井上いろはのレビュー一覧

マンガでわかる統計学 回帰分析編

　「全国メイド喫茶探訪」をやっていた頃、旅行先の書店で見つけて即購入。
表紙買いですとも、ええ。

　内容に関して理解できているかと言えばまぁ半々だろうか。
序盤の「数学基礎おさらい編」は難なく読めた。
しかし「統計学」の手法が出てきた「回帰分析実践編」で躓いてしまった。
回帰分析とは「日常に潜む様々な変数に着目し、そこから一つの関数を導き出す」手法である。
しかし重要なのは関数を導き出す事ではなく、統計データから関数を分析することにある。
この辺りから「統計学」の知識が必須になってくるので、本書を理解するなら最低限前著の「マンガでわかる統計学」も読むことをお勧めする。

　マンガ自体は大好きな展開で満足している。
何と言ってもヒロインが可愛い。

マンガでわかる統計学 回帰分析編

職場の先輩のオススメ。
扱っている範囲は回帰分析・重回帰分析・ロジスティック回帰分析。
回帰分析は一つの説明変数（要因）からある測度の数値を予測する回帰式を求めるための分析手法。重回帰分析は複数の説明変数からある測度の数値を予測するための回帰式を求めるための分析手法。ロジスティック回帰分析は、複数の説明変数から特定の事象が起こる確率を予測するための回帰式を求めるための分析手法。
マンガのおかげで取っ付きやすくなっているが、難しさは隠しきれていない。
回帰分析の手法がその後の重回帰分析・ロジスティック回帰分析の基礎となっているので、そこがわかるかどうかで大きく分かれそう。

マンガでわかる線形代数

線形代数という学問が、どのような学問で、何のため（線形写像と、固有値の理解）に必要なのかの説明から入っており、全体像を最初から見せてくれるのでわかりやすかった。

内容としては、１章に線形代数とは何か、２章に基礎知識として、必要十分条件や集合、写像等を学ぶ。３章と４章で行列を扱い、計算方法、逆行列等を学ぶ。５章と６章でようやくベクトルを扱い、線形独立、基底、次元等を扱い、５章で線形写像、６章で固有値と固有ベクトルを扱う。

これだけ読んでも計算方法や掃き出し法などに習熟することはできないが、何となく計算することだが多いことを考えると、その学習の意味をマンガという媒体を使って、わかりやすくしたのは意味があると思う。

マンガでわかる統計学 回帰分析編

初めて回帰分析を学ぶ方にお薦めの絶品。
マンガでわかる統計学の第二弾。
たとえば回帰分析の残差が同じ正規分布曲線に乗っていることを説明しているあたりが一番の見せどころか。これまたずいぶんと強い前提条件だと感心していたところ
同様の説明は、
Introductory Ecnometirics Wooldridgeにあることを後に、MIXIで大学の後輩の経済学者に教えていただいた。
「ログをとるのは、この残差を小さくして正規分布にちかづけることも目的なのだ」と総合研究大学院大学の佐々顕教授にご指導いただき、目から鱗（狂喜の感動）。
余談だが回帰分析をピタゴラスの定理で理解させる本もある。
こちらも総合研究大学院大学で佐々木彰教授の講義で使った教科書である。
生物科学のための現代統計学（共立出版）
この本で回帰分析の意味をより直感的に理解できるようになるだろう。

マンガでわかる線形代数

線形代数の雰囲気がつかめた。写像の話もしかり色々頭の中で繋がっていくと勉強は面白い。繋げるための材料を得るためにも、たくさん本を読んで様々な情報に触れておくことが大切だと思う。

マンガでわかる統計学 回帰分析編

ちょっと萌え要素が強めなのが気になるが、シンプルでわかりやすく勉強になった。計算はちょっとやる気がおきない笑

マンガでわかる統計学 因子分析編

漫画でわかる統計学の因子分析編

因子分析の仕組みは、大学教授でも理解しているか怪しい人がいるほどややこしい内容である。
その中でも、非常にわかりやすい文章だった。

ただ、高校数学でギブアップしていた私には、かなり難しい内容でした…笑

マンガでわかる統計学 因子分析編

因子分析がどのようなことを分析する手法なのかについてイメージとしてつかみやすい内容である。
ただし、数学的な内容については、回帰分析編よりも難しく感じた。式の展開も、文字式やΣを用いて記載してもらった方が個人的にわかりやすいのだが、これは対象とする読者のレベルに合わせているのだろうから、必要であればもっと専門的な書籍を読めば良いことである。
因子分析などの分析手法は数学的に折り目正しい手法というよりは、解釈など分析者の主観も多々入る余地があり、このあたりの解説が読んでいて役に立ちそうだった。

マンガでわかる統計学 回帰分析編

イラストのおかげで理解しやすくなっていると思う。
内容は、
・回帰分析：１つの要因（変数）から目的の値を予測する
・重回帰分析：複数の要因から目的の値を予測する
・ロジスティック回帰分析：複数の要因から目的の確率を予測する

それぞれの分析手順・計算方法は説明されているが、仕組みについてはノータッチ。

マンガでわかる統計学 因子分析編

因子分析のみで1冊さいており、読むのに結構な時間を要した。数列を多用しており、計算も高校数学のやや高度なレベルを求められる。
理系大学出身だが、１回で完全理解とまでは至らなかった。

マンガでわかる統計学 回帰分析編

回帰分析の概念について簡単に書かれてあるのかなと思い、読んでみたら、内容は結構高度なことを書いてあった。結論から言うと、回帰分析についての概念をざっくり理解するのには役立つが、細かいところまで理解する事は本書からだけでは不可能である。というのも、かなり曖昧に書かれているからだ。
個人的には、回帰分析と重回帰分析の説明にもう少しフォーカスを当てて丁寧に説明した内容のほうがいいのではないかと思った。難しい事をざっくりと書くだけでも、統計の知識が無い人が読んでも当然分からないし、分かっている人が読んでも数式が無くて何についていっているかわからない。
あと、マンガのストーリーが意外とかなり面白くて、統計学の内容よりマンガのストーリーが気になって途中で集中できなくなってしまったw いいんだか悪いんだか…

ということで、前半の回帰分析の基本的な内容に関しては、分かりやすくて良いと思った。あとはちゃんとした統計学の本を読みつつ、概念的に分からなくなったら本書を使用して理解を促すなど、副読本的な感じで用いるのが良いのかなと思った。

マンガでわかる統計学 回帰分析編

表紙はどうかと
本当に分かったのか、計算できるのかはともかくとりあえずどういうものであるのかというところはまあおさえられたかなあ
行列はほぼやったことがないのでそこもまた、など基礎不足感

マンガでわかる統計学 因子分析編

漫画なので、とっつきやすいです。
サラッと読んでから、
他の本を読むと分かりやすいとおもいます。

マンガでわかる統計学 回帰分析編

マンガなので、とっつきやすいです。
統計の本の数式を見ただけでもクラッとくるような
方にオススメです。

マンガでわかる統計学 回帰分析編

これまた授業中に。

マンガの主人公に負けないように、主人公が「わかった！」なら、
「私も‥！」と一生懸命、薬理の授業中に頑張った。

マンガでわかる統計学 因子分析編

授業中に、授業そっちのけで読んでました。

質問しようにも、先生いないから‥進研ゼミみたいに電話対応して欲しいな。

マンガでわかる統計学 回帰分析編

マンガで分かる統計学シリーズ三冊目。回帰分析の復習で読む。計算式も書いてあるので、分析の概要をざっくり理解した後に、計算式のところを読み直し、内容をより理解するという使い方も出来るという作りになっている。忘れてたことを思い出せてよかった。

マンガでわかる統計学 回帰分析編

「統計学」に続き、回帰分析についても取り上げられた入門書籍。
教材や学問としての入門書にはない、実生活の中で、ストーリーを持った中で、
どのように回帰分析が使用できるかを掴めるので、回帰分析の活用にイメージをもつにはとてもいい書籍だと感じた。

マンガでわかる統計学 因子分析編

多変量解析には、
因子分析、重回帰分析、ロジスティック回帰分析、主成分分析、クラスター分析、構造方程式モデリング、など
標本抽出法には、
単純無作為抽出法、層別抽出法、2段抽出法、層別2段抽出法など
アンケートの世界では、400のサンプルを最低限とする、という考え方がある。賛成反対が5分5分のときに、信頼率95%で10%のぶれの中に納まる数。
探索型と分析型のデータ分析＝手元にあるデータを分析するか、仮説を立ててデータを集めるか、の違い。

複数回答は、いくつでも、のほうが２つまで、より負担が少ない。
数量回答は、回答欄をケタで区切る。
段階の回答は最大で７つまでにする。
真ん中を含めるか含めないか。

相関行列＝対角が同じ短相関係数である行列
固有値、固有ベクトル

主成分分析に制約を課せば因子分析と同じ
主成分分析とは
データの分散が大きいところが主成分
主成分は実在しない新たな変数を作り出すもの
データを基準化＝平均０、標準偏差１にそろえる。
ラグランジュの未定乗数法で計算する
相関行列を作る。
相関行列の固有値と固有ベクトルを求める
最大の固有値に対応するベクトルと2番目のベクトルで直交座標をつくる
各データの第1主成分と第2主成分を求めてグラフ化する
寄与度を計算。第2主成分までで50%以上の寄与度は欲しい。
変数が多いと寄与度は下がる。２つの変数なら２つで100%。

データの分散が最も大きなところの軸を求めるコト、は相関行列の最大の固有値と固有ベクトルを求めるコト、ど同義。

主成分分析は、新たな説明変数を作り出すこと、
因子分析は、隠れた説明変数を見つけ出す、こと。
説明変数の数はあらかじめ想定する。それらの因子負荷量を確認するのが目的。
データを基準化する
任意の共通因子間の短相関係数は0と仮定するのは直行因子モデル、総仮定しないのは斜交因子モデル。

因子負荷量のない目的変数があった場合
それを除いて、あらためて因子分析をやる
因子負荷量の値を下げて、無理やりどの目的変数にも役割を持たせる。おおまかには0.3～0.5程度は欲しい。

回転はバリマックス法が主流。

現在は、主因子法より最尤法、バリマックス法よりプロマックス法、が主流

統計的仮説検定は
母平均の差の検定＝ｔ検定
独立性の検定＝χ二乗検定
母比率の差の検定
母分散の比の検定
wilcixon検定

マンガでわかる線形代数

行列とベクトルまで。初歩の初歩だが、大学で線形代数に落ちこぼれた人には、ちょうどいい。行列が連立一次方程式を楽に描くため、というのはなるほど。線形代数とは要するに次元変換というのもわかりやすい。
マンガは、ベタかつ弱いが、こんなもんかも。それ街くらい面白くしてほしい。無理かw