著者紹介

内容

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