統計技術 第Ⅲ部 Free Online Caluclator （例題集）
第3章-4.1：Regression Trees（回帰木）：Wassa.net による法
ここで紹介する樹木モデルは、目的（従属）変数が連続量であれば回帰木（Regression Trees）とか、名義尺度（0,1）であれば「分類木(Classification tree)」とか、「決定木(Decision tree)」と言われるもので、非線形回帰モデルや非線形判別分析の範疇に入る方法である．
主に、データマイニングなどの意思決定の１つの手段としてよく知られている．
ここでは統計技術的に"Free Online Calculator"での方法を紹介する．
これは既に、
「統計技術 第Ⅰ部：第14章-1 樹木モデル」で「R」での方法を紹介しているので参考にされたい．
http://toukei.sblo.jp/article/188432693.html
ここで紹介する「wessa.net」では、「Regression Software→Regression Tree」が用意されているが、残念ながら分類過程や回帰過程の計算が定かでないので、簡単に、その方法を例題の説明（独立）変数が連続量についてのみとし、名義尺度の変数については、次回の「Free Online Calculator」（DATAtab）で紹介する。
例題は、
「R」のMASSパッケージ内の[birthwt]を使った"低出生体重児と変数の関係"を用いる．本例題は、上記URL（統計技術 第Ⅰ部：第14章-1 樹木モデル）で紹介しているが、例題のデータは情報統計研究所の下記 URLにまとめている「出産児体重」ダウンロードして利用すると便利だと思う．
情報統計研究所（データベース）
http://kstat.sakura.ne.jp/dbase/dbase.html
（１）情報統計研究所からダウンロードした「出産児体重」の青色列名のB列～D列のデータ（数値）のみをすべて選択・コピーし使用する（列名はコピーしない）．
「Wessa.net」による方法．
---------------------------------------------------------
「Wessa.net」のトップページから、
↓
Regression Software
↓
Regression Trees
↓
Data X の既存のデータを右クリック→すべて選択→[Delete]キーで削除
↓
上記（１）でコピーしたデータを右クリックで貼り付け（ペースト）
↓
図１ Excel から貼り付けたデータ
↓
図２ 列名の入力
↓
Categorization [ none ]
↓
[ Compute ]をクリック
出力結果：
図３ 分類木（Classification tree）
「出産児体重」の重要な因子として、lwt（母の体重）が表示された．
図３から、lwt<=105(n=37)、lwt>105(n=152)で・・、p-value=0.04（有意）である．
ここでのp-valueは「R」のlibrary(coin)の「independence_test」で求めることができる．
------------------------------------------
「R]
dat<- read.delim("clipboard", header=T) # Excel から例題のデータ（列名を含む）を読み込む．
head(dat)
library(coin) # 事前にインストールしておく．
independence_test(age+ lwt~ low, data=dat)
------------------------------------------
出力結果：
Asymptotic General Independence Test
data： age, lwt by low
maxT = 2.3258, p-value = 0.0394 # 標準化された線形に基づく検定統計量
alternative hypothesis: two.sided
------------------------------------------
independence_test() は任意の尺度で測定された２群の変数の独立性を検定する関数である．
注釈；
名義尺度（0、1）の説明（独立）変数については、次回に別の「Free Online Calculator 」（DATAtab）で紹介する．
次回に続く！