ぎょーむ日誌 2003-01-29

2003 年 01 月 29 日 (水)

• 0820 起床． 朝飯． コーヒー． 0900 自宅発． 曇． 0910 研究室着．
• 昨日の推定プログラムをちょっとだけなおす． とりあえずはこれで使えるだろう．
• ヒトに「教えさせる」のがうまい M1 大澤君が統計学質問 …… ぶんさんぶんせきぃ? 私があまり好きでないというかあまり得意ではないハナシだな． まぁ， 勉強のつもりで検討してみるか． ついでながら， 私がこれに negative な印象をもってる理由としては
  • 前提がへぼい
  • それなのにそれらの上に細かいお作法体系が構築されている
  • 前二者をよく理解してないヒトにかぎって 盲従状態で使っている→ゆーい差決戦主義者になる
• Tukey が ANOVA とゆーコトバを使い始めたときに， それは(いろいろななんらかのカタチの) 線形モデル一般を 取り調べる手法体系を意味してたのではなかろーか …… と憶測してるんだけど， これを「広義の分散分析」とよぶなら， こんにちこのぎょーかいで「分散分析」 と称されているシロモノは狭義のそれをさしている， と言えるのかもしれない． 平均値そのものがホントに線形であり， ばらつきは等分散の正規分布 (これは「誤差」と呼ばれてるが …… どういう意味で誤差と呼んでいるかはいまいち意味不明)． この手法を使っているヒトたちに 「どうして正規分布なのか?」 「検定に使ってる F 分布は何をあらわすのか?」 といった質問をしてまともな答弁が返ってくる確率は低い．
• それはともかく …… 大澤君のすとらてじーとしては， 青木 R ペイジ の便利そうな関数を使って， とりあえずアタリをつけよう， というもののようで． で， それを解読してるとかとー先生から 「そんなの使うのやめたほうがいいですよ」 との助言なので， ほうりだしてふつーに R を使ってみる． 青木さんのは自分で関数つくるときとか かなり 参考になるんだけどね ……
• で， ふつーにやってもごく簡単にできるわけで．

	obs <- scan("data.txt", sep = ",", list(x0 = 0, x1 = 0, y = 0))
	obs$x0 <- factor(obs$x0) # 名義変数に変換
	obs$x1 <- factor(obs$x1)
	model <- aov(y ~ x0 + x1, data = obs)
	summary(model) # 結果の表示

• 少し Sokal & Rohlf 本など調べてみて， 大澤データの場合は交互作用とやらを考慮せんといかんようで． その場合は

	model <- aov(y ~ x0 * x1 , data = obs)

とすればよい． ということで午前中終了．
• 1230 北大構内走発． 晴． 1305 研究室帰着． 昼飯．
• 昼からも呪われ正規分布モデル談義． かとー先生から mixed model とか使ったら， という助言．
• これまた分散分析なヒトたちが モノごとをわかりにくくするためだけにでっちあげてる じゃーごんなんだけど，
  • fixed effect: 観測値の分布の平均にだけ影響をおよぼす効果
  • random effect: 観測値の分布の分散にだけ影響をおよぼす効果
  • mixed model: fixed と random effect の両方を同時に考えるモデル
  とゆーことになる． 私などは 「そういう分類なんぞやめて， 観測値が従う確率論的モデルを明示的に書いてしまって， データからそういう『効果』なるものが 直接的に推定できるかどうかチェックしてみろ」 そっちのほうがよほどすっきりすると思うわけだが， 「変数変換すれば 世の中なにもかも等分散の正規分布になるに決まっています， なぜなら以前からそうに決まっているからです， そうなっていないとしたら現実のほうが間違っています」 なるわくぐみにかじりついてるこの方法論の世界では， 分散パラメーターだけをわかりにくくいじったりして， ホントに気分わるくなる計算やったり， とか．
• ということで， 午後の前半はあまり楽しくない世界を 私なりに理解しなおしてみようと努力してみる …… 自分がよく使っている推定計算法と 旧来の手法との互換性がどうなっているのか， という問題はたしかに重要かもしれない．
• で後半は来週に提出されるべき 修論のデータ解析がまだぜんぜんできてません， という昨日の問題のつづき． 一日たってもあまり進歩してない． あいかわらず 「なぜそういうふうにデータをとったのか?」 というのがよくわかってないまま， いいかげんなことをやってるな．
• 研究開始時点で了解しているべきことをいまさら いちいち確認していたら …… Trendy セミナー を逃してしまった． やれやれ．
• 「ちょっとこういう図を作ってみたら」 と言ったら 1 時間ちかくもかけてようやく作図してくる． いったい何がどうなってるのかと元データファイルをみると …… はい， いつものごとく人力操作がほとんど不可能な 超巨大すぷれっどしーと (しかもすごく sparse で扱いにくい) の英雄的な手作業で ようよう作図してるという情景． 何の工夫すらないゑくせりあんの末路はこういうものだ．
• うんざり度が飽和したので， データの一部についてはこっちで解析する， という強権発動 (でないと永久に終了しない)． で， その腐れたシートから必要なところ (ごく一部) を切り出してもらって， それをテキストファイルとして解毒．
• 私の計算機に転送． もちろん私は自分もしくは他人の手作業データ処理の正確さなんぞは まるっきり信用していないので， まずは簡単な整合性点検プログラムにほうりこんでみる …… さっそく切り出し操作ミスによる間違い発見．
• そういう過失なんぞは無視しつつ解析・作図してしまう， とゆーのがゑくせるな「目で見て手で操作」 の正調なお作法だというのは重々承知しているので， 今さら何とも思わない． こことここが変なので直してくれ， と再発注． また時間がかかる．
• とりあえず「すぐに見つかる間違い」のたぐいは なくなったようなんで今日のところは撤退． 2130 研究室発． 2150 帰宅． 体重 73.6kg． 晩飯．
• 時間はないけど， 今晩はデータ解析とかやらない． 現時点では体力温存につとめるべきだろう …… とかもっともらしい理由をつけてでれでれする． いやはや．
• [今日の素読]
  • なかなか再開できん
• [今日の運動]
  • 北大構内走 1230-1305． ストレッチング．
• [今日の食卓]
  • 朝 (0840): 米麦 0.7 合． ホウレンソウおひたし．
  • 昼 (1320): 弁当． 研究室お茶部屋． 米麦 0.7 合． ホウレンソウおひたし．
  • 晩 (2200): 米麦 0.7 合． ホウレンソウおひたし． ネギ・カレイの味噌汁．