新・医学と統計(5)

前回のT検定は、いわゆる通常の検定でした。
JASPの特徴は、最近、話題の”ベイズ推定のT検定”が出来ることかも知れません。
そこで、
JASPの特徴でもある”ベイズ推定のT検定”をご紹介しましょう。

前回と同じように、「T-Test」アイコンから、

“BayesianIndependent Samples T-Test”を選択して下さい。

 

変数の選択は、前回と同じ”GTP”と”Group-1"とします。

 

図１　変数と検定項目の選択

 

 注釈；
*****
Dependent Variables（従属変数）→GPT
Grouping Variable（群分変数）→Group1
Hypothesis（仮説）→Group 1≠Group 2
Bayes Factor（ベイズファクター）→BF10
Test（検定）→Student
*****

 

ここで、
”ベイジアン t 検定”が”通常のｔ検定”と違うところは、平均値差の効果量が「0」と言う帰無仮説を立てます。
従って、対立仮説は「0」でないことであり、その判定は「ベイズファク ター」（仮説検定の証拠となる指標）で決まります。
通常、
”ベイジアン t 検定”（ベイズファク ター）で、
● BF10の大きさは対立仮説を採用する（２群の平均値に差がある）判断基準となる。
● BF01の大きさは帰無仮説を採用する（２群の平均値に差はない）判断基準となる。

 

・・このことを意味し、表１の基準で判断が出来ます。

 

表１Bayes(BF値)のFactor基準

----------------------------
1- 3：乏しい
3- 10 ：中程度
10-30：強い
30-100：とても強い
>100：非常に強い
----------------------------

 

では、

例題（GPT）の結果をみてみましょう（図２）。

 

図２　GPTの”ベイジアンt検定”の結果

 

BF10 の値は「16.98」であり、表１から Factor の基準は「強い」と判断されます。
すなわち、
平均値差に関する効果量が「0」という帰無仮説を破棄し対立仮説（平均値に差があること）を採用することになります。

では、
図１において「BF01」を選択したときは、どうなるでしょうか。

「BF01＝0.059」となり、「０」に近く帰無仮説（平均値に差がないこと）の採用は極めてと乏しいと言えます。

 

それでは、
「GOT」ではどうでしょうか。GOTの BF値は次のようになりました。

 

BF10=0.310
BF01=3.221

 

よって、帰無仮説（平均値に差がないこと）を支持することが出来ます。

 

なお、Log(BF10)はBF10の自然対数変換値です。

 

次回に続く！

 

情報統計研究所はここから