Rを使った"全自動"ベイズファクタ分析―js-STAR_XR+でかんたんベイズ仮説検定 [単行本]

Rを使った"全自動"ベイズファクタ分析―js-STAR_XR+でかんたんベイズ仮説検定 の 商品概要

• 要旨（「BOOK」データベースより）

  「できる」から「わかる」へと統計分析の理解を導く好評シリーズ第２弾！フリーソフトｊｓ‐ＳＴＡＲ＿ＸＲが拡張され、ベイズ仮説検定に新たに対応。データ分析からレポートの書き方まで懇切にガイド。

• 目次

  はじめに1：ベイズファクタと統計分析の学習法
  はじめに2：シミュレーションによる主体的で深い学び
  
  
  Chapter0　事前準備
  　0.1　フリーウェア及び関連ファイルの準備
  　0.2　R画面の設定
  
  Chapter1　1×2表のベイズファクタ分析
  　【演習1a】　みんなが好きなもの
  　1.1　データ入力・分析
  　1.2　『結果の書き方』
  　　　レポート例01-1
  　1.3　統計的概念・手法の解説1
  　　　●ベイズファクタとは何か　●確率分布の尺度設定　●95％確信区間推定　●真の比率の範囲検定
  　【演習1b】　統計的仮説検定のシミュレーション
  　1.4　シミュレーションの操作手順
  　　　●シミュレーションの基本操作　●シミュレーションの応用操作
  　1.5　統計的概念・手法の解説2
  　　　●ベイズファクタ分析のメリット　●二項検定のp値とBF値の比較
  
  Chapter2　1×2表・母比率不等のベイズファクタ分析
  　【演習2a】　鶏肉は低温調理がおいしい
  　2.1　シミュレーションの操作手順
  　2.2　統計的概念・手法の解説1
  　　　●p値とBF値の検定の仕組み
  　【演習2b】　新型ウイルスは従来型よりも危険か
  　2.3　データ入力・分析
  　2.4　『結果の書き方』
  　　　レポート例02-1
  　2.5　統計的概念・手法の解説2
  　　　●ベイズファクタの事前設定問題
  
  Chapter3　1×Ｊ表のベイズファクタ分析と対応のある度数の検定
  　【演習3a】　お昼に食べたいメニューは何か
  　3.1　データ入力・分析
  　3.2　『結果の書き方』
  　　　レポート例03-1
  　3.3　統計的概念・手法の解説1
  　　　●多項分布によるBF値の計算　●確信区間を用いた多重比較
  　3.4　自動評価判定1×2：統計的グレード付与
  　【演習3b】　道徳性に評価グレードを与える
  　3.5　純肯定率とグレードの付け方
  　3.6　自動集計検定2×2：連関の探索
  　【演習3c】　道徳性の項目間の関連を探索する
  　3.7　対応のある度数の検定：Ｑ検定とMcNemar検定
  　【演習3d】　不支持の理由は集計するとダメ？
  　　　レポート例03-2
  　3.7　統計的概念・手法の解説2
  　　　●CochranのQ検定　●McNemar検定
  
  Chapter4　ｉ×Ｊ表のベイズファクタ分析
  　【演習4a】　感受性が低い人は感情知能が働かない？
  　4.1　データ入力・分析
  　4.2　『結果の書き方』
  　4.3　標本タイプの選択
  　　　●ポアソンタイプ：N ＝無作為，行・列＝無作為　●同時多項タイプ：N ＝固定，行・列＝無作為　●独立多項タイプ：行＝固定，列＝無作為　●独立多項タイプの列組み：行＝無作為，列＝固定　●超幾何タイプ：行・列＝固定（2×2表のみ）
  　　　レポート例04-1
  　4.4　統計的概念・手法の解説1
  　　　●ｉ×Ｊ表の事前確率分布
  　4.5　データセットraceDollsの分析：BF値の警報は誤報か
  　【演習4b】　黒人・白人の子どもは同人種の人形を好むか
  　　　レポート例04-2
  　4.6　統計的概念・手法の解説2
  　　　●Fisherの正確検定とBF値の検定　●2×2表のp値とBF値の比較
  　4.7　ステレオタイプ効果と学習意欲
  　【演習4c】　ステレオタイプ効果で学習時間を延ばす
  　　　レポート例04-3
  
  Chapter5　t検定のベイズファクタ分析
  　【演習5a】　トレーニング法は分散法がよいか集中法がよいか
  　5.1　データ入力・分析
  　5.2　『結果の書き方』
  　5.3　統計的概念・手法の解説1
  　　　●t値と効果量δ（delta）　●t検定のベイズファクタ分析の仕組み　●p値とBF値の検定結果の不一致　●BF値を用いたノンパラメトリック検定　●t検定のp値とBF値の比較
  　5.4　シミュレーション学習①：正規分布をつくる
  　【課題1〉正規分布をつくる
  　5.5　シミュレーション学習②：データを再現する
  　【課題2〉データを再現する
  　5.6　時間データの対数変換による分析
  　【演習5b】　トレーニングは伸び盛りに！
  　　　レポート例05-1
  　5.7　統計的概念・手法の解説2
  　　　●効果量δの範囲検定
  
  Chapter6　1要因分散分析デザインのベイズファクタ分析
  　【演習6a】　SD法で創造性を高める
  　6.1　データ入力・分析
  　6.2　『結果の書き方』
  　　　レポート例06-1
  　6.3　統計的概念・手法の解説1
  　　　●多重比較の早見表の利用　●ベイズファクタ分析の仕組み：分散分析デザイン　●平均の95％確信区間　●分散分析Ａ sデザインのp値とBF値の比較
  　6.4　小学校英語指導に必要な技能は何か
  　【演習6b】　英語指導にどんな技能が必要か
  　6.5　『結果の書き方』
  　　　レポート例06-2
  　6.6　統計的概念・手法の解説2
  　　　●参加者内デザインのベイズファクタ分析
  
  Chapter7　2要因・3要因分散分析デザインのベイズファクタ分析
  　【演習7a】　協同経験はルール意識を高めるか
  　7.1　データ入力・分析
  　7.2　『結果の書き方』
  　　　レポート例07-1
  　7.3　統計的概念・手法の解説1
  　　　●Inclusion BF：BF値のモデル平均化　●全体モデル平均化
  　7.4　アイディア・プロダクション法
  　【演習7b】　アイディアの発想に“ 書き送り法”を用いる
  　7.5　『結果の書き方』　3要因デザイン
  　　　レポート例07-2
  　7.6　統計的概念・手法の解説2
  　　　●3要因デザインのBF値の平均化
  　7.7　シミュレーション学習①：2要因データを再現する
  　【課題1】　データの再現
  　7.8　シミュレーション学習②：交互作用を判別する
  　【課題2】　交互作用の判別
  　　　●シミュレーションによる交互作用問題の解答要領
  　7.9　シミュレーション学習③：N，SDを変えてみる
  　【課題3】　N，SDを変える
  
  Chapter8　相関係数のベイズファクタ分析
  　【演習8a】　気温とアイスクリーム，ホットコーヒーの売り上げは相関するか
  　8.1　データ入力・分析
  　8.2　『結果の書き方』
  　8.3　統計的概念・手法の解説1
  　　　●p値有意・BF値有効となる最小相関係数の比較　●相関係数の差の検定
  　8.4　相関係数のシミュレーション学習
  　【演習8b】　シミュレーション課題①：散布図をつくる
  　【演習8c】　シミュレーション課題②：相関係数を予想する
  　　　●散布図問題の解答例
  　【演習8d】　シミュレーション課題③：外れ値のある散布図をつくる
  　8.5　統計的概念・手法の解説2
  　　　●相関係数と説明率
  
  Chapter9　回帰モデルのベイズファクタ分析
  　【演習9a】　革新性を高める職場風土とは？
  　9.1　データ入力・分析
  　9.2　『結果の書き方』
  　9.3　統計的概念・手法の解説1
  　　　●初期モデルの選び方と独立変数の上限数　●交互作用モデルの探索：ベイズ
  ファクタ回帰分析　●BF値による回帰モデルの選出率
  　9.4　交互作用の単純傾斜分析
  　【演習9b】　明るさ×温かさの交互作用を分析する
  　9.5　『結果の書き方』　ステップワイズ回帰分析
  　　　レポート例09-1：単純傾斜分析の結果
  　9.6　統計的概念・手法の解説2
  　　　●交互作用モデルの探索：ステップワイズ回帰分析　●ベイズ情報量規準とベイズファクタ
  
  Chapter10　各種ユーティリティ
  　10.1　乱数発生ユーティリティ＆乱数コマンド
  　　　●一様乱数コマンド unif（ユニフ）　●正規乱数コマンド norm（ノゥム）
  　10.2　階級化集計ユーティリティ
  　10.3　数値変換ユーティリティ
  　【練習問題1】　困難度の異なるテスト得点を標準化する
  　【練習問題2】　2ポイント尺度を4ポイント尺度に変換
  　【練習問題3】　3ポイント尺度を5ポイント尺度に変換
  　10.4　逆転項目処理ユーティリティ
  　10.5　欠損値処理ユーティリティ
  
  付録　統計分析の授業用シラバス（参考例）
  　　　シラバス参考例1　統計分析入門
  　　　シラバス参考例2　統計分析演習
  
  索引
  
  Column 1　セルへの数値入力の基本と小技
  Column 2　分析結果の保存
  Column 3　ダイアグラムで連関・相関を視覚的に表示
  Column 4　スタック形式によるデータ入力
  Column 5　平均のグラフとボックスプロットの利用
  Column 6　シミュレーションボタンの使い方

• 出版社からのコメント

  フリーソフトjs-STAR_XRが拡張され，ベイズ仮説検定にも新たに対応。データ分析から結果の書き方まで懇切にガイド。

• 内容紹介

  「できる」から「わかる」へと読者の理解を体験的に導く，好評〈全自動〉シリーズ第2弾！　フリーソフトjs-STAR_XRが拡張され，帰無仮説検定の代替案として近年関心が高まるベイズ仮説検定に新たに対応。巻末には半期や全7回の授業用シラバスを収載。データ分析からレポートの書き方まで，前著同様懇切にガイドする。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  田中 敏(タナカ サトシ)
  筑波大学大学院修了。学術博士。上越教育大学・信州大学で教授を歴任し、２０２０年に定年退職。上越教育大学名誉教授。専門は言語心理学、一般心理学
  
  中野 博幸(ナカノ ヒロユキ)
  上越教育大学大学院修了。修士（教育学）。上越教育大学教職大学院教授・学校教育実践研究センター長。新潟県公立中学校・小学校教員２０年、指導主事３年、任期付き大学教員６年を経て現職。専門は数学教育、教育工学

• 著者について

  田中 敏 (タナカ サトシ)
  田中　敏（たなか　さとし）
  筑波大学大学院修了　学術博士
  上越教育大学・信州大学で教授を歴任し，2020年に定年退職
  上越教育大学名誉教授　専門は言語心理学，一般心理学
  ［主な著書・論文］
  『マンガ　心の授業』シリーズ（筆名・三森創）　北大路書房　2000～2006年
  『R&STARデータ分析入門』（共著）　新曜社　2013年
  『不道徳性の指導と学びとしての道徳教育の構想』信州大学教育学部研究論集　2020年
  『Ｒを使った〈全自動〉統計データ分析ガイド』北大路書房　2021年
  
  中野 博幸 (ナカノ ヒロユキ)
  中野　博幸（なかの　ひろゆき）
  上越教育大学大学院修了
  上越教育大学教職大学院教授・学校教育実践研究センター長
  新潟県公立中学校・小学校教員20年，指導主事3年，任期付き大学教員6年を経て現職　専門は数学教育，教育工学
  ［主な著書・論文］
  『フリーソフトjs-STARで かんたん統計データ分析』（共著）　技術評論社　2012年
  『R&STARデータ分析入門』（共著）　新曜社　2013年
  『月の満ち欠けの学習における空間的視点取得の特徴』（共著）　理科教育学研究　2021年

Rを使った"全自動"ベイズファクタ分析―js-STAR_XR+でかんたんベイズ仮説検定 の商品スペック