109! 53! 85! 19! 400! Pearson s χ 2 = (p < 0.01)! %! (33.5)! (27.3)! (13.3)! (21.3)! (4.8)! (100.0)! A 51!
52 (%) 感 じない あまり 感 じな い どちらともい えない 非 独 居 (N = 146) 独 居 (N = 254) (%) すこし 感 じる とても 感 じる 独 居 (N = 254) 非 独 居 (N = 146) 感 じない あまり 感 じない どちらともいえない すこし 感 じる とても 感 じる 52!
53 CROSSTABS(1) CROSSTABS x BY y /CELLS = COUNT ROW /STATISTICS = CHISQ. /* */ *x y. *. 53!
54 CROSSTABS(2) CELLS SYNTAX SYNTAX SYNTAX COUNT TOTAL % ARESID ROW % EXPECTED COLUMN % RESID ALL SYNTAX CHISQ PHI RISK CORR GAMMA ALL STATISTICS 2 Cramer V 2 2 Pearson Spearman Goodman=Kruskal γ 54!
55 N! 2.50! 1.29! (254)! 2.13! 1.20! (146)! Total! 2.37! 1.27! (400)! F = 7.99 (df = 1, p < 0.01)! A 同 居 (N = 254) 非 独 居 (N = 146) 55!
56 MEANS (1) MEANS TABLES = x BY y /CELLS = MEAN STDDEV COUNT /STATISTICS = ANOVA. /* */ *x y. *. 56!
57 MEANS (2) SYNTAX SYNTAX DEFAULT CELLS MEDIAN MEAN MIN STDDEV MAX COUNT VARIANCE SYNTAX ANOVA RISK STATISTICS 57!
58 Excel!! Excel!! 58!
59 59!
60 60! 2013! 2015! 2015! 2004! ! 2015!! 60!
61 61! 2005! 2007 JGSS! 2015! Wooldridge, Jeffrey M., 2013, Introductory Econometrics: A Modern Approach (Fifth International Edition), South-Western; Cengage Learning.! Long, J. Scott, 1997, Regression Models for Categorical and Limited Dependent Variables, Thousand Oaks; Sage.! 61!
62 62! 2014, SPSS! 2014Stata R! ( ( 62!
63 63! 1979! 2013! King, Gary, Robert O. Keohane, and Sidney Verba, 1991, Designing Social Inquiry: Scientific Inference in Qualitative Research, Prinston University Press. 2004! 2010! 63!
64 64! 2015 A!!! 64!
untitled
2011/6/22 M2 1*1+2*2 79 2F Y YY 0.0 0.2 0.4 0.6 0.8 0.000 0.002 0.004 0.006 0.008 0.010 0.012 1.0 1.5 2.0 2.5 3.0 3.5 4.0 Y 0 50 100 150 200 250 YY A (Y = X + e A ) B (YY = X + e B ) X 0.00 0.05 0.10
現代日本論演習／比較現代日本論研究演習I「統計分析の基礎」
URL: http://tsigeto.info/statg/ I () 3 2016 2 ( 7F) 1 : (1); (2) 1998 (70 20% 6 9 ) (30%) ( 2) ( 2) 2 1. (4/14) 2. SPSS (4/21) 3. (4/28) [] 4. (5/126/2) [1, 4] 5. (6/9) 6. (6/166/30) [2, 5] 7. (7/78/4)
¥¤¥ó¥¿¡¼¥Í¥Ã¥È·×¬¤È¥Ç¡¼¥¿²òÀÏ Âè2²ó
2 212 4 13 1 (4/6) : ruby 2 / 35 ( ) : gnuplot 3 / 35 ( ) 4 / 35 (summary statistics) : (mean) (median) (mode) : (range) (variance) (standard deviation) 5 / 35 (mean): x = 1 n (median): { xr+1 m, m = 2r
第13回：交差項を含む回帰・弾力性の推定
13 2018 7 27 1 / 31 1. 2. 2 / 31 y i = β 0 + β X x i + β Z z i + β XZ x i z i + u i, E(u i x i, z i ) = 0, E(u i u j x i, z i ) = 0 (i j), V(u i x i, z i ) = σ 2, i = 1, 2,, n x i z i 1 3 / 31 y i = β
spss1.PDF
-1- (Statistical Package for Social Sciences < > 2001 6 19-2- 30 3,000 41 4,500 20 30-3- row column matrix (information) data (statistics) SPSS -4- var ( ) 65,536 256 256-5- var00001 SPSS sav ***.xls,
現代日本論演習／比較現代日本論研究演習I「統計分析の基礎」
URL: http://tsigeto.info/statg/ I ( ) 3 2017 2 ( 7F) 1 : (1) ; (2) 1998 (70 20% 6 8 ) (30%) ( 2) ( 2) 2 1. (4/13) 2. SPSS (4/20) 3. (4/27) [ ] 4. (5/11 6/1) [1, 4 ] 5. (6/8) 6. (6/15 6/29) [2, 5 ] 7. (7/6
現代日本論／比較現代日本論研究演習I「統計分析の基礎」
URL: http://tsigeto.info/statg/ 作 成 : 田 中 重 人 ( 准 教 授 ) 現 代 日 本 論 / 比 較 現 代 日 本 論 研 究 演 習 I 統 計 分 析 の 基 礎 東 北 大 学 文 学 部 / 文 学 研 究 科 :2014 年 度 前 期 < 木 2>コンピュータ 実 習 室 ( 文 学 部 本 館 7F711-2) 講 義 概 要 記 載 内 容
¥¤¥ó¥¿¡¼¥Í¥Ã¥È·×¬¤È¥Ç¡¼¥¿²òÀÏ Âè2²ó
2 2015 4 20 1 (4/13) : ruby 2 / 49 2 ( ) : gnuplot 3 / 49 1 1 2014 6 IIJ / 4 / 49 1 ( ) / 5 / 49 ( ) 6 / 49 (summary statistics) : (mean) (median) (mode) : (range) (variance) (standard deviation) 7 / 49
第2回：データの加工・整理
2 2018 4 13 1 / 24 1. 2. Excel 3. Stata 4. Stata 5. Stata 2 / 24 1 cross section data e.g., 47 2009 time series data e.g., 1999 2014 5 panel data e.g., 47 1999 2014 5 3 / 24 micro data aggregate data 4
こんにちは由美子です
Analysis of Variance 2 two sample t test analysis of variance (ANOVA) CO 3 3 1 EFV1 µ 1 µ 2 µ 3 H 0 H 0 : µ 1 = µ 2 = µ 3 H A : Group 1 Group 2.. Group k population mean µ 1 µ µ κ SD σ 1 σ σ κ sample mean
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 =
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.)
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......................
... 3... 3... 3... 3... 4... 7... 10... 10... 11... 12... 12... 13... 14... 15... 18... 19... 20... 22... 22... 23 2
1 ... 3... 3... 3... 3... 4... 7... 10... 10... 11... 12... 12... 13... 14... 15... 18... 19... 20... 22... 22... 23 2 3 4 5 6 7 8 9 Excel2007 10 Excel2007 11 12 13 - 14 15 16 17 18 19 20 21 22 Excel2007
Microsoft Word - 計量研修テキスト_第5版）.doc
Q10-2 テキスト P191 1. 記述統計量 ( 変数 :YY95) 表示変数として 平均 中央値 最大値 最小値 標準偏差 観測値 を選択 A. 都道府県別 Descriptive Statistics for YY95 Categorized by values of PREFNUM Date: 05/11/06 Time: 14:36 Sample: 1990 2002 Included
Stata 11 Stata ROC whitepaper mwp anova/oneway 3 mwp-042 kwallis Kruskal Wallis 28 mwp-045 ranksum/median / 31 mwp-047 roctab/roccomp ROC 34 mwp-050 s
BR003 Stata 11 Stata ROC whitepaper mwp anova/oneway 3 mwp-042 kwallis Kruskal Wallis 28 mwp-045 ranksum/median / 31 mwp-047 roctab/roccomp ROC 34 mwp-050 sampsi 47 mwp-044 sdtest 54 mwp-043 signrank/signtest
(Nov/2009) 2 / = (,,, ) 1 4 3 3 2/8
(Nov/2009) 1 sun open-office calc 2 1 2 3 3 1 3 1 2 3 1 2 3 1/8 (Nov/2009) 2 / = (,,, ) 1 4 3 3 2/8 (Nov/2009) 1 (true) false 1 2 2 A1:A10 A 1 2 150 3 200 4 250 5 320 6 330 7 360 8 380 9 420 10 480 (1)
R による統計解析入門
R May 31, 2016 R R R R Studio GUI R Console R Studio PDF URL http://ruby.kyoto-wu.ac.jp/konami/text/r R R Console Windows, Mac GUI Unix R Studio GUI R version 3.2.3 (2015-12-10) -- "Wooden Christmas-Tree"
k3 ( :07 ) 2 (A) k = 1 (B) k = 7 y x x 1 (k2)?? x y (A) GLM (k
2012 11 01 k3 (2012-10-24 14:07 ) 1 6 3 (2012 11 01 k3) kubo@ees.hokudai.ac.jp web http://goo.gl/wijx2 web http://goo.gl/ufq2 1 3 2 : 4 3 AIC 6 4 7 5 8 6 : 9 7 11 8 12 8.1 (1)........ 13 8.2 (2) χ 2....................
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) ( )
Stata11 whitepapers mwp-037 regress - regress regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F(
mwp-037 regress - regress 1. 1.1 1.2 1.3 2. 3. 4. 5. 1. regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F( 2, 71) = 69.75 Model 1619.2877 2 809.643849 Prob > F = 0.0000 Residual
TaroLite-達人11.jtd
11. 新 しい 変 数 を 作 る 社 会 調 査 データを 分 析 する 場 合 に 素 データの 変 数 をそのまま 使 うだけでなく ある 変 数 のカテゴリーをまとめなおしたり 複 数 の 変 数 を 組 み 合 わせて 新 しい 変 数 や 尺 度 を 作 っ たりすることがしばしばあります このような 場 合 compute, recode, if などのコマンド を 使 います 11.1
15 2004.03 194
The Statistical Processing using EXCEL MIYOSHI Yoshihiko In this paper, I summarize the method of performing statistical processing using only the basic function of EXCEL without the VBA macro, add-in
,, create table drop table alter table
PostgreSQL 1 1 2 1 3,, 2 3.1 - create table........................... 2 3.2 - drop table............................ 3 3.3 - alter table............................ 4 4 - copy 5 4.1..................................
講義のーと : データ解析のための統計モデリング. 第５回
Title 講義のーと : データ解析のための統計モデリング Author(s) 久保, 拓弥 Issue Date 2008 Doc URL http://hdl.handle.net/2115/49477 Type learningobject Note この講義資料は, 著者のホームページ http://hosho.ees.hokudai.ac.jp/~kub ードできます Note(URL)http://hosho.ees.hokudai.ac.jp/~kubo/ce/EesLecture20
一般演題（ポスター）
6 5 13 : 00 14 : 00 A μ 13 : 00 14 : 00 A β β β 13 : 00 14 : 00 A 13 : 00 14 : 00 A 13 : 00 14 : 00 A β 13 : 00 14 : 00 A β 13 : 00 14 : 00 A 13 : 00 14 : 00 A β 13 : 00 14 : 00 A 13 : 00 14 : 00 A
Exam : A JPN Title : SAS Base Programming for SAS 9 Vendor : SASInstitute Version : DEMO Get Latest & Valid A JPN Exam's Question and Answ
Actual4Test http://www.actual4test.com Actual4test - actual test exam dumps-pass for IT exams Exam : A00-211-JPN Title : SAS Base Programming for SAS 9 Vendor : SASInstitute Version : DEMO Get Latest &
R John Fox R R R Console library(rcmdr) Rcmdr R GUI Windows R R SDI *1 R Console R 1 2 Windows XP Windows * 2 R R Console R ˆ R
R John Fox 2006 8 26 2008 8 28 1 R R R Console library(rcmdr) Rcmdr R GUI Windows R R SDI *1 R Console R 1 2 Windows XP Windows * 2 R R Console R ˆ R GUI R R R Console > ˆ 2 ˆ Fox(2005) jfox@mcmaster.ca
1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3.
1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3. 2 4, 2. 1 2 2 Depress Conservative. 3., 3,. SES66 Alien67 Alien71,
雇用不安時代における女性の高学歴化と結婚タイミング－JGSSデータによる検証－
日 本 版 General Social Surveys 研 究 論 文 集 [6] JGSS で 見 た 日 本 人 の 意 識 と 行 動 JGSS Research Series No.3 JGSS Women s Higher Education and Marriage Timing in an era of employment uncertainty Yuko NOZAKI Graduate
橡同居選択における所得の影響（DP原稿）.PDF
** *** * 2000 13 ** *** (1) (2) (1986) - 1 - - 2 - (1986) Ohtake (1991) (1993) (1994) (1996) (1997) (1997) Hayashi (1997) (1999) 60 Ohtake (1991) 86 (1996) 89 (1997) 92 (1999) 95 (1993) 86 89 74 79 (1986)
54_2-05-地方会.indd
82 58 59 21 83 84 2 9 4 85 86 1. 87 6 88 89 β 1 90 2 3 p 4 t 5 6 EQ 91 7 8 9 1 10 2 92 11 3 12 13 IT p 14 93 15 16 ACTIVE 17 18 94 p p p 19 20 21 22 95 23 24 25 2 26 β β 96 27 1 28 29 30 97 31 32 33 1
Microsoft PowerPoint - 09SPSS解説.ppt
SPSS シンタックスによるデータ加工と分析入門 2009/10 立教大学社会学部村瀬洋一 1.Syntax とは何か データ加工や分析などの命令文 ( プログラム ) クリックせずに 自分の操作を記述できる SPSS で シンタックスのウィンドウを開く 画面上 File 新規作成 シンタックス 1 シンタックスの長所 大量の操作 ( データ加工 分析 ) ができる 自分が実行した操作を保存できる
パズルをSugar制約ソルバーで解く
Sugar 1 2 3 1 CSPSAT 2008 8 21 Sugar 1 2 3 Sugar Sugar (CSP) (SAT ) (encode) SAT SAT order encoding direct encoding support encoding http://bachistckobe-uacjp/sugar/ Web Sugar 1 2 3 Sugar SAT (COP) MAX-CSP
第86回日本感染症学会総会学術集会後抄録（II）
χ μ μ μ μ β β μ μ μ μ β μ μ μ β β β α β β β λ Ι β μ μ β Δ Δ Δ Δ Δ μ μ α φ φ φ α γ φ φ γ φ φ γ γδ φ γδ γ φ φ φ φ φ φ φ φ φ φ φ φ φ α γ γ γ α α α α α γ γ γ γ γ γ γ α γ α γ γ μ μ κ κ α α α β α
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 (](/thumbs/82/85163103.jpg "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................................................
●70974_100_AC009160_KAPヘ<3099>ーシス自動車約款（11.10）.indb
" # $ % & ' ( ) * +, -. / 0 1 2 3 4 5 6 7 8 9 : ; < = >? @ A B C D E F G H I J K L M N O P Q R S T U V W X Y " # $ % & ' ( ) * + , -. / 0 1 2 3 4 5 6 7 8 9 : ; < = > ? @ A B
4.9 Hausman Test Time Fixed Effects Model vs Time Random Effects Model Two-way Fixed Effects Model
1 EViews 5 2007 7 11 2010 5 17 1 ( ) 3 1.1........................................... 4 1.2................................... 9 2 11 3 14 3.1 Pooled OLS.............................................. 14
June 2016 i (statistics) F Excel Numbers, OpenOffice/LibreOffice Calc ii *1 VAR STDEV 1 SPSS SAS R *2 R R R R *1 Excel, Numbers, Microsoft Office, Apple iwork, *2 R GNU GNU R iii URL http://ruby.kyoto-wu.ac.jp/statistics/training/
4 OLS 4 OLS 4.1 nurseries dual c dual i = c + βnurseries i + ε i (1) 1. OLS Workfile Quick - Estimate Equation OK Equation specification dual c nurser
1 EViews 2 2007/5/17 2007/5/21 4 OLS 2 4.1.............................................. 2 4.2................................................ 9 4.3.............................................. 11 4.4
yamadaiR(cEFA).pdf
R 2012/10/05 Kosugi,E.Koji (Yamadai.R) Categorical Factor Analysis by using R 2012/10/05 1 / 9 Why we use... 3 5 Kosugi,E.Koji (Yamadai.R) Categorical Factor Analysis by using R 2012/10/05 2 / 9 FA vs
DATA Sample1 /**/ INPUT Price /* */ DATALINES
3180, 3599, 3280, 2980, 3500, 3099, 3200, 2980, 3380, 3780, 3199, 2979, 3680, 2780, 2950, 3180, 3200, 3100, 3780, 3200 DATA Sample1 /**/ INPUT Price @@ /* @@1 */ DATALINES 3180 3599 3280 2980 3500 3099
1 1 ( ) ( 1.1 1.1.1 60% mm 100 100 60 60% 1.1.2 A B A B A 1
1 21 10 5 1 E-mail: qliu@res.otaru-uc.ac.jp 1 1 ( ) ( 1.1 1.1.1 60% mm 100 100 60 60% 1.1.2 A B A B A 1 B 1.1.3 boy W ID 1 2 3 DI DII DIII OL OL 1.1.4 2 1.1.5 1.1.6 1.1.7 1.1.8 1.2 1.2.1 1. 2. 3 1.2.2
ECCS. ECCS,. ( 2. Mac Do-file Editor. Mac Do-file Editor Windows Do-file Editor Top Do-file e
1 1 2015 4 6 1. ECCS. ECCS,. (https://ras.ecc.u-tokyo.ac.jp/guacamole/) 2. Mac Do-file Editor. Mac Do-file Editor Windows Do-file Editor Top Do-file editor, Do View Do-file Editor Execute(do). 3. Mac System
- 1 - - 2 - 320 421 928 1115 12 8 116 124 2 7 4 5 428 515 530 624 921 1115 1-3 - 100 250-4 - - 5 - - 6 - - 7 - - 8 - - 9 - & & - 11 - - 12 - GT GT - 13 - GT - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - -
2 Tobin (1958) 2 limited dependent variables: LDV 2 corner solution 2 truncated censored x top coding censor from above censor from below 2 Heck
10 2 1 2007 4 6 25-44 57% 2017 71% 2 Heckit 6 1 2 Tobin (1958) 2 limited dependent variables: LDV 2 corner solution 2 truncated 50 50 censored x top coding censor from above censor from below 2 Heckit
Stata 11 Stata ts (ARMA) ARCH/GARCH whitepaper mwp 3 mwp-083 arch ARCH 11 mwp-051 arch postestimation 27 mwp-056 arima ARMA 35 mwp-003 arima postestim
TS001 Stata 11 Stata ts (ARMA) ARCH/GARCH whitepaper mwp 3 mwp-083 arch ARCH 11 mwp-051 arch postestimation 27 mwp-056 arima ARMA 35 mwp-003 arima postestimation 49 mwp-055 corrgram/ac/pac 56 mwp-009 dfgls
診療ガイドライン外来編２０１４（Ａ４）／ＦＵＪＧＧ２０１４‐０１（大扉）
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
151021slide.dvi
: Mac I 1 ( 5 Windows (Mac Excel : Excel 2007 9 10 1 4 http://asakura.co.jp/ books/isbn/978-4-254-12172-8/ (1 1 9 1/29 (,,... (,,,... (,,, (3 3/29 (, (F7, Ctrl + i, (Shift +, Shift + Ctrl (, a i (, Enter,
28
y i = Z i δ i +ε i ε i δ X y i = X Z i δ i + X ε i [ ] 1 δ ˆ i = Z i X( X X) 1 X Z i [ ] 1 σ ˆ 2 Z i X( X X) 1 X Z i Z i X( X X) 1 X y i σ ˆ 2 ˆ σ 2 = [ ] y i Z ˆ [ i δ i ] 1 y N p i Z i δ ˆ i i RSTAT
untitled
R kiyo@affrc.go.jp 1 Excel 1, 2.6, 2/3, 105.2, 0.0043 1, 3, 0, 245 A, B, C... ; 0 1 0.2, 3/4, 0.99 MS Excel»» R Macintosh MS Excel Excel Excel MS Excel MS Access Excel R R R R.Data win Mac ctrl + R Win,
Taro-0905報告書2章6.PDF
-15 - -16-2006, 2009 a Inglehart Maslow post materialism -17 - % Williamson(1991) -18 - IMF Stiglitz Krugman Krugman -19 - SSM NHK JGSS middle class a -20 - NECO Surveys 12 7% 2 -21-10 -22 - -23 - % %
Microsoft Word - 計量研修テキスト_第5版）.doc
Q9-1 テキスト P166 2)VAR の推定 注 ) 各変数について ADF 検定を行った結果 和文の次数はすべて 1 である 作業手順 4 情報量基準 (AIC) によるラグ次数の選択 VAR Lag Order Selection Criteria Endogenous variables: D(IG9S) D(IP9S) D(CP9S) Exogenous variables: C Date:
countif Excel E4:E10E4:E10 OK 2/25
1....................... 1 2............................... 2 2.1 -countif(2 ) 2.2 (7 ) 2.3 frequency(7 ) 3 []............ 8 4................................. 8 4.1 (8 ) 4.2 (11 ) 4.3 (12 ) 4.4 (13 )
untitled
1 Hitomi s English Tests 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 1 0 1 1 0 1 0 0 0 1 0 0 1 0 2 0 0 1 1 0 0 0 0 0 1 1 1 1 0 3 1 1 0 0 0 0 1 0 1 0 1 0 1 1 4 1 1 0 1 0 1 1 1 1 0 0 0 1 1 5 1 1 0 1 1 1 1 0 0 1 0
Taro-15semiSPSS基本.jtd
実 習 資 料 SPSSシンタックスの 基 本 立 教 大 学 社 会 学 部 村 瀬 洋 一 シンタックスは SPSSにおいて 使 う 各 種 の 命 令 文 (プログラム)である これを 使 うと 複 雑 な 分 析 やデータ 加 工 を 一 度 に 実 行 できる また 実 行 した 記 録 が 残 るため 後 で 同 じ 作 業 を 繰 り 返 すことも 容 易 である SPSSを 起 動
ohp.mgp
2012/10/09 A/B -- Excel -- !! B video Note-PC Network skype Login Windows Update Web CST Portal Excel Excel ( / ( / /? ( ( [ / /etc..], = ( Excel : (Excel : ( $ [ 1] Excel [ 2] [ 3] Lookup [ 1] [ 2] Excel..
Excel97関数編
Excel97 SUM Microsoft Excel 97... 1... 1... 1... 2... 3... 3... 4... 5... 6... 6... 7 SUM... 8... 11 Microsoft Excel 97 AVERAGE MIN MAX SUM IF 2 RANK TODAY ROUND COUNT INT VLOOKUP 1/15 Excel A B C A B
調査員マニュアル
Interviewer Manual 1998 1 26 - 1 - - 2 - Japan Marketing Research Association - 3 - - 4 - - 5 - JMRA Marketing Research Quality Standard - 6 - - 7 - - 9 - - 10 - - 11 - Don t Know No Answer - 12 - - 13
データの位置を代表する値
! L02(2013-10-02 Wed) 1 (median),, 2 (mode),, 3 (mean),, http://hig3net () L02!(2013) 1 / 24 : 1 : 2 Excel and more () L02!(2013) 2 / 24 : () L02!(2013) 3 / 24 : L01-Q5 Quiz : 1 Q2= (60 + 70)/2 = 65 Q1
1 2 3 2 2.1 -countif Excel 22 http://software.ssri.co.jp/statweb2/ 1. 111 3 2. 4 4 3 3.E4:E10E4:E10 OK 2/27
1....................... 1 2............................... 2 2.1 -countif(2 ) 2.2 (7 ) 2.3 frequency(7 ) 3....................... 8 4 [].................... 10 5................................ 10 5.1
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
1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press.
1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. 2 3 2 Conservative Depress. 3.1 2. SEM. 1. x SEM. Depress.
R Console >R ˆ 2 ˆ 2 ˆ Graphics Device 1 Rcmdr R Console R R Rcmdr Rcmdr Fox, 2007 Fox and Carvalho, 2012 R R 2
R John Fox Version 1.9-1 2012 9 4 2012 10 9 1 R R Windows R Rcmdr Mac OS X Linux R OS R R , R R Console library(rcmdr)
204 / CHEMISTRY & CHEMICAL INDUSTRY Vol.69-1 January 2016 047
9 π 046 Vol.69-1 January 2016 204 / CHEMISTRY & CHEMICAL INDUSTRY Vol.69-1 January 2016 047 β γ α / α / 048 Vol.69-1 January 2016 π π π / CHEMISTRY & CHEMICAL INDUSTRY Vol.69-1 January 2016 049 β 050 Vol.69-1
X X X Y R Y R Y R MCAR MAR MNAR Figure 1: MCAR, MAR, MNAR Y R X 1.2 Missing At Random (MAR) MAR MCAR MCAR Y X X Y MCAR 2 1 R X Y Table 1 3 IQ MCAR Y I
(missing data analysis) - - 1/16/2011 (missing data, missing value) (list-wise deletion) (pair-wise deletion) (full information maximum likelihood method, FIML) (multiple imputation method) 1 missing completely
Studies of Foot Form for Footwear Design (Part 9) : Characteristics of the Foot Form of Young and Elder Women Based on their Sizes of Ball Joint Girth
Studies of Foot Form for Footwear Design (Part 9) : Characteristics of the Foot Form of Young and Elder Women Based on their Sizes of Ball Joint Girth and Foot Breadth Akiko Yamamoto Fukuoka Women's University,
1 I EViews View Proc Freeze
EViews 2017 9 6 1 I EViews 4 1 5 2 10 3 13 4 16 4.1 View.......................................... 17 4.2 Proc.......................................... 22 4.3 Freeze & Name....................................
% 10%, 35%( 1029 ) p (a) 1 p 95% (b) 1 Std. Err. (c) p 40% 5% (d) p 1: STATA (1). prtesti One-sample test of pr
1 1. 2014 6 2014 6 10 10% 10%, 35%( 1029 ) p (a) 1 p 95% (b) 1 Std. Err. (c) p 40% 5% (d) p 1: STATA (1). prtesti 1029 0.35 0.40 One-sample test of proportion x: Number of obs = 1029 Variable Mean Std.
46 Y 5.1.1 Y Y Y 3.1 R Y Figures 5-1 5-3 3.2mm Nylon Glass Y (X > X ) X Y X Figure 5-1 X min Y Y d Figure 5-3 X =X min Y X =10 Y Y Y 5.1.2 Y Figure 5-
45 5 5.1 Y 3.2 Eq. (3) 1 R [s -1 ] ideal [s -1 ] Y [-] Y [-] ideal * [-] S [-] 3 R * ( ω S ) = ω Y = ω 3-1a ideal ideal X X R X R (X > X ) ideal * X S Eq. (3-1a) ( X X ) = Y ( X ) R > > θ ω ideal X θ =
untitled
R R R 2 R 2 R R R R R R R R R R 3 R R 4 R C JAVA 5 R EXCEL GUI 6 R SAS SPSS 7 R 8 R EXCEL GUI R GUI RR Commander 9 R Auckland Ross Ihaka Robert Gentleman Fred Hutchinson Cancer Research Center AT&T Lucent
<4D6963726F736F667420576F7264202D204850835483938376838B8379815B83578B6594BB2D834A836F815B82D082C88C60202E646F63>
例 題 で 学 ぶ Excel 統 計 入 門 第 2 版 サンプルページ この 本 の 定 価 判 型 などは, 以 下 の URL からご 覧 いただけます. http://www.morikita.co.jp/books/mid/084302 このサンプルページの 内 容 は, 第 2 版 発 行 当 時 のものです. i 2 9 2 Web 2 Excel Excel Excel 11 Excel
受賞講演要旨2012cs3
アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート アハ ート α β α α α α α
: (EQS) /EQUATIONS V1 = 30*V F1 + E1; V2 = 25*V *F1 + E2; V3 = 16*V *F1 + E3; V4 = 10*V F2 + E4; V5 = 19*V99
218 6 219 6.11: (EQS) /EQUATIONS V1 = 30*V999 + 1F1 + E1; V2 = 25*V999 +.54*F1 + E2; V3 = 16*V999 + 1.46*F1 + E3; V4 = 10*V999 + 1F2 + E4; V5 = 19*V999 + 1.29*F2 + E5; V6 = 17*V999 + 2.22*F2 + E6; CALIS.
Presentation Title Goes Here
SAS 9: (reprise) SAS Institute Japan Copyright 2004, SAS Institute Inc. All rights reserved. Greetings, SAS 9 SAS 9.1.3 Copyright 2004, SAS Institute Inc. All rights reserved. 2 Informations of SAS 9 SAS
ＪＭＰ V4 による生存時間分析
V4 1 SAS 2000.11.18 4 ( ) (Survival Time) 1 (Event) Start of Study Start of Observation Died Died Died Lost End Time Censor Died Died Censor Died Time Start of Study End Start of Observation Censor
toukei4.dvi
2005 53 1 57 81 c 2005 50 2004 10 22 2005 1 4 11 1 2 2 1 2 1. 1.1 30 106 8569 4 6 7; maeda@ism.ac.jp 58 53 1 2005 Dillman 1978 Total Design Method Mangione 1995 2004 2004 2001 2 60 1.2 2003 9 10 11 2004