更新: 2020-08-02 14:32:18
生態学のデータ解析 - 本/データ解析のための統計モデリング入門
データ解析のための統計モデリング入門: 一般化線形モデル・階層ベイズモデル・MCMC
- 例題データ、コードあれこれ: kubobook_2012.zip (26 MB, 2017-01-23)
- 著者: 久保拓弥
- 出版社: 岩波書店, シリーズ「確率と情報の科学」
- 編集: 甘利俊一,麻生英樹,伊庭幸人
- 刊行と( まちがい・修正一覧)
- 第 1 刷刊行: 2012 年 5 月 18 日
- 第 17 刷刊行: 2020 年 6 月 4 日
- 講義のーと の内容を詳しく説明したものです
- 原稿時点の PDF ファイル (参考用)
- 韓国語版 (翻訳は滋賀大の李鍾賛さん, 2017-09-15)
本の情報
「統計モデリング入門」ネット上のあれこれ (のごく一部)
- 丸善・ジュンク堂書店の「今年驚いた! 1 冊」の「驚きの出版賞」 に選ばれました! (web archive, KuboLog 2012-12-20)
- Amazon カスタマーレビュー
- はてな出版物 -- 言及ブログへのリンクなどがあります!
- ブクログ, 読書メーター
- やぐさん: 「データ解析のための統計モデリング入門」読書ノート (2012-10-14)
- Fumiaki Nishihara さん: 『データ解析のための統計モデリング入門』のレビュー (2012-08-10)
- 同じく 学問における内輪の「秘儀」 (2012-08-10)
- teramonagi さん: 「最大対数尤度のバイアス補正」について from 書籍:データ解析のための統計モデリング入門 (2012-06-24)
- heartruptcy さん: 「データ解析のための統計モデリング入門」 (2012-05-29)
- mahha1024 さん: データ解析のための統計モデリング入門 (2012-05-25)
- やまかつさん 「データ解析のための統計モデリング入門」読書会 (2014-05-13 から)
とりあえずの……例題のファイルおきば
- このサイトの例題データあれこれは public domain みたいなかんじ (つまり久保は著作権を放棄) で自由にあつかってください.
- kubobook_2012.zip (26 MB, 2017-01-23):例題と以下のコード (+ 作図関連のファイル) の一括DL
- 参照: JAGS 版ファイル.zip (2015-04-14): とりあえず第 8, 9, 10 章の例題に対応
- 参照: Jupyter notebook で練習 (飯塚修平さん 2016-04-19)
各章リンク: 第01章 第02章 第03章 第04章 第05章 第06章 第07章 第08章 第09章 第10章 第11章
第 1 章
第 2 章
- data.RData
- 参照: kaz_yos (Kazuki Yoshida) さんが第 2 章の内容の R コード・図の出力を RPubs にまとめてくださいました (2013-01-02)
第 3 章
- data3a.csv
- うまく読めない場合は R 上で以下の命令を実行してください:
第 4 章
- data.RData (
m.data
の一列目) - FAQ モデル選択
- 補足説明: 図 4.10 と 4.12 の意図 (「ネストしてない例」ではない)
- 補足説明: 真のモデルを含んでいる → AIC の導出
- 参照: teramonagi さんの 最大対数尤度のバイアス補正
第 5 章
- data3a.csv
- pb.R (←こらがおすすめ!)
- 本文 p.104 方式 - pbnew.R
第 6 章
- data4a.csv (ロジスティック回帰)
- data4b.csv (offset 項)
- d.RData (ガンマ分布 GLM)
- dispersion parameter phi について → Gamma 分布の GLM
第 7 章
- data.csv
- 参照: やぐさんの 「データ解析のための統計モデリング入門」読書ノート 7章 GLMMとGLMを比auss-Hermite較する
- 大坪さん (創価大) から p.159 などに掲載されている推定結果についてのご指摘をいただきました (2012-12-25):
- 掲載されている
glmmML()
の推定結果はmethod="ghq"
を指定した場合に相当- これは対数尤度の積分に Gauss-Helmite 法を使っている
- 何も指定しないで
glmmML()
を使用した場合には,推定値などが少し異なる結果が得られる- default では
glmmML()
は Laplace 近似法 ({#code method="Laplace"}) を使うため
- default では
- 掲載されている
第 8 章
- data.RData
- あるいは
data <- c(4,3,4,5,5,2,3,1,4,0,1,5,5,6,5,4,4,5,3,4)
- あるいは
- 参照: やぐさんの 「データ解析のための統計モデリング入門」読書ノート 8章 MCMCとメトロポリス法
第 9 章
- d.RData
- WinBUGSのインストール解説 -- Linux や MacOS X についても言及
- id:dichika さんの 緑本メモ も参照してください -- JAGS で例題を動かす方法が説明されています!
- model.bug.txt
- runbugs.R
- R2WBwrapper.R (9, 10, 11 章で使用)
- R2WBwrapper.R をうまく読み込めない人は
source("https://kuboweb.github.io/-kubo/ce/r/R2WBwrapper.R")
を試してください (インターネットに接続された状態で)
- R2WBwrapper.R をうまく読み込めない人は
- 作図用 R コード
- 図 9.6: fig09_06.R
- WinBUGS による推定結果の一例 post.bugs.RData
第 10 章
- data7a.csv
- runbugs.R
- model.bug.txt
- 参照: 伊東さんによる Stan による実装 (Stan)
- 作図用 R コード
- 図 10.3 fig10_3.zip
- 図 10.4: fig10_04.R
- WinBUGS による推定結果の一例 post.bugs.RData
- R2WBwrapper.R (9, 10, 11 章で使用)
- R2WBwrapper.R をうまく読み込めない人は
source("https://kuboweb.github.io/-kubo/ce/r/R2WBwrapper.R")
を試してください (インターネットに接続された状態で)
- R2WBwrapper.R をうまく読み込めない人は
- 10.5 節 (ブロック差) d1.csv
- runbugs.R
- model.bug.txt
- 参照: 伊東さんによる Stan による実装 (Stan)
- 参照: やぐさんの「データ解析のための統計モデリング入門」読書ノート 10章 階層ベイズモデルの生成過程とグラフィカルモデル
第 11 章
- 例題データ Y.RData
- CAR model の例 (11.2.2 項, 11.3 節)
- runbugs.R
- model.bug.txt
- 作図用 R コード
- 図 11.4: fig11_04.R
- WinBUGS による推定結果の一例 post.bugs.RData
- R2WBwrapper.R (9, 10, 11 章で使用)
- R2WBwrapper.R をうまく読み込めない人は
source("https://kuboweb.github.io/-kubo/ce/r/R2WBwrapper.R")
を試してください (インターネットに接続された状態で)
- R2WBwrapper.R をうまく読み込めない人は
- GLMM model の例 (11.2.1 項, 11.5 節)
- 全部まとめて推定 (欠測あり・なし,CAR と GLMM)
- 参照: 例/car.normal()
- 参照: 伊東さんによる library(hSDM) の紹介,この第 11 章の例題をあつかっている
雑
- 2008 年 4 月時点での メモ
自由にダウンロードできる Appendix についてのメモ
準備しようかと予定している内容
- 主要な作図コードなど (R)
- 例題の生成とかも?
- BUGS code
- R2WinBUGS な R コード
- 第 3 章 (GLM)
- 多重共線性と説明変数間の相関
- 第 6 章 (GLM 2)
- 正規分布,ガンマ分布の例題をくわしく
- 第 7 章 (GLMM)
- 負の二項分布 (6 章?),混合ポアソン分布の統計モデル
- 第 9 章 (ベイズ化 GLM)
- WinBUGS の使い方をもっとくわしく
- 数値計算後のクラス変換,作図など -- とくに quantile() の使いかたなど
- JAGS 対応!! (第 9-11 章)
- 第 10 章 (ベイズ化 GLMM)
- 個体差+植木鉢差の例題をもっとくわしく, MCMCglmm であつかう