†TOP PAGE
†研究室紹介
†所蔵書籍
†その他
|
第72回心理学会ワークショップ
Rによるデータマイニング入門
企画者：岩間徳兼
司会者：豊田秀樹
近年のWeb調査やPOS(Point of Sales)システムの普及により、今やデータは「集める」ものから「集まる」ものへと姿を変えつつあります。このように次々と蓄積されていく膨大なデータから消費者の心理に関する有益な情報を探し出すためには、目的(予測、判別、分類、ポジショニング、ルール抽出など)に応じて適切なデータマイニング手法を用いる必要があります。ここでは、ニューラルネット、決定木、自己組織化マップ(コホーネンネット)、連関規則(アソシエーションルール)の４つの手法を取り上げ、フリーの統計解析ソフトRによる実データの分析例を示します。Rは無料でありながら多数の高度な統計分析に対応しており、心理学のみならず、工学、経済学など様々な分野で利用されています。しかしながら、プログラミング言語であるが故、一度も触れたことのない方には難しい印象を与えがちです。本ワークショップでは、初学者にも分かり易いように上記手法に関するプログラム例、実行例を紹介していきます。
Rによるニューラルネット
Rのパッケージ"nnet"とパッケージ"neural"を用いて逆伝播法を学習アルゴリズムとした階層型ネットワークモデルを分析する方法を実データ分析例によって紹介します．
Rによる決定木
予測変数の値を分岐させながら樹木を成長させ，モデルを構築する手法である決定木の分析手法をRのパッケージ"mvpart"を用いて行う方法を紹介します．
Rによる自己組織化マップ
ポジショニングマップを描くための代表的手法である自己組織化マップについて，Rのパッケージ"kohonen"による実行方法とその分析例を紹介します．
Rによる連関規則
"おにぎりを買った人はお茶も買う"に代表される連関規則を抽出する方法であるバスケット分析について，Rに含まれるパッケージ"arules"を用いた実データ分析例を通して紹介します．
心理学に活かすベイズ的アプローチ
―MCMC入門―
企画者：福中公輔
司会者：豊田秀樹
近年，様々な統計モデルにおいてベイズ的アプローチが注目されている．ベイズ統計学の歴史は古く，これまでもその重要性は認識されてはいた．しかしベイズ統計はシンプルなモデルを扱う際にも高次元の確率分布を積分する必要があり，その困難さが理由で利用されることはほとんどなかった．そのブレイクスルーとなったのがMCMC（マルコフ連鎖モンテカルロ）法である．MCMCを利用することで事後分布を数値的にシミュレートして推定量の分布を直接調べることが可能となり，このためほとんどの統計モデルにおいて標準的にベイズ推定をすることができるようになった．これは統計学における近年の目覚しい変化の1つである．本ワークショップでは，このMCMCを利用したベイズ推定の理論的基礎を説明する．また，統計解析ソフトウェアRの使い方も説明し，実際の心理学研究に利用する方法を，応用例を交えながら解説する．
ベイズ的アプローチの導入とMCMCの基礎
ベイズ統計学やマルコフ連鎖モンテカルロ（MCMC）法についての導入的な内容を解説しました．
BRugsによる基礎的統計分析の記法
MCMCのソフトウェアBRugsの使用方法の解説とベイズ推定を利用することの御利益について発表しました．
MCMCにおける収束判定技法の利用
収束判定の方法について解説しました．
MCMCの応用
心理学の分野でよく利用される統計手法（因子分析・カテゴリカル因子分析・トービット回帰分析）について，MCMCを利用したベイズ法で解析を行う方法について解説しました．
|