ぎょーむ日誌 2009-12-14
2009 年 12 月 14 日 (月)
-
0800 起床．
生活周期，
復旧をめざしたい
……
朝飯．
コーヒー．
0840 自宅発．
曇．
気温
-2°C，
今日はずっとこのまま氷点下とのこと．
0900 研究室着．
-
鍋嶋さん苫小牧でんどろ論文の改訂原稿についてのコメントかきとか
……
-
1030 より
研究室セミナー，
本日は川久保さん・竹内さん．
川久保さんは有珠山の標高たかめのところの植生調査．
どうみても噴気孔からの距離とケミカルあれこれの単純な関係が成立しているようには見えない
……
とくに硫酸イオンはナゾ．
竹内さんはサロベツ湿原でのヌマガヤまたはミカヅキグサの
リターバック分解実験．
データ構造がちょー難物の「全期間は 1-2 年で季節性の影響うける」
時系列なもの．
まあ，
現時点では時系列解析しろってハナシではないけど
……
バックの中に残存しているのは植物の器官なのか，
が重要なかんぢですな．
-
この季節にありがちな，
ありがちな内容の質問メイル，
そしてありがちな返信例．
> AICによるGLMにおけるパラメーター推定では，共線性をどのよう
> に扱ったらよいのでしょうか．
多重共線性の定義によります．厳密な定義では，説明変数 x1 と x2 がほぼ同
じ線上にあるような場合になります．たとえば極端には x2 = 2 * x1 + 1 と
なるような場合です．この場合は x1 と x2 の効果の区別ができなくなります．
これについては x1 と x2 の図を描けば明らかになるでしょう．
世の中でよく言われるほうの「多重共線性」なるものがあり，それはただ単に
x1 と x2 の相関がそれなりにある (あるいは，ひどい場合には，x1 と x2 が
独立でなければ「多重共線性」と言ったりする)，といったものです．
このような場合には，AIC のモデル選択でうまく解決できる場合が多いように
思います．似たような説明変数が二つもあるならひとつ除去しても予測はそん
なに悪くならないだろう，といった場合です．
しかしながら，そのような状況なのに似たような説明変数 x1 と x2 がどちら
もモデル選択で残る場合があります．それは radom effects が強い (例: 個
体の観測されてない要因の効果が強い，標本採集場所の効果が強い) といった
状況です．このようなときには，これらの random effects を考慮した統計モ
デリング + AIC モデル選択によってよけいな説明変数が除去される場合があ
ります．
昼飯．
なんだか自業自得的なメイルかきあれこれにとらっぷされてしまった
……
さーて，
岩波本を
……
と作業再開したいんだけど，
金曜日に自分でもよくわからない発表をしないといけないので，
その準備をしてみる．
といっても今まで放置していたことからわかるように，
切り貼りでごまかすつもりなのだが．
まあ何か「空間」モノのハナシを，
とゆーことなので，
いつものごとく
car.normal() 例題
の説明でもしてお茶をにごそうか，
とゆー方向性なのだが
……
これだけでは 30 分間もちそうにないので，
2 年前
の投影資料のつかいまわしを画策する．
母子里ダケカンバのハナシだけを残して
……
うーむ，
もうちょっとスライド数を削減すべきなんだろうな
……
