日本行動計量学会主催 第４回春の合宿セミナー グループ:狩野　裕（大阪大）：反復測定データの分析 2002/03/21-22 SPSS Japan Inc. Kazushi Ara

SPSS: 一般線型モデルで分割法デザインデータの分析 SPSS のGLMコマンドによる分散分析について ANOVA MANOVA 修正ANOVA 単純主効果

SPSS: 一般線型モデルで分割法デザインデータの分析 データ: 演習問題用データ http://koko15.hus.osaka-u.ac.jp/~kano/research/application/gasshuku02/assignment.html ※ データの読み込みは、シンタックス ファイル “data_preparation.SPS”を参照。

SPSS: 一般線型モデルで分割法デザインデータの分析 ANOVA、MANOVA: GLMコマンドにより可能。 修正ANOVA: εの種類 Greenhouse-Geisser epsilon Huynh-Feldt epsilon Lower bound epsilon ※ 反復測定の場合に自動的に計算

SPSS: 一般線型モデルで分割法デザインデータの分析 単純主効果の検定の場合: “EMMEANS” キーワードを使用 /EMMEANS (factor*factor) COMPARE(factor) GUIからの計算はできないため、シンタックスコマンドを使用 例 /EMMEANS = TABLES(a*時間) COMPARE(a) ADJ(LSD) /EMMEANS = TABLES(a*時間) COMPARE(時間) ADJ(LSD) 比較の方法は、LSDの他に、Sidak、BONFERRONI法が使用可能

SPSS: 一般線型モデルで分割法デザインデータの分析 シンタックス例 メニューからは、[分析] >> [一般線形モデル] >> [反復測定]の手順で実行! GLM time0 time1 time2 BY a /WSFACTOR = 時間 3 Polynomial /METHOD = SSTYPE(3) /PRINT = OPOWER /EMMEANS = TABLES(a) COMPARE ADJ(LSD) /EMMEANS = TABLES(時間) COMPARE ADJ(LSD) /EMMEANS = TABLES(a*時間) COMPARE(a) ADJ(LSD) /EMMEANS = TABLES(a*時間) COMPARE(時間) ADJ(LSD) /CRITERIA = ALPHA(.05) /WSDESIGN = 時間 /DESIGN = a . 多重比較 観測検定力 単純主効果

SPSS: 一般線型モデルで分割法デザインデータの分析 球面性の仮定

SPSS: 一般線型モデルで分割法デザインデータの分析 多変量検定 (MANOVA)

SPSS: 一般線型モデルで分割法デザインデータの分析 被験者内効果の分散分析 with ε修正

SPSS: 一般線型モデルで分割法デザインデータの分析 被験者間効果の分散分析

SPSS: 一般線型モデルで分割法デザインデータの分析 被験者内効果“時間”の単純主効果の比較

Mixed Model による分析例題 Model1: Fixed Effects ANOVA Model Model2: Randomized Complete Blocks Design Model3: Split-Plot Design Model4: Purely Random Effects Model Model5: Random Coefficient Model Model6: Multilevel Analysis Model7: Unconditional Linear Growth Model Model8: Linear Growth Model with a Person-level Covariate Model9: Repeated Measures Analysis Model10: Repeated Measures Analysis with Time-dependent Covariate

Mixed Model による分析例題 MIXED コマンドにより実行可能 GLMのMixed Modelとの違い 同じ変数を、固定要因/変量要 因の両方で使用する事ができな い。 MIXED: 多変量、反復測定で使用可 共分散行列の構造が6種類 AR1 CS HF ID UN VC

Mixed Model による分析例題

Mixed Model による分析例題 SPSS... 分割法データの分析(単純主効果のANOVAと多重比較を含む) 成長曲線モデルの分析(データは表7.1) 　　　　　　 　　　　　 図7.4... unconditional linear growth mdodel 図7.8... linear growth model with a person-level covariate データ: 演習問題用のデータを使用 * Unconditional linear Growth Model * Linear Growth Model with a person-level covariate

Mixed Model による分析例題 データ変換 一変量型へ変換 P224からt=0、1、2、･･･とするため新たに“ctime”という変数を作成し、その変数を共変量として使用する。 共変量 ※ データの読み込みは、シンタックス ファイル “data_preparation.SPS”を参照。

Mixed Model による分析例題

Mixed Model による分析例題 シンタックス コマンド例 * Unconditional linear Growth Model data WITH ctime /FIXED = ctime /RANDOM = INTERCEPT ctime | subject(s) COVTYPE(ID) /PRINT SOLUTION /SAVE = FIXPRED PRED RESID . 固定効果 ランダム効果 パラメータ 予測値の保存 * Linear Growth Model with a person-level covariate MIXED data WITH a ctime /FIXED = a ctime a*ctime /RANDOM = INTERCEPT ctime | SUBJSET(s) COVTYPE(ID) /PRINT SOLUTION /SAVE = FIXPRED PRED RESID .

Mixed Model による分析例題 全ての基準で小さい！ * Unconditional linear Growth Model * Linear Growth Model with a person-level covariate

Mixed Model による分析例題 * Unconditional linear Growth Model * Linear Growth Model with a person-level covariate

Mixed Model による分析例題 AMOSによる結果 * Unconditional linear Growth Model Chi-square = 77.838 Degrees of freedom = 2 Probability level = 0.000

Mixed Model による分析例題 AMOSによる結果 * Linear Growth Model with a person-level covariate Chi-square = 78.375 Degrees of freedom = 3 Probability level = 0.000

Mixed Model による分析例題 * Unconditional linear Growth Model ・ 回帰結果:416.849138 -56.072083*ｔ * Unconditional linear Growth Model ・ 個人差 * Linear Growth Model with a person-level covariate ・ 回帰結果: 332.815500 -168.067277*a -37.170166*t -37.803833*a*t 個人差

Mixed Model による分析例題 個人差のグラフ * Unconditional linear Growth Model

Mixed Model による分析例題 個人差のグラフ * Linear Growth Model with a person-level covariate

Mixed Model による分析例題 個人差の グラフ2 * Unconditional linear Growth Model

Mixed Model による分析例題 Multilevel Analysisの例 t=0,1,2 ある地域 A学校 E学校 B学校 D学校 クラス 1 クラス 12 クラス 11 B学校 D学校 クラス 2 C学校 クラス 8 クラス 9 クラス 10 クラス 3 クラス 4 クラス 5 クラス 6 クラス 7

Mixed Model による分析例題 データについて ※ データ ファイル: “multilevel.sav”

Mixed Model による分析例題 シンタックス コマンド例 MIXED score WITH time /FIXED = time /METHOD = REML /PRINT SOLUTION /RANDOM = INTERCEPT time | SUBJECT(school) COVTYPE(ID) /RANDOM = INTERCEPT time | SUBJECT(school*class) COVTYPE(ID) /RANDOM = INTERCEPT time | SUBJECT(school*class*student) COVTYPE(ID) . ※ シンタックス ファイル: “multilevel.SPS”

Mixed Model による分析例題 結果

Mixed Model による分析例題 Q: [狩野先生の疑問：SAS SPSS のmixed modelで、単純主効果の分析ができるのでしょうか？] A: 現バージョンのMixed Modelでは不可能です。