新・医学と統計(12)

それでは、
前回の続きでベイズによる相関分析をやってみましょう。

例題は、前回の「ZTT-Protein.csv」を使います。

初めての方は、
前回のブログを見て情報統計研究所からデータをダウンロードして下さい。

 

JASPの実行：
*****
「ZTT-Protein.csv」の読込
↓
Regression アイコン
↓
Beyesian Correlation Matrix
↓
「ZTT と a2Glb」を選択し、この関係を見てみましょう。
↓
図１　分析方法の選択　

 

図1の仮説検定を任意に選択してみて下さい。

◎ Correlated positivity：正の相関に関する検定結果を見る。
◎ Correlated positivity：負の相関に関する検定結果を見る。

↓
図２　分析結果（相関行列）　

 

 

「Pearson's r=-0.095, BF10=0.298」で相関関係は非常に弱い様です。

 

↓
図３　分析結果（相関散布図）　

 

 

相関散布図と回帰直線が示されています。

 

それでは、
「ZTT と gGlb」の関係はどうでしょうか？
↓
図４　分析結果（ZTT：gGlbの相関行列）　

 

「Pearson's r=-0.893, BF10=116453」で相関関係は非常に強い様です。
相関の強さは、BF10の[*]～[***]マークを見れば見当がつくでしょう。

 

↓
図５　分析結果（相関散布図）　

 

 

「ZTT と gGlb」の直線関係が分かります。

 

ここで、
Regression → Bayesian Correlation Pairs
↓
図6　事前・事後の分布の選択　

 

 

赤矢印を選択してみて下さい。

 

↓
図７　事前・事後の分布　

 

 

「事前（Prior）の一様分布と事後（Posterior）」の分布が示されます。

 

↓
図８　帰無仮設（H0）と対立仮設（H1）の図示　

 

 

BF10とBF01の値と、事後分布のmedian=0.862, 95% CI [0.699, 0.955]が表示されると共に「dataH1：dataH0」の関係がイラストで示されています。

 

その他、
「Linear Regression」、「Baysisian Linear Regression」も同じ要領で色々と試してJASPの機能を確かめて下さい。

 

次回に続く！

 

情報統計研究所はここから。