Becoming a Better Professor

Nigel Ward
Computer Science Department
University of Texas at El Paso

You're a new assistant professor? Not quite on top of it yet?
Here are some books etc. that may help:

Becoming a Better Professor: Some Good Books (Research, Teaching ...)
http://www.nigelward.com/professing.html

Student edition of LISREL for Windows

Student edition of LISREL for Windows
Free Download
http://www.ssicentral.com/lisrel/student.html
SEMでは観測変数は１５変数までとされている。

Basic examples
http://www.ssicentral.com/lisrel/examples.html
データと分析の例が参照できる。

結果の記述 その方針と順序

雑誌に投稿する論文をまとめる際、結果の部分には、「発見」と同時に査読者にわかりやすいstoryが必要(Salovey, 2000, p.125)である。Salovey (2000)や入戸野(2004)を参考に、結果の記述のポイントをまとめてみた。

(1) 結果の記述順序を、論文の他の部分と一致させる。
　たとえば、Introduction の仮説の部分や，MethodのDesignであげた要因の順序などと対応させると、わかりやすくなる。
(2) statistics-based（統計結果の羅列）ではなく、"tell a story"を心がける。
　検定の結果を羅列しては、その処理の目的は読み手に理解しづらい。読み手に仮説を想起させ(remind)ながら読ませる工夫が必要。処理の目的や仮説に言及してから、結果を記述する。
(3) 文章、記述統計、検定結果という順序が原則。
　ANOVAのような検定の前に、平均値などの記述統計が簡潔に述べられるべきである。さらにその前に、文章で結果の傾向が要約されるほうがわかりやすい。
(4) 検定結果などは表にまとめることも考慮する。
　ANOVAが複雑な場合などは、表にまとめることがAPA manualでも勧められている（Ver. 5, 訳書pp.138-141）。
(5) p値は無駄に小さな値まで書かない。
　p値が小さい方が効果量が大きいと誤解しているという印象を与える。

cf.
Salovey, P. (2000). Results that get results: Telling a good story. In R. J. Sternberg (Ed.), Guide to publishing in psychology journals. Cambridge, UK: Cambridge University Press. Pp. 121-132.
GoogleBooks

反復測定ANOVA 自由度の調整と結果の記述

乱塊法で同一被験者に繰り返し測定を行った場合，球面性の仮定が成立しないならば、分散分析では自由度を調整することがある。その際結果の記述では、F値と調整「前」の自由度，自由度調整後に得られたp値，ε をこの順序で記載すればよいだろう（入戸野,2004,p.278）。
記述に際しては
The Huynh-Feldt ε correction was used to evaluate F ratios for repeated measures involving more than one degree of freedom.
などと書いておけばよい（同）。

なお、自由度の調整は調整前のdfに、球面性からの逸脱の程度を表わす係数ε（イプシロン）をかけたものである。したがって、εとdfがあれば、調整後のdfは求められる。

反復測定の分散分析については、以下なども参照。

http://www.ec.kagawa-u.ac.jp/~hori/spss/tokidoki2.html#30

References
入戸野 宏. (2004). 心理生理学データの分散分析. 生理心理学と精神生理学 22, 275-290.
http://home.hiroshima-u.ac.jp/nittono/ANOVA_JSPP2004.pdf
被験者内計画の分散分析と多重比較および効果量について、詳しい解説が含まれている。統計を利用する研究者の立場で書かれており、雑誌に投稿する際の注意点にもふれている。

対応がある場合の計数データの検定

ありがちな間違いのひとつ。大学院生などに何度か質問されたので、ここにまとめておくことにした。

計数データで対応がある場合に、対応がない場合のようにχ二乗検定を行っていることがある。以下の場合では、代わりにマクネマー検定が行われている（χ二乗分布は使用される）。「対応」については、量的変数ではt検定や分散分析などでしつこく言われるので意識されているようだが、計数データでは独立な場合と「何か違う」程度で、具体的にどうしたらよいかは意外に盲点になっているようだ。

Rの例：対応のあるデータの分析に対応のないデータの分析法を使おうとする
RjpWiki


SPSSで計算したいという人もいるので。

ＳＰＳＳによる例：χ2検定とMcNemar検定（マクネマー検定）
http://www.ibaraki-kodomo.com/toukei/chi.html


検定の名前とソフトウェアの使い方だけでは心細い。対応がない場合のχ2検定との関係や二項検定なども含めて理解しておきたい。

対応のある場合の比率の差の検定（マクネマー検定と二項検定）（群馬大学、青木繁伸氏）
RとSPSSが採用している方法の比較もふれられている。
http://aoki2.si.gunma-u.ac.jp/lecture/Hiritu/McNemar-test.html

ベイズ統計入門

ベイズ統計については、以下などを参照。

ベイズ統計学（松原望氏）
http://www.qmss.jp/appstat/contents/bayes/default.htm

Rでベイズ統計学
RjpWiki

Responding to reviewers' comments

英文雑誌へ投稿した際に、reviewerのコメントにどのような文章で答えるかは気を使う問題だ。心がまえのようなものはいくつかあるだろうが、ここでは具体的な表現に関するものを探してみた。

具体的なポイントの他に、cover letter の例文も示されている。スライド形式で見やすい。
http://www.slideshare.net/HSLUofM/responding-to-reviewers-comments

修正対応表の形式で、簡潔な表現が参考になるだろう。
http://www.nursing-research-editor.com/authors/OMR/43/OMRAuthorResponses.pdf

ひとつひとつのコメントに返答する文章の例として参考になる。
http://www.hydrol-earth-syst-sci-discuss.net/6/C625/2009/hessd-6-C625-2009-supplement.pdf

雑誌記事の一部で、投稿全般についてのアドヴァイスだが、reviewerへの返答の例もある。
http://www-fhs.mcmaster.ca/surgery/documents/preparing_reports.pdf

コメントへの返答の考えかた。
http://archpedi.ama-assn.org/cgi/reprint/156/2/105.pdf

具体的な返答例にリンクしている。
http://enl.usc.edu/~ramesh/writings/responding_to_reviewers.html

Fusiform gyrus: Ramachandran on your mind

Ramachandranが、Fusiform gyrus（紡錘状回）と顔知覚の関係を含めて一般向けに脳の話をしている。共感覚や有名な幻肢の治療例もリアルに紹介される。

Talks VS Ramachandran on your mind
TED.com
http://www.ted.com/talks/vilayanur_ramachandran_on_your_mind.html

cf.
Fusiform gyrus
http://www.med.umich.edu/lrc/coursepages/M1/anatomy/html/atlas/n1a2p13.html

検定力分析プログラム G*Power3

　サンプルの大きさ，有意水準（α），検定力（検出力：1－β），効果量の4 つの間には，他の3 つが決まれば残りの1 つが決まるという関係がある（村井, 2006）。
　G*Power3は、設定した有意水準（α）、検定力（1-β）、効果量から必要なサンプルの大きさをもとめることができる（その他の組み合わせも可）ソフトウェアG Powerの最新版で、下記サイトからダウンロードできる（フリー）。Mac OS X 10.4 および Windows XP/Vista　に対応する。
　使い方は、オンラインヘルプ（親切で明快：英文）を参照。
　実際には実験に先立って、先行研究や予備実験から効果量を推定し、設定したαおよび目標とする1-βから、必要なサンプルの大きさを求めることになるだろう。なお、G*Powerで出力される Total sample size は、複数の群のサンプルの大きさをあわせたもので、対応のある場合などには解釈に注意すること。
　日本語での解説も、検索で見つかるようだ。


G*Power3
Institut fur Experimentelle Psychologie/Heinrich-Heine-Universitaet Duesseldorf
http://www.psycho.uni-duesseldorf.de/abteilungen/aap/gpower3/


References
村井潤一郎. (2006). 「サンプルサイズに関する一考察」 吉田寿夫 (編) 『心理学研究法の新しいかたち』 114-141. 東京：誠信書房.

---
以上、2007-09-23 掲載のものに一部加筆

Mid-level vision

Nakayama, K. (1999). Mid-level vision. In R. A. Wilson & F. C. Keil (Eds.), The MIT encylopedia of the cognitive sciences Cambridge: MIT Press

Nakayama, K. , He, Z.J. and Shimojo, S. Visual surface representation: a critical link between lower-level and higher level vision. In Kosslyn, S.M. and Osherson, D.N. Vision. In Invitation to Cognitive Science. M.I.T. Press, p. 1-70, 1995


http://www.visionlab.harvard.edu/Members/Ken/nakayamapub.htm

IRT & R

院生などが項目反応理論を手軽に理解するための資料として、以下のものをあげる。

小杉研究室（山口大学）
http://www.kosugitti.net/studies.html

Rで実行する例は以下参照。
RjpWiki

ブーツストラップ精神

院の統計でブーツストラップbootstrap法にふれる機会があった。データから無作為再抽出を繰り返し、密度関数を推定したり誤差を評価する。正規分布のような確率分布を仮定せずに、データから推定量の確率分布を導きだし信頼区間などをもとめるという点は、「ブーツストラップ精神」ともよべる。
以下に、前にもとりあげたRでブーツストラップを実行する例がある。Matlabでの実行例は本blog内でもいくつかあげている。
cf.
http://cse.niaes.affrc.go.jp/minaka/R/R-resampling.html

統計量の誤差、つまり分散をいかに推定するか、という問題。
cf.
http://cse.niaes.affrc.go.jp/minaka/R/statistiek2007-9.pdf#search='ブーツストラップ%20モンテカルロ'

重回帰の標準偏回帰係数 by R

このサイトでも以前取り上げたと思うが、大学院の講義でRを使って標準偏回帰係数をもとめる方法を試してもらった。
lm()にとりこむデータセットを、scale()をつかって標準化しておく。
cf.
RjpWiki Q&A

神経回路学会 サマースクール

神経回路学会による若手向けのサマースクールのテキストが公開されている。「一次視覚野の特徴抽出性の形成メカニズムとニューロン活動の統合」（佐藤宏道：大阪大学健康体育部）では、「受容野刺激に対する反応の背景刺激による修飾作用：刺激文脈依存的な活動のコントロール」が取り上げられている。また、「視覚における脳内表現 」（小松英彦： 岡崎国立共同研究機構生理学研究所,総合研究大学院大学生命科学研究科）は、このような文脈依存的修飾にくわえて、空間的な補間、特徴の統合とスパイクのタイミング／同期の関係を今後の問題としている。

神経情報科学サマースクール
Neuro-Informatics Summer School, 1999 (NISS*99)
「大脳皮質の情報表現」
分散的/確率的/同期的パターンはどこから生まれ、何を意味するのか

NISS*99 コーステキスト
http://jnns.org/niss/1999/text.html

日本神経回路学会
http://www.jnns.org/

cf.
小松研究室　自然科学機構
http://www.nips.ac.jp/scinfo/

判別分析 マハラノビスの距離

群間で母分散共分散行列が等しくないとき、マハラノビスの距離を判別に用いることになる。母分散共分散行列の検定にボックスＭ検定があるが、以下ではエクセルでこの検定をふくむ判別分析の例が示されている。

EXCELを使った多変量解析（原口正行氏）
http://gucchi24.hp.infoseek.co.jp/HANBETU.htm

cf.

判別分析とパターン認識の関係に興味があれば、以下のものも参考になるだろう。
浅野 晃/応用統計学(2008 年度前期) 第8回 (08. 6. 5)
http://laskin.mis.hiroshima-u.ac.jp/Kougi/08s/AS/AS08pr.pdf