欠測データ処理-Rによる単一代入法と多重代入法 （統計学One Point<5>） [全集叢書]

欠測データ処理-Rによる単一代入法と多重代入法 （統計学One Point<5>） の 商品概要

• 目次

  第1章　Rによるデータ解析
  1.1　Rへのデータ読み込み
  1.2　平均値と標準偏差
  1.3　回帰分析
  1.4　forループ
  
  第2章　不完全データの統計解析
  2.1　無回答とは
  2.2　欠測パターン
  2.3　欠測メカニズム
  2.4　MARデータのシミュレーション
  2.5　MARについての注意点
  2.6　欠測の処理方法
  2.7　代入法の目的
  
  第3章　単一代入法
  3.1　データ
  3.2　確定的回帰代入法
  3.3　比率代入法
  3.4　平均値代入法
  3.5　ホットデック法
  3.6　確率的回帰代入法
  
  第4章　多重代入法の概要
  4.1　単一代入法の実態
  4.2　ベイズ統計学概論
  4.3　多重代入モデルの概要
  4.4　多重代入法による代入結果の例
  4.5　多重代入法による分析の流れ
  4.6　多重代入法による分析結果の統合方法
  4.7　多重代入法による分析結果の統合方法の数値例
  4.8　多重代入法の諸条件
  　　4.8.1　適切な多重代入法
  　　4.8.2　適合性
  　　4.8.3　多重代済みデータ数M
  
  第5章　多重代入法のアルゴリズム
  5.1　データ
  5.2　DAアルゴリズムによる多重代入法
  5.3　FCSアルゴリズムによる多重代入法
  5.4　EMBアルゴリズムによる多重代入法
  5.5　アルゴリズム間の長所と短所
  5.6　MCMC系アルゴリズムにおける収束判定
  5.7　多重代入法の性能比較
  
  第6章　多重代入モデルの診断
  6.1　診断の考え方
  6.2　データ
  6.3　Rパッケージ　Ameliaによる代入の診断
  6.4　Rパッケージ　miceによる代入の診断
  6.5　Rパッケージ　normによる代入の診断
  6.6　対数正規分布データの代入法
  
  第7章　量的データの多重代入法I：平均値のt検定
  7.1　多重代入済みデータの平均値と分散の復習
  7.2　t検定の概論
  　　7.2.1　多重代入済みデータを用いたt検定
  　　7.2.2　多重代入済みデータを用いた自由度の算出
  7.3　データ
  7.4　Rパッケージ　Ameliaによるt検定
  7.5　Rパッケージ　miceによるt検定
  7.6　Rパッケージ　normによるt検定
  
  第8章　量的データの多重代入法II：重回帰分析
  8.1　重回帰分析概論
  8.2　データ
  8.3　Rパッケージ　Ameliaによる重回帰分析
  8.4　回帰診断
  　　8.4.1　誤差項の正規性
  　　8.4.2　不均一分散
  　　8.4.3　多重共線性
  　　8.4.4　外れ値
  8.5　Rパッケージ　miceによる重回帰分析と診断
  8.6　Rパッケージ　normによる重回帰分析と診断
  
  第9章　質的データの多重代入法I：ダミー変数のある重回帰分析
  9.1　質的データの代入法に関する議論
  9.2　ダミー変数のある重回帰モデル概論
  9.3　データ
  9.4　Rパッケージ　miceによるダミー変数のある重回帰分析
  9.5　Rパッケージ　hot.deckによるダミー変数のある重回帰分析
  
  第10章　質的データの多重代入法II：ロジスティック回帰分析
  10.1　ロジスティック回帰分析概論
  10.2　データ
  10.3　Rパッケージ　miceによるロジスティック回帰分析
  10.4　Rパッケージ　hot.deckによるロジスティック回帰分析
  10.5　順序変数と多項変数の多重代入法
  
  第11章　時系列データの多重代入法：ARIMAモデル
  11.1　時系列分析概論
  11.2　データ
  11.3　Rパッケージ　Ameliaによる時系列データ分析
  　　11.3.1　ARIMAモデルの推定
  　　11.3.2　モデルの診断
  　　11.3.3　予測
  
  第12章　パネルデータの多重代入法：固定効果と変量効果
  12.1　パネルデータ分析概論
  　　12.1.1　プール最小二乗法
  　　12.1.2　固定効果モデル
  　　12.1.3　変量効果モデル
  　　12.1.4　不均一分散と系列相関
  12.2　データと使用するRパッケージ
  12.3　Rパッケージ　Ameliaによるパネルデータ分析
  
  第13章　感度分析：NMARの統計解析
  13.1　感度分析
  13.2　NMARにおける解析手法
  13.3　Rパッケージ　SensMiceとAmeliaによる感度分析
  13.4　Rパッケージ　SensMiceとmiceによる感度分析
  13.5　Rパッケージ　SensMiceとnormによる感度分析
  
  第14章　事前分布の導入
  14.1　Rパッケージ　Ameliaによる事前分布の活用
  　　14.1.1　観測値に関する事前分布
  　　14.1.2　変数の値に関する事前分布
  　　14.1.3　リッジ事前分布
  　　14.1.4　複数の事前分布
  14.2　Rパッケージ　normによる事前分布の活用
  14.3　Rパッケージ　miceによる事前分布の活用
  
  参考文献
  
  索　　引

• 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）

  高橋 将宜(タカハシ マサヨシ)
  ２００９年ミシガン州立大学政治学科博士課程単位取得。２０１７年成蹊大学大学院理工学研究科理工学専攻情報科学コース博士号取得。東京外国語大学経営戦略情報本部特任助教。博士（理工学）。専門、統計科学、情報科学、計量政治学、不完全データ処理法
  
  渡辺 美智子(ワタナベ ミチコ)
  １９８１年九州大学大学院総合理工学研究科情報システム学専攻修士課程修了。１９８６年九州大学博士号取得。慶應義塾大学大学院健康マネジメント研究科教授。理学博士。専門、統計科学、多変量解析、潜在変数モデル、不完全データ処理法

• 内容紹介

  　一般的に調査・観測データには欠測が生じることが多く，適切な欠測データの処理をしなければ，解析結果に偏りが生じることがある。多重代入法は，尤度解析法と並んで最も汎用的な欠測データ解析法であるが，これまでの書籍では理論的な解説が主で，実際の応用事例や具体的な手順の記述が少なかった。そのため，実証分析を行う社会科学者や実務者が多重代入法を実際に活用することにはハードルがあった。
  　本書は，ワンポイントとして代入法を中心に解説している。平均値のt検定，重回帰分析，ロジスティック回帰分析，時系列分析，パネルデータ分析といった社会科学において頻繁に使用される分析手法に関して，データに欠測が生じている場合に，多重代入法を用いてどのように欠測データを処理していけばよいかを具体的に示している。
  　事例で扱ったデータとRコードが掲載されているので，読者は本書に示された手順を再現しながら，欠測データの解析法を学んでいくことができる。主に，ウェブ上で入手可能な実データで解説しているので，実践的な技能が身につく。本書は，座学として単に読むだけでなく，ぜひコンピュータ上で実際に処理を体験して欲しい。それが，欠測データの解析法を理解し，修得する近道である。

欠測データ処理-Rによる単一代入法と多重代入法 （統計学One Point<5>） の商品スペック