★手計算とRで学ぶ統計学: おわりに

0. Home

1. データ分析初歩の初歩

1.1 実例でわかる！統計学の重要性

1.2 どのようにデータを取れば良いか

1.3 統計量の基本

1.4 頻出用語の定義確認

2. 統計的仮説検定の仕組み

3. 実験前のサンプルサイズ設計

4. \(t\)検定

4.1 1標本\(t\)検定

4.2 2標本\(t\)検定 (対応なし)

4.3 2標本\(t\)検定 (対応あり)

5. 相関分析

6. 分散分析

6.1一元配置分散分析 (対応なし)

6.2 一元配置分散分析 (対応あり)

7. 線形モデリング (回帰分析)

7.1 単回帰分析 (単回帰モデル)

7.2 重回帰分析 (重回帰モデル)

8. ノンパラメトリック検定

7.1 適合度の検定

7.2 独立性の検定

7.3 マン・ホイットニーのU検定

9. 実践！データ分析

9.1 Rを使った分析その前に

9.2 \(t\)検定

9.3 分散分析

9.4 線形モデリング (回帰分析)

9.5 ノンパラメトリック検定

10.「有意である」ってどういうこと？

11. おわりに

12. 参考文献

13. 付録

このガイドでは，データ分析の入口からそれぞれの検定手法の原理，そしてRでサンプルサイズ設計から検定を行う方法について紹介しました。
最後までこのガイドを読み切った方は，データ分析に対する認識が「データをブラックボックスに入れて，\(p < .05\) が出たら終わりの便利なブラックボックス」ではなく「ある程度メカニズムや数理的な背景を理解した上で上手に使う必要のあるツール」に変化していることと思います。

もちろん，このガイドを読めば統計学の理解は完璧！というわけではありません。
データや分野によってはこのガイドで紹介していない手法を使う必要があります。実際，一般化線形モデル (正規分布以外の分布を仮定するデータに対するモデリング) やベイズ統計学も筆者の専門分野である心理学では頻繁に使われています。その時にこのガイドが分析の概要を理解したうえでデータに立ち向かっていこうという動機になれば，これほど嬉しいことはありません。